-
公开(公告)号:CN118628760A
公开(公告)日:2024-09-10
申请号:CN202410712136.9
申请日:2024-06-04
Applicant: 南通大学
Abstract: 本发明公开一种融合nDSM的深度学习线特征提取方法,该方法利用无人机摄影测量获取的测区航拍照片,利用照片进行三维重建,生成DOM、DSM和三维点云;利用CSF算法分割地面点,采用反距离权重方法进行插值,生成DEM;利用地图代数计算将DSM与DEM进行相减,得到nDSM,并标准化为8位图像;接着制作深度学习训练样本数据集,利用DOM和nDSM构建四通道图像并分块,制作深度学习训练样本数据集;利用深度神经网络进行训练和模型验证,增量式构建满足泛化性的线特征提取样本数据集,实现对无人机摄影测量图像线特征的准确提取。本发明实现了基于深度学习的无人机遥感图像线特征智能提取,有效提高了线特征提取的准确性和几何完整性,满足城市建筑三维模型重建的需要。
-
公开(公告)号:CN119580128A
公开(公告)日:2025-03-07
申请号:CN202411618333.0
申请日:2024-11-13
Applicant: 南通大学
IPC: G06V20/17 , G06T5/40 , G06T5/60 , G06V20/70 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及测绘科学、遥感科学技术领域,尤其涉及一种基于热红外图像和深度学习的道路井盖识别方法,该方法利用无人机摄影测量获取测区目标热红外影像,通过多路复用自适应直方图均衡化算法增强红外图像特征,利用残差网络结构改进YOLOv8深度神经网络提取图像中的道路井盖特征,通过边缘提取和圆拟合识别井盖的几何参数。本发明方法基于深度学习,实现了热红外图像中道路井盖的高精度识别和参数提取,对于城市给排水信息管理,道路安全风险识别具有重要意义。
-
公开(公告)号:CN119091155A
公开(公告)日:2024-12-06
申请号:CN202411098693.2
申请日:2024-08-12
Applicant: 南通大学
Abstract: 本发明公开了一种基于深度学习和联合优化的建筑轮廓线提取方法,采集城区建筑的多视图照片,构建DOM和DSM;制作归一化数字表面模型nDSM和坡度图、标注建筑轮廓线和多边形;构建渔网分割栅格和矢量图层,建立训练样本影像和标注,代入线特征提取网络MFLine‑Net和语义分割网络Res‑UNet分别训练;利用线特性提取网络MFLine‑Net提取线特征;利用Res‑UNet网络提取建筑屋顶语义信息;利用运动空间剖分算法生成胞腔复形;采用图割优化算法关联胞腔单元和屋顶语义信息;将相同屋顶语义信息的胞腔单元合并得到建筑轮廓图。该方法可以快速构建城市建筑轮廓图,满足基于无人机进行摄影测量建筑制图的需要。
-
-