-
公开(公告)号：CN118585589B
公开(公告)日：2024-12-06
申请号：CN202410623241.5
申请日：2024-05-20
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: 本发明提供了一种面向自然资源地表覆盖的像元光谱库构建方法，本发明基于国土三调或地理国情或其他自然资源地表覆盖空间矢量数据为基础，采用图斑筛选、像元采集点净化等方法，获得均质性较好的像元采集点，并形成包含时间、空间、光谱、标识等不同维度属性信息的像元光谱库。该方法不受高光谱影像辐射校正、大气校正中误差叠加影响，为自然资源地表覆盖精细识别提供了海量像元光谱库。
-
公开(公告)号：CN118585589A
公开(公告)日：2024-09-03
申请号：CN202410623241.5
申请日：2024-05-20
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: 本发明提供了一种面向自然资源地表覆盖的像元光谱库构建方法，本发明基于国土三调或地理国情或其他自然资源地表覆盖空间矢量数据为基础，采用图斑筛选、像元采集点净化等方法，获得均质性较好的像元采集点，并形成包含时间、空间、光谱、标识等不同维度属性信息的像元光谱库。该方法不受高光谱影像辐射校正、大气校正中误差叠加影响，为自然资源地表覆盖精细识别提供了海量像元光谱库。
-
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：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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN115761486A
公开(公告)日：2023-03-07
申请号：CN202211420265.8
申请日：2022-11-15
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明提供一种基于多期稻田影像特征的水稻种植区判定方法和系统，其中，方法包括：获取水稻的耕作制度和物候信息，确定水稻收割后及种植初期和/或灌浆期的至少两个特定时期，获取多期初始遥感影像并进行预处理，得到第一期遥感影像、第二期遥感影像和/或第三期遥感影像；获取水田矢量数据，对第一期遥感影像进行空间约束，结合第一期遥感影像呈现的纹理和光谱特征，判定初始水稻种植区；根据第二期遥感影像和/或第三期遥感影像呈现的光谱特征，判定水稻干扰区；基于空间叠加技术，在初始水稻种植区中剔除水稻干扰区，获取目标水稻种植区。本发明实现了在复杂山地背景下对水稻种植区的精准判定，且能够得到便于识别和管理的水稻种植区范围。
-
公开(公告)号：CN112994780B
公开(公告)日：2021-09-14
申请号：CN202110207233.9
申请日：2021-02-24
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种多源卫星影像数据接收实时监控与信息推送方法，包括步骤：首先，建立多源卫星影像数据组织格式信息表；其次，对服务器资源池进行持续动态监控，及时发现最新接收到的卫星影像；然后，基于接收的多源卫星影像及其配置文件，自动获取多源卫星影像数据信息；最后，按日自动统计影像信息并生成卫星影像接收情况简报，定时将影像简报传输至私有云并推送至相关用户手机端。其显著效果是：实现了多源卫星影像数据接收实时监控、信息自动提取与统计、卫星影像接收情况简报生成与推送，显著提高了多源卫星影像接收情况推送工作的自动化程度与效率，解决了现有工作模式中人工作业周期长、效率低、影像信息提取易漏易错等问题。
-
公开(公告)号：CN112883839A
公开(公告)日：2021-06-01
申请号：CN202110140498.1
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种基于自适应样本集构造与深度学习的遥感影像解译方法，包括步骤：对样本总集进行特征提取，并对提取的特征进行聚类，构建视觉词袋模型的特征词典，得到样本子集；构建基于深度学习网络的解译模型，并先后输入样本总集和聚类的样本子集对解译模型进行训练，分别得到总解译模型和与各样本子集相对应的子解译模型；采用总解译模型以及根据待解译遥感影像的影像特征选取的合适的若干子解译模型，对待解译遥感影像进行自适应解译。其显著效果是：通过聚类的自动化、分布式手段快速建立海量遥感影像的样本库，并利用机器深度学习技术对样本库数据进行训练，获得适应于不同场景的智能解译模型，解译精度高，鲁棒性好。
-
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
53
records
(took 0.042 seconds)
