-
公开(公告)号：CN117710603B
公开(公告)日：2024-04-30
申请号：CN202410156478.7
申请日：2024-02-04
Applicant: 东华理工大学南昌校区
Abstract: 本发明涉及一种直线几何结构约束下无人机图像三维建筑物建模方法，利用无人机图像生成三维建筑物原始模型；提取三维建筑物原始模型中点云数据，并对三维建筑物原始模型点云进行边缘和轮廓的特征提取，生成三维建筑物原始模型的尖锐边缘特征点云；使用多种约束下的三维直线特征提取算法对三维建筑物原始模型点云尖锐边缘特征进行三维直线提取，生成三维直线；使用三维直线对三维建筑物原始模型点云进行线约束，完成三维建筑模型的优化，并利用无人机图像为三维建筑物模型进行纹理映射，通过将图像数据与三维直线特征结合，实现对建筑物模型更精准的优化。本发明综合了无人机图像处理和三维几何特征提取方法，使三维模型边缘更符合建筑物边缘特征。
-
公开(公告)号：CN118397462A
公开(公告)日：2024-07-26
申请号：CN202410853815.8
申请日：2024-06-28
Applicant: 东华理工大学南昌校区
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本申请涉及一种基于双通道深度神经网络的遥感图像道路提取方法，属于遥感图像道路提取技术领域，该方法包括如下步骤：构建道路提取模型，所述道路提取模型为可同时提取道路特征信息和建筑物特征信息的双通道深度神经网络，所述双通道深度神经网络包括道路特征信息提取分支、建筑物特征信息提取分支、特征融合分支、特征解码模块、分割分支和连通分支；对公开数据集进行裁剪生成道路提取模型的训练集和测试集；使用训练集和测试集对所述道路提取模型进行训练，并使用训练完成的道路提取模型从图像中进行道路提取。本发明方法能够同时学习道路特征和建筑物特征信息，区分具有相似光谱特性的道路和建筑物信息，使得道路提取的结果更加准确。
-
公开(公告)号：CN116543165A
公开(公告)日：2023-08-04
申请号：CN202310798628.X
申请日：2023-07-03
Applicant: 东华理工大学南昌校区
Abstract: 本申请涉及一种基于双通道复合深度网络的遥感图像果树分割方法，属于遥感图像果树提取技术领域，包括如下步骤：生成2.5D图像数据；构建果树分割模型，所述果树分割模型包括双通道复合深度网络和单尺度辅助损失函数模块；对所述2.5D图像数据描绘树冠标签，剔除不含树冠的2.5D图像数据和对应标签，生成所述果树分割模型的训练集和测试集；使用训练集和测试集对所述果树分割模型进行训练，并使用训练完成的果树分割模型从图像中进行果树分割。本发明能够结合局部信息和全局语义信息，有效的从复杂地形和背景中提取出果树树冠信息。
-
公开(公告)号：CN118918334B
公开(公告)日：2025-01-28
申请号：CN202411413339.4
申请日：2024-10-11
Applicant: 东华理工大学南昌校区
IPC: G06V10/26 , G06V10/80 , G06V20/17 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本申请涉及遥感图像树木参数信息提取技术领域，具体涉及一种基于特征交互与聚合网络的树冠分割及树高估算方法，包括如下步骤：生成树木区域的数字正射影像和数字高程模型；构建基于特征交互与聚合网络的树冠分割及树高估算模型。所述基于特征交互与聚合网络的树冠分割及树高估算模型包括基于迁移学习的双通道复合网络、特征交互模块FIM、特征聚合模块FAM和多级特征融合解码器模块；对所述数字正射影像和数字高程模型数据进行树冠描绘和树高标记，生成训练集、验证集和测试集，并对模型进行训练；使用训练完成的模型进行树冠分割及树高估算。本发明能够准确高效地从复杂地形中提取出大面积树冠和树高信息。
-
公开(公告)号：CN118397462B
公开(公告)日：2024-08-27
申请号：CN202410853815.8
申请日：2024-06-28
Applicant: 东华理工大学南昌校区
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本申请涉及一种基于双通道深度神经网络的遥感图像道路提取方法，属于遥感图像道路提取技术领域，该方法包括如下步骤：构建道路提取模型，所述道路提取模型为可同时提取道路特征信息和建筑物特征信息的双通道深度神经网络，所述双通道深度神经网络包括道路特征信息提取分支、建筑物特征信息提取分支、特征融合分支、特征解码模块、分割分支和连通分支；对公开数据集进行裁剪生成道路提取模型的训练集和测试集；使用训练集和测试集对所述道路提取模型进行训练，并使用训练完成的道路提取模型从图像中进行道路提取。本发明方法能够同时学习道路特征和建筑物特征信息，区分具有相似光谱特性的道路和建筑物信息，使得道路提取的结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN117710711B
公开(公告)日：2024-05-10
申请号：CN202410167897.0
申请日：2024-02-06
Applicant: 东华理工大学南昌校区
IPC: G06V10/75 , G06V10/80 , G06V10/42 , G06V10/44 , G06V20/13 , G06N3/0464 , G06N3/0495 , G06N3/084
Abstract: 本发明涉及一种基于轻量化深度卷积网络的光学和SAR图像匹配方法，对预处理的光学和SAR图像进行特征点检测；构建深度描述符提取模型，深度描述符提取模型包括深度倒残差全卷积神经网络和密集特征纯化模块，深度倒残差全卷积神经网络内嵌多个倒残差结构；利用数据集对深度描述符提取模型进行训练，并使用训练完成的深度描述符提取模型从图像中获取深度描述符；然后对深度描述符进行特征匹配，采用去粗取精策略剔除误匹配，去粗取精的误匹配剔除策略包括自适应阈值约束和双RANSAC算法。本发明能够结合局部信息和全局语义信息，减少关键特征损失，提取的深度描述符对非线性辐射差异具有较强的鲁棒性，提高了正确匹配点的数量和准确率。
-
公开(公告)号：CN117710711A
公开(公告)日：2024-03-15
申请号：CN202410167897.0
申请日：2024-02-06
Applicant: 东华理工大学南昌校区
IPC: G06V10/75 , G06V10/80 , G06V10/42 , G06V10/44 , G06V20/13 , G06N3/0464 , G06N3/0495 , G06N3/084
Abstract: 本发明涉及一种基于轻量化深度卷积网络的光学和SAR图像匹配方法，对预处理的光学和SAR图像进行特征点检测；构建深度描述符提取模型，深度描述符提取模型包括深度倒残差全卷积神经网络和密集特征纯化模块，深度倒残差全卷积神经网络内嵌多个倒残差结构；利用数据集对深度描述符提取模型进行训练，并使用训练完成的深度描述符提取模型从图像中获取深度描述符；然后对深度描述符进行特征匹配，采用去粗取精策略剔除误匹配，去粗取精的误匹配剔除策略包括自适应阈值约束和双RANSAC算法。本发明能够结合局部信息和全局语义信息，减少关键特征损失，提取的深度描述符对非线性辐射差异具有较强的鲁棒性，提高了正确匹配点的数量和准确率。
-
公开(公告)号：CN117710603A
公开(公告)日：2024-03-15
申请号：CN202410156478.7
申请日：2024-02-04
Applicant: 东华理工大学南昌校区
Abstract: 本发明涉及一种直线几何结构约束下无人机图像三维建筑物建模方法，利用无人机图像生成三维建筑物原始模型；提取三维建筑物原始模型中点云数据，并对三维建筑物原始模型点云进行边缘和轮廓的特征提取，生成三维建筑物原始模型的尖锐边缘特征点云；使用多种约束下的三维直线特征提取算法对三维建筑物原始模型点云尖锐边缘特征进行三维直线提取，生成三维直线；使用三维直线对三维建筑物原始模型点云进行线约束，完成三维建筑模型的优化，并利用无人机图像为三维建筑物模型进行纹理映射，通过将图像数据与三维直线特征结合，实现对建筑物模型更精准的优化。本发明综合了无人机图像处理和三维几何特征提取方法，使三维模型边缘更符合建筑物边缘特征。
-
公开(公告)号：CN118968249B
公开(公告)日：2025-03-14
申请号：CN202411440665.4
申请日：2024-10-16
Applicant: 东华理工大学南昌校区
IPC: G06V10/80 , G06V10/75 , G06V10/82 , G06V10/774 , G06V10/42 , G06V10/46 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及遥感图像匹配技术领域，具体涉及一种耦合相位结构和深度特征的多模态遥感图像匹配方法，该方法利用相位结构特征检测算法对多模态遥感图像进行特征点检测；构建多级特征交互与聚合网络来提取深度特征描述符，多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块。构建数据集对网络模型进行训练，并利用训练好的网络模型从图像中提取深度特征描述符；然后对深度特征描述符进行匹配，采用多层级误匹配剔除策略剔除误匹配，得到最终的匹配结果。本发明能够结合局部和全局语义信息，突出关键特征的表达，提高正确匹配点的数量和匹配点的定位精度。
-
公开(公告)号：CN118968249A
公开(公告)日：2024-11-15
申请号：CN202411440665.4
申请日：2024-10-16
Applicant: 东华理工大学南昌校区
IPC: G06V10/80 , G06V10/75 , G06V10/82 , G06V10/774 , G06V10/42 , G06V10/46 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及遥感图像匹配技术领域，具体涉及一种耦合相位结构和深度特征的多模态遥感图像匹配方法，该方法利用相位结构特征检测算法对多模态遥感图像进行特征点检测；构建多级特征交互与聚合网络来提取深度特征描述符，多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块。构建数据集对网络模型进行训练，并利用训练好的网络模型从图像中提取深度特征描述符；然后对深度特征描述符进行匹配，采用多层级误匹配剔除策略剔除误匹配，得到最终的匹配结果。本发明能够结合局部和全局语义信息，突出关键特征的表达，提高正确匹配点的数量和匹配点的定位精度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
