一种面向地理大数据的空间聚合尺度选择方法

    公开(公告)号:CN111651501A

    公开(公告)日:2020-09-11

    申请号:CN202010484892.2

    申请日:2020-06-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种面向地理大数据的空间聚合尺度选择方法,包括:对研究区域进行不同格网大小下的等距离格网划分;生成不同尺度的尺度快照;对不同尺度快照建立点云;对各个尺度快照的点云进行拓扑特征提取;对各个尺度快照进行尺度效应分析,获取关键尺度;根据关键尺度,选择所需的空间聚合尺度。本发明方法引入拓扑分析方法,通过多阶拓扑不变量刻画不同聚合尺度下数据的聚类模式、环状模式以及类间模式,并通过模式的演变量化尺度效应的影响,进而找到尺度突变点来判断合适的研究尺度范围,由此选择的空间聚合尺度更符合实际需求。

    一种基于多子空间模型的城市功能区识别方法

    公开(公告)号:CN111651502B

    公开(公告)日:2021-09-14

    申请号:CN202010484901.8

    申请日:2020-06-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于多子空间模型的城市功能区识别方法,包括以下步骤:获取研究区域内出租车轨迹数据和签到数据;构建面向分区基于到访目的的时序特征矩阵C;输入时序特征矩阵C至稀疏子空间聚类算法,计算获得地理单元和城市功能区的对应关系;获得每个功能区的显著特征地点,进而识别每个功能区的主要功能。本发明方法本发明利用地理大数据提供的人类活动信息,基于多子空间的模型克服现有技术中存在的缺陷,能够更精确地识别城市功能区,并基于子空间的几何性质分析各功能区的独特度与丰度,为城市功能区的管理和发展提供了精细量化的指标指示。

    基于激活表达可替换性的遥感图像建筑物识别方法

    公开(公告)号:CN111539306B

    公开(公告)日:2021-07-06

    申请号:CN202010314628.4

    申请日:2020-04-21

    Applicant: 中南大学

    Abstract: 本发明公开了基于激活表达可替换性的遥感图像建筑物识别方法,包括以下步骤:获取遥感图像建筑物数据集;训练普通深度神经网络模型;计算识别所述模型中每个卷积核的独立最大响应图;计算每个卷积核的激活表达可替换性;根据每个卷积核的激活表达可替换性对模型卷积核进行修剪,保留小的激活表达可替换性;使用修剪后的深度神经网络模型进行遥感图像建筑物识别。本发明方法针对基于深度学习的建筑物识别模型提出激活的表达可替换性指标方法,它可以量化同层上每个卷积核在特征空间表达的可替换性,卷积核的激活的表达可替换性值越低,代表它在特征空间越不可替换,进而针对卷积核进行选择性修剪,从而有效提高遥感图像建筑物识别模型的识别精度。

    基于双注意力孪生网络的高分遥感影像变化检测方法

    公开(公告)号:CN111539316A

    公开(公告)日:2020-08-14

    申请号:CN202010319604.8

    申请日:2020-04-22

    Applicant: 中南大学

    Abstract: 本发明公开了基于双注意力孪生网络的高分遥感影像变化检测方法,包括:将对应区域两个时相的遥感影像进行均匀无重叠裁剪成成对的子图;对每一对子图进行初步特征提取,获得特征张量对;将特征张量对同时输入到空间注意力模块和通道注意力模块中,获得判别性更好的特征张量对;对所述更好的特征张量对进行卷积降维以映射到嵌入空间;在嵌入空间中计算特征张量对每个位置点的欧式距离;通过阈值分割得到变化检测结果。本发明方法利用孪生的空间注意力机制和通道注意力机制来获取高判别性的特征表达,同时使用双重阈值损失函数来进一步筛选有效特征,强效滤除伪变化信息的遥感影像变化,从而获得了较好的高分辨率遥感影像变化检测结果。

Patent Agency Ranking