-
公开(公告)号：CN101887522A
公开(公告)日：2010-11-17
申请号：CN201010224760.2
申请日：2010-07-13
Applicant: 南京大学
Abstract: 本发明公开了基于多点同时快速行进的遥感影像道路提取方法，属于半自动遥感影像道路提取领域。其步骤为：构建快速行进速度项；选择多个道路特征点，进行初始行进状态的设定；按照多点同时快速行进方法遍历影像，按照设定的有效鞍点判定准则提取有效鞍点；从有效鞍点出发逆向搜索，提取最短路径；利用最短路径点位信息构建连续矢量线状道路。本发明提高了现有快速行进方法的提取效率，通过有效鞍点判定准则的设定剔除错误捷径，提高了道路提取的正确率，降低了道路提取后续处理的复杂度，通过最短路径点位信息构建连续矢量线状要素，避免了数据格式的转换，能够直接应用于国家各级基础地理信息数据库道路信息的维护与更新。
-
公开(公告)号：CN114926727B
公开(公告)日：2025-05-06
申请号：CN202210391456.X
申请日：2022-04-14
Applicant: 南京大学
IPC: G06V20/05 , G06T5/10 , G06T17/05 , G06V10/774 , G06N3/084 , G06N3/045 , G06N3/0499 , G06N20/20 , G06V10/82
Abstract: 本发明公开了一种基于神经网络与集成学习的水下地形提取方法，该方法包括以下步骤：采用数字图像处理技术并结合目视解译辅助的方式，对遥感影像数据集进行预处理，并将预处理后的遥感影像和训练样本作为输入数据集；构建基于BP神经网络算法的子学习器，对BP神经网络算法进行训练，并利用训练好的神经网络模型对若干水深反演结果进行生成；基于最小离群度方法确定集成策略；将整个研究区的水深反演结果集进行集成，并对集成后的水下地形图进行精度评估。实现高精度浅海水下地形；通过神经网络与集成学习算法的结合，解决了传统BP神经网络算法在水深反演过程中的鲁棒性较差问题，进一步提升了水深反演精度和可靠性。
-
公开(公告)号：CN111401702B
公开(公告)日：2023-06-02
申请号：CN202010150608.8
申请日：2020-03-06
Applicant: 南京大学
IPC: G06Q10/0635 , G06Q50/26 , G06Q50/30 , G06F17/16 , G06N7/02
Abstract: 本发明涉及一种海上交通风险评估方法，包括以下步骤：第一步、海上交通风险评估指标体系构建，指标体系包括三个风险组分：1）、危险性；2）、脆弱和暴露性；3）、缓解能力；第二步、评估指标空间数据库建立；第三步、评估指标权重计算——计算各风险组分指标权重；第四步、组分加权图生成；第五步、海上交通风险评估——计算海上交通风险指数，并进一步分为5级：非常高、高、中、低、非常低。本发明分析了海上交通风险的内在驱动因素，增加了海上交通风险的透明性，为降低海上事故的可能提供重要技术支持。本发明中地理空间技术、多准则决策、风险指数的结合提供了一个科学的海上交通风险评估方法，克服了海上交通风险工具的不足。
-
公开(公告)号：CN115983475A
公开(公告)日：2023-04-18
申请号：CN202310001248.9
申请日：2023-01-03
Applicant: 南京大学
IPC: G06Q10/04 , G06Q50/26 , G06F30/28 , G06F17/18 , G06F113/08 , G06F111/08 , G06F119/14
Abstract: 本发明涉及一种海区尺度落水人员漂移轨迹预测方法，步骤包括：海域分区、漂移轨迹预测模型建立、落水人员漂移轨迹预测、漂移轨迹预测模型精度及适用性评价。本发明提升了落水人员漂移轨迹预测精度，有助于提高海上搜救工作落水人员漂移轨迹精准预测能力，有力支撑海上搜救辅助决策。
-
公开(公告)号：CN111428916B
公开(公告)日：2023-04-07
申请号：CN202010169849.7
申请日：2020-03-12
Applicant: 南京大学
IPC: G06Q10/047 , G06Q10/0631 , G06Q10/0635 , G06Q10/0639 , G06Q50/26 , G06Q50/30
Abstract: 本发明涉及一种海上救援船舶巡航路径规划方法，包括以下步骤：第一步、利用基于GIS的多准则决策分析方法，建立航行风险指数，对每个格网的救援需求进行评估；第二步、基于时间可达性模型识别救援船的巡航区域；第三步、以路径所经格网救援需求之和最大为目标，通过求解线性规划问题确定最优巡航路径。本发明使用海洋环境数据可以确定救援船最优巡航路径。本发明可为有关部门规划救援船舶的海上巡航路径提供参考。
-
Patent Agency Ranking
公开(公告)号：CN115546544A
公开(公告)日：2022-12-30
申请号：CN202211209998.7
申请日：2022-09-30
Applicant: 深圳市规划和自然资源数据管理中心 , 河海大学 , 南京大学
Abstract: 本发明公开了一种基于图神经网络的LiDAR点云与OSM标注信息流耦合分类方法。以图神经网络为理论依据，首先超分割激光雷达点云得到“超点”，并根据超点之间的邻接关系构建超点邻接图；利用PiontNet嵌入超点特征并设计邻接图边特征从而形成完整的图神经网络；再将超点与对应的众源地图平台标注信息关联，将其纳入基于图卷积网络的超点特征更新以实现众源地图平台标注信息全局传递，从而实现地表地物分类。本发明提出的激光雷达点云分类策略可以解决众源地图平台标注的稀疏性，表达众源地图平台标注对其他地物对象的影响，在地表分类上均取得较优的性能，实现了高质量、智能化的城市地表覆盖三维分类。
-
公开(公告)号：CN115393704A
公开(公告)日：2022-11-25
申请号：CN202210695358.5
申请日：2022-06-20
Applicant: 南京大学
IPC: G06V20/10 , G06V10/26 , G06V10/54 , G06V10/764
Abstract: 本发明公开一种面向对象的稻虾田遥感自动化监测方法，本自动化监测方法包括以下步骤：S1、获取分析单元；S2、选取稻虾田样本；S3、判定分割对象是否为稻虾田和S4、得到检测结果。本发明基于对象单元实现了大范围的稻虾田监测，避免了基于像素分析中的“椒盐效应”等问题，提高了监测精度，具体实施中自动提取样本且无需人工调整参数，提高了监测的自动化程度。
-
公开(公告)号：CN115221766A
公开(公告)日：2022-10-21
申请号：CN202210671133.6
申请日：2022-06-15
Applicant: 南京大学
IPC: G06F30/25 , G06F16/951 , G06F16/9537
Abstract: 本发明公开了一种改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；通过对引力模型及辐射模型进行耦合，完成引力‑辐射模型的构建；采用引力‑辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与人口流动统计结果进行对比，完成引力‑辐射模型的精度验证。本发明能够有效提升跨境人口流动模拟的精度。
-
公开(公告)号：CN113591668A
公开(公告)日：2021-11-02
申请号：CN202110844610.X
申请日：2021-07-26
Applicant: 南京大学
Abstract: 本发明涉及一种使用深度学习和空间分析的广域未知大坝自动探测方法，包含以下步骤：候选区提取——地表水面积约束和行政边界数据集相交约束以获取更准确的候选区；深度学习模型训练——训练三种目标识别模型，NMS算法和长度阈值融合检测结果；地理分析与综合判别——综合地形约束，相交原则和其他目标开放数据集将误检框删除，进一步提升大坝探测中的准确率。本发明提出的自动探测方法在测试数据集上表现良好，探测结果做了人工校验，准确率为80.0%，召回率为91.1%，同时，发现39个不在任何数据集上的新大坝。结果显示，本发明可以自动、快速、可靠的探测未知区域大坝的空间位置，并为其他遥感目标空间位置探测提供了流程思路。
-
公开(公告)号：CN111950658A
公开(公告)日：2020-11-17
申请号：CN202010886292.9
申请日：2020-08-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于深度学习的LiDAR点云与光学影像先验级耦合分类方法，属于遥感科学技术领域。本发明步骤为：首先通过二维深度卷积网络分类多波段光学影像；再将地表覆盖二维分类的结果（即类别概率）利用最近邻算法赋予机载LiDAR点云，作为三维点云的先验概率特征；而后采用三维神经网络分类已嵌入二维类别概率的LiDAR点云，得到最终的城市三维土地覆盖分类结果。本发明利用先验级耦合策略将光学影像提供的波段信息赋予LIDAR点云，弥补了现有三维LiDAR点云数据中存在较少的标注数据的问题，先验级耦合策略分类策略可以降低训练过程的损失，以获得更好的分类效果，并阐释了城市地表覆盖二维分类与三维分类之间的联系。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.031 seconds)
