-
-
公开(公告)号：CN104820774B
公开(公告)日：2016-08-03
申请号：CN201510181877.X
申请日：2015-04-16
Applicant: 同济大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于空间复杂性的图幅抽样方法，包括以下步骤：1)获取图幅数据抽样总体的先验信息；2)根据概率统计理论和先验信息获得图幅抽样方案的样本量；3)获取每个图幅的全局核密度估计参数；4)获取每个图幅的有效面积比参数；5)根据全局核密度估计参数、有效面积比参数和图幅抽样方案的样本量，进行基于空间复杂性的分层图幅抽样；6)进一步样本布设调整，并输出结果。与现有技术相比，本发明克服传统抽样方法没有考虑抽样对象的空间关系以及缺乏统一的样本量定量模型的局限，进而采用基于概率统计的抽样模型实现了样本量的定量估计，布样方法考虑抽样对象的空间复杂性特征及分布，确保样本的空间代表性。
-
公开(公告)号：CN104933703A
公开(公告)日：2015-09-23
申请号：CN201510268401.X
申请日：2015-05-22
Applicant: 同济大学
IPC: G06T7/00
CPC classification number: G06T7/11 , G06T2207/10032
Abstract: 本发明涉及一种基于水体指数的亚像元级水体提取方法，包括以下步骤：1)水陆混合像元提取；2)水陆端元光谱选取；3)水体丰度估计。与现有技术相比，本发明既能准确提取出影像上以像元级形式存在的水体像元，又能提取出影像上以亚像元形式存在的细小水体信息，从而使得提取结果更加准确。
-
-
公开(公告)号：CN104820774A
公开(公告)日：2015-08-05
申请号：CN201510181877.X
申请日：2015-04-16
Applicant: 同济大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于空间复杂性的图幅抽样方法，包括以下步骤：1)获取图幅数据抽样总体的先验信息；2)根据概率统计理论和先验信息获得图幅抽样方案的样本量；3)获取每个图幅的全局核密度估计参数；4)获取每个图幅的有效面积比参数；5)根据全局核密度估计参数、有效面积比参数和图幅抽样方案的样本量，进行基于空间复杂性的分层图幅抽样；6)进一步样本布设调整，并输出结果。与现有技术相比，本发明克服传统抽样方法没有考虑抽样对象的空间关系以及缺乏统一的样本量定量模型的局限，进而采用基于概率统计的抽样模型实现了样本量的定量估计，布样方法考虑抽样对象的空间复杂性特征及分布，确保样本的空间代表性。
-
Patent Agency Ranking
公开(公告)号：CN104820217A
公开(公告)日：2015-08-05
申请号：CN201510174926.7
申请日：2015-04-14
Applicant: 同济大学
IPC: G01S7/497
CPC classification number: G01S7/497
Abstract: 本发明涉及一种多法向平面的多元线阵探测成像激光雷达的检校方法，包括以下步骤：1)获取多个不同方位的平面靶板的观测数据，拟合靶板平面方程；2)获取检校区域内多个平面靶板的点云数据并进行预处理，建立基于多法向平面的多元激光雷达系统误差检校模型；3)根据系统误差检校模型，通过迭代平差解算，得到初步系统误差检校参数；4)对初步系统误差检校参数进行粗差剔除，获得最佳校验参数，判断是否含有大于给定阈值的观测值，若是，则将粗差值剔除并返回步骤3)，若否，则进行步骤5)；5)评定初步系统误差检校参数的精度，得到最终检校参数。与现有技术相比，本发明具有全参数检校模型、简化检校实验场建立、实验结果精确等优点。
-
公开(公告)号：CN104794335A
公开(公告)日：2015-07-22
申请号：CN201510178918.X
申请日：2015-04-15
Applicant: 同济大学
IPC: G06F19/00
Abstract: 本发明涉及一种通用多级空间抽样方法，包括步骤：1)获取多维尺度空间数据，并确定初始尺度特征下的第一级空间抽样对象；2)根据空间抽样对象在当前尺度特征下的表达特征确定抽样方案和布样方案，对空间抽样对象进行抽样并输出抽样结果；3)判断抽样结果是否满足抽样要求，若为是，则抽样结束，若为否，则改变尺度特征，并将输出的抽样结果作为空间抽样对象，重复步骤2)。与现有技术相比，本发明抽样方法中基于多维尺度进行多级抽样，分析数据在特定尺度下的空间性质布设样本，实现通用的多级抽样方法，解决不同尺度下的抽样及布样问题。
-
公开(公告)号：CN102222235A
公开(公告)日：2011-10-19
申请号：CN201010146730.4
申请日：2010-04-14
Applicant: 同济大学
Abstract: 本发明涉及一种基于对象集成高度信息的面向对象的高光谱分类处理方法，包括以下步骤：1)对HyMap影像和DSM数据进行预处理；2)将HyMap影像与DSM数据进行影像匹配，若匹配成功，执行步骤3)；3)将HyMap影像分割成了多个图像对象；4)对每个图像对象的光谱信息进行二进制编码；5)为每个图像对象计算形状因子的值，并将这些值转换成为了二进制编码；6)将从DSM获取的具有高度的地面对象的相对高度信息转换成为二进制码；7)系统将目标对象的描述转换成二进制编码；8)用编码匹配算法对图像编码和目标编码进行匹配。与现有技术相比，本发明具有需要的训练样本更少，却可以获取更高的分类精度等优点。
-
公开(公告)号：CN119783029A
公开(公告)日：2025-04-08
申请号：CN202411851137.8
申请日：2024-12-16
Applicant: 同济大学
IPC: G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/0895 , G06V20/56 , G06V10/82 , G01C21/16 , G01C22/00
Abstract: 本发明涉及一种基于视觉信息选择的视觉惯性融合导航定位方法，包括以下步骤：获取IMU数据与相邻两帧影像数据，输入基于视觉信息选择的视觉惯性融合导航定位模型，输出导航定位结果；该模型包括IMU特征提取网络、视觉特征提取网络、策略网络和融合网络，IMU特征提取网络基于引入扩张卷积的LSTM构建，用于从IMU数据中提取惯性特征；视觉特征提取网络基于引入通道‑空间注意力机制的CNN构建，用于从相邻两帧影像数据中提取影像特征；策略网络用于判定是否禁用所述影像特征；融合网络基于引入高效局部注意力机制的LSTM构建，用于将惯性特征与策略网络输出的影像特征进行融合。与现有技术相比，本发明无需复杂标定建模或大量真值数据集即可实现高效精确的导航。
-
公开(公告)号：CN115082784B
公开(公告)日：2025-01-24
申请号：CN202210613496.4
申请日：2022-05-31
Applicant: 同济大学
IPC: G06V20/10 , G06V10/40 , G06V10/774
Abstract: 本发明涉及一种多时相遥感影像无监督变化检测伪样本自动生成方法，包括：步骤1：对多时相影像数据进行处理，将其投影至二维极坐标域；步骤2：在极坐标域上基于变化矢量投影的统计分布特征生成伪样本候选区域；步骤3：采用随机样本生成方式在候选区域获得多类变化和不变化的伪样本，并输入监督分类器，实现二值变化检测和多类变化检测。与现有技术相比，本发明可以不依靠先验信息生成不同置信度伪样本训练集，并借助机器学习分类器实现自动化、稳健的无监督遥感变化检测。
-
-
-
-
-
-
-
-
-
Search Results
255
records
(took 0.025 seconds)
