-
公开(公告)号：CN117746250A
公开(公告)日：2024-03-22
申请号：CN202311852221.7
申请日：2023-12-29
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Abstract: 本发明提供了一种融合实景三维与视频的烟火智能识别与精准定位方法，首先利用深度学习方法在图像处理上的优势，采用双光谱云台摄像机进行实时自动识别，烟火识别精度高。其次在定位时，融合了实景三维信息和视频信息，烟火定位的精度高。最后分别通过实时识别烟火和定位烟火，实现了森林烟火自动实时识别和定位，减少人工工作量，提高了工作效率。
-
公开(公告)号：CN116302488B
公开(公告)日：2024-01-23
申请号：CN202310075423.9
申请日：2023-01-17
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Abstract: 本发明公开了一种地形图数据坐标多进程自动识别转换方法，包括步骤：基于建筑物数据构建参照数据，获得总体参照数据；构建投影关系选择器；地形图原始数据处理，获得运算数据集合；构建多进程运算机制并运行，通过进程池开辟多个进程，进行运算数据集合坐标系统的识别与转换，所有进程结束后汇总最终成果并输出。其显著效果是：实现了从未知向已知的综合判定识别，构建了已知坐标系统间的自动转换机制，实现了坐标系统的自动识别与转化。
-
公开(公告)号：CN117315455A
公开(公告)日：2023-12-29
申请号：CN202310046948.X
申请日：2023-01-31
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Abstract: 本发明通过高分辨的遥感影像设计云信息表征指数、自适应阈值分割初步提取云体、几何特征过滤非云对象和提纯云体、设计形态学滤云算子进一步提纯精化，最后通过云体栅格转为矢量并统计云量实现检测，相比于机器学习和深度学习云检测方法对样本数据的依赖，本发明人工参与少、自动化程度高、检测结果具有显著的云团几何形态优势，仅利用云层的亮度和几何形态特征，实现对高分辨率遥感影像自动化精准云检测，检测过程简单，可为高分辨率影像的质量检查、无云影像筛选，以及云覆盖区域的影像补采、填补生成无云影像等生产工序提供支撑，具有较强的泛化性和实用性。
-
公开(公告)号：CN117078102A
公开(公告)日：2023-11-17
申请号：CN202311086077.0
申请日：2023-08-28
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
IPC: G06Q10/0639 , G06Q50/26 , G06F16/245 , G06F17/10
Abstract: 本发明提供了一种基于空间匹配度的区域粮食安全保障能力定量化评价方法，基于多部门粮食安全基础数据资料采集归纳；对粮食安全数据集合处理，针对多源、多格式数据，进行格式识别、图像识别、分类抽取等处理工作，建立粮食安全数据资源池。并进行空间数据生成器设计，粮食安全数据资源池中抽取数据进行空间化处理，构建空间数据库并对空间数据进行属性信息挂接。同时通过构建指标评估体系并进行测算，在空间聚集度指标方面针对保障人口、粮食仓储规模和粮食加工能力，在空间匹配度指标方面，从人口、仓储、加工、应急、运输多维度进行考虑。综合分析了区域粮食安全保障能力及薄弱点，支撑服务粮食安全保障工作。
-
公开(公告)号：CN117036756A
公开(公告)日：2023-11-10
申请号：CN202310994138.7
申请日：2023-08-08
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
IPC: G06V10/75 , G06V10/74 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于变分自动编码器的遥感图像匹配方法及系统，包括：步骤S1：获取遥感影像图像上的待匹配图像块；步骤S2：利用变分自编码器提取所述待匹配图像块和对应遥感影像底图的特征，获得所述待匹配图像块和所述遥感影像图像的各兴趣点集；步骤S3：将各所述兴趣点集进行特征尺度和主导方向分配；步骤S4：使用归一化互相关匹配算法对所述步骤S3中特征尺度和主导方向分配后的兴趣点集进行匹配，得到匹配度矩阵得分，根据所述匹配度矩阵得分确定最佳匹配区域。本发明提高了遥感图像匹配的精度和工作效率。
-
Patent Agency Ranking
公开(公告)号：CN116342738A
公开(公告)日：2023-06-27
申请号：CN202310083918.6
申请日：2023-01-31
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Abstract: 本发明提供一种基于GIS的禁捕矢量范围自动提取和图示制作方法，包括：通过获取制图区域范围内的河流数据、禁捕范围起止点和制图数据，对禁捕范围起止点进行矢量化，并合并获取的河流数据，得到有效河流数据，根据有效河流数据提取并简化目标河流中心线，根据禁捕范围起止点与目标河流中心线，获取对应的两条垂线，并基于两条垂线对有效河流数据进行裁剪，得到禁捕矢量范围，构建制图模板，设置地图制图参数，确定地图的分割单元，在分割单元中，结合禁捕矢量范围和制图参数，基于制图模板生成禁捕范围图示。本发明能够实现禁捕矢量范围的快速准确提取，获取精准的禁捕范围图示，简化了禁捕范围图示的生成方法，提高了工作效率。
-
公开(公告)号：CN110473251B
公开(公告)日：2022-03-25
申请号：CN201910749369.5
申请日：2019-08-14
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) , 重庆知行宏图科技有限公司
Inventor： 余静 , 杨航 , 曾安明 , 贾敦新 , 梁星 , 张泽烈 , 袁超 , 李林 , 赵翔宇 , 程宇翔 , 钱文进 , 王小勇 , 余洋 , 邵帅 , 梁均军 , 王岚 , 秦瑛歆 , 彭婧
Abstract: 本发明公开了一种基于网格空间索引的自定义范围空间数据面积统计方法，包括服务器端基于笛卡尔坐标系二分法规则建立全球网格剖分模型，并对空间数据进行迭代二分后进行编码，建立空间网格索引；移动端在地图上绘制自定义范围，并将自定义范围坐标与空间数据图层ID同步上传至服务器端，服务器端根据所述空间网格索引计算得到自定义空间范围对应的空间索引层级的空间索引网格集合；服务器端根据空间索引网格集合与空间数据图层ID，计算所述自定义范围的空间数据面积，并将计算结果回传到移动端进行显示等步骤。其显著效果是：提高了计算效率，计算精度高，占用资源少。
-
公开(公告)号：CN110032613B
公开(公告)日：2021-04-09
申请号：CN201910303809.4
申请日：2019-04-16
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
IPC: G06F16/29
Abstract: 本发明公开了一种基于链式存储的时空数据一体化管理方法，包括以下步骤：分析原始数据，创建包括GUID、Time、OldGUID、Status四个字段的链式存储结构，采用链式存储结构建立不同时态版本时空数据要素之间的链式关系，并形成时空数据链；通过选择待更新图层、设置更新范围、更新时空数据要素及其当前状态与全局唯一标识，完成时空数据图层中的要素更新与时空数据链更新；利用更新后的时空数据链进行时空数据的一体化管理。其显著效果是：基于链式存储形成时空数据链，进行时空数据管理时只需存储更新数据，显著降低了不同版本数据重复存储导致的冗余，且提高了要素时空追溯查询的效率。
-
公开(公告)号：CN110348383B
公开(公告)日：2020-07-31
申请号：CN201910625253.0
申请日：2019-07-11
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) , 武汉大学
Inventor： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
Abstract: 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
公开(公告)号：CN110991359A
公开(公告)日：2020-04-10
申请号：CN201911243932.8
申请日：2019-12-06
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Inventor： 丁忆 , 李朋龙 , 曾安明 , 李晓龙 , 马泽忠 , 肖禾 , 罗鼎 , 段松江 , 胡艳 , 王岚 , 陈静 , 刘金龙 , 刘朝晖 , 魏文杰 , 谭攀 , 范文武 , 林熙 , 刘建 , 叶涛 , 袁力
Abstract: 本发明公开了一种基于多尺度深度卷积神经网络的卫星图像目标检测方法，包括步骤收集卫星图像训练数据集，并进行样本标注；对卫星图像训练数据集进行预处理；搭建多尺度深度卷积神经网络；将预处理后的训练数据集输入到基于所述多尺度深度卷积神经网络的目标检测框架进行训练，获得训练好的目标检测神经网络；输入待检测卫星图像集，采用训练好的所述目标检测神经网络进行目标检测，输出识别结果。其显著效果是：提高了网络对于细粒度特征的检测结果以及区分不同物体的能力，改善了对于小物体和密集物体群的检测效果，具有更强的鲁棒性，有效地提高了目标检测效率，降低了硬件需求。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.057 seconds)
