-
公开(公告)号：CN105787911A
公开(公告)日：2016-07-20
申请号：CN201610161085.0
申请日：2016-03-21
Applicant: 中国林业科学研究院资源信息研究所 , 中天共创科技(北京)有限公司
IPC: G06T5/30
Abstract: 一种基于拓扑分形算法的图像腐蚀与膨胀处理方法，属于计算机图像处理技术领域。采用图像拓扑分形搜索模型对图像进行搜索计算，从而直接获得需要进行腐蚀膨胀计算的目标像元、相邻像元及相邻像元的个数、方位空间拓扑信息，通过这些信息对目标像元进行腐蚀膨胀计算；采用分层次的对图像进行腐蚀膨胀计算步骤，即一次只对图像中某个特定的像元类型进行腐蚀膨胀计算，适合对经过分类处理的图像进行去除孤立像元和小图斑的聚类操作计算。本发明在处理超大数据量、拓扑关系极其复杂的遥感影像数据时，可以提高在大面积、大范围的各类资源调查中的效率和自动化程度，及时准确地的获取各种资源信息，从而达到节省人力物力的目的。
-
公开(公告)号：CN118736299A
公开(公告)日：2024-10-01
申请号：CN202410821515.1
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/26 , G06N3/0499 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/0455 , G06N3/0985
Abstract: 本申请提供基于自注意力机制的航空林火图像识别方法，包括以下步骤：获取林火视频为数据源；通过预处理方法筛选出图像，构建林火图像数据集，同时运用数据增强技术，丰富数据多样性，提高模型泛化能力；在特征提取阶段选用10层ViT作为主干网络，采用交叠滑动窗格方式图像序列化，嵌入位置信息后作为第1层ViT的输入，将前9层ViT提取的区域选择模块通过多头自注意力机制和多层感知器机制批量嵌入第10层ViT，有效放大子图间的微差异以获取小目标特征；采用对比特征学习策略，构建目标损失函数进行模型训练，获得图像类别标签，有效提高模型的特征学习能力和识别准确率。本申请利用机器学习技术提高航空林火图像识别的准确率和鲁棒性。
-
公开(公告)号：CN118736219A
公开(公告)日：2024-10-01
申请号：CN202410821535.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本申请提供一种针对林火识别的火焰快速检测方法，包括以下步骤：(1)首先采用HistSplineReg分割法对各颜色通道进行多阈值分割，以保证图像分割细节清晰，计算并记录各通道上的分割区域为SR，SG和SB；(2)在各分割区域中选择一个代表点，并将代表点按颜色空间的排序顺序重新组合，形成区域的像素表示；(3)最后将像素代表点与提供的监督信息进行比对，检索出所在的目标区域；(4)获取“火”代表点所在的划分子集及其对应的火焰像素区间。该方法在保证实时性检测的同时，还能够保证较高的火焰检测率和较低的误报警率。其次，综合林火的这两项检测指标，基于YCbCr的火焰判据更适合真实场景的林火检测。
-
公开(公告)号：CN109461121B
公开(公告)日：2022-11-04
申请号：CN201811311335.X
申请日：2018-11-06
Applicant: 中国林业科学研究院资源信息研究所 , 中天共创科技(北京)有限公司
Abstract: 一种基于并行计算算法的图像融合拼接方法，属于图像处理技术领域。含有以下步骤；设置拼接方式；获取两景待融合拼接图像基本信息；通过数据重采样创建两景图像的空间对应关系；进行两景图像的融合拼接；保存融合拼接后图像文件；结束融合拼接。本发明提出了以空间换时间的技术思想，通过建立两景图像间的空间和由图像数据上的一一对应关系，达到适合并行计算、简化算法逻辑关系、强化程序结构、自动化操作、高效、高速的数据处理能力。
-
公开(公告)号：CN109493331B
公开(公告)日：2021-09-28
申请号：CN201811311357.6
申请日：2018-11-06
Applicant: 中国林业科学研究院资源信息研究所 , 中天共创科技(北京)有限公司
Abstract: 一种基于并行计算算法的两景图像重叠区域快速获取方法，属于计算算法程序及图像处理技术领域。根据两景图像在空间位置上的对应关系，计算出能够完全包含两景图像的最大空间坐标范围，并根据这个空间坐标范围创建两个像元值为0的背景图像数据模板；将两景原始图像TX1和TX2通过重采样的方式添加到所创建的图像XTX1和图像XTX2数据缓存区中；当完成所有像元的比对计算处理后，也就完成了图像XTX1和图像XTX2的裁剪过程。本发明完全不需要人工操作和人为判断工作，极大的提高了工作效率，避免了重叠区域信息在常规裁剪操作中所造成的有效信息的丢失。
-
Patent Agency Ranking
公开(公告)号：CN109493331A
公开(公告)日：2019-03-19
申请号：CN201811311357.6
申请日：2018-11-06
Applicant: 中国林业科学研究院资源信息研究所 , 中天共创科技(北京)有限公司
Abstract: 一种基于并行计算算法的两景图像重叠区域快速获取方法，属于计算算法程序及图像处理技术领域。根据两景图像在空间位置上的对应关系，计算出能够完全包含两景图像的最大空间坐标范围，并根据这个空间坐标范围创建两个像元值为0的背景图像数据模板；将两景原始图像TX1和TX2通过重采样的方式添加到所创建的图像XTX1和图像XTX2数据缓存区中；当完成所有像元的比对计算处理后，也就完成了图像XTX1和图像XTX2的裁剪过程。本发明完全不需要人工操作和人为判断工作，极大的提高了工作效率，避免了重叠区域信息在常规裁剪操作中所造成的有效信息的丢失。
-
公开(公告)号：CN118887441A
公开(公告)日：2024-11-01
申请号：CN202410821479.9
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/764 , G06V20/17 , G06V20/10 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 本申请提供基于融合注意力机制和无人机可见光影像的单木树冠检测方法，包括以下步骤：第一步：无人机影像获取无人机正射影像数据；第二步：数据预处理无人机正射影像数据；第三步：优化模型Att‑Mask R‑CNN的主干网络构建；第四步：优化模型Att‑Mask R‑CNN的区域候选网络构建；第五步：优化模型Att‑Mask R‑CNN的多分支网络构建；第六步：单木树冠垂直投影面积估计；第七步：优化模型Att‑Mask R‑CNN的精度验证。该方法是通过优化现有深度学习方法，构建苗景兼用林的单木树冠分割模型并研究其林分结构，为智慧林业以及科学经营提供理论依据。本申请基于高分辨率无人机遥感影像，探究了优化模型Att‑Mask R‑CNN(Attention‑based Mask R‑CNN，基于注意力机制的Mask R‑CNN模型)林区内识别每个树冠和树冠垂直投影面积估测的能力。
-
公开(公告)号：CN118840546A
公开(公告)日：2024-10-25
申请号：CN202410821577.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/26 , G06V20/17 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本申请提供一种基于改进Mask Scoring R‑CNN的林火检测与分割方法，包括以下步骤：(1)森林火灾模拟：对森林可燃物在规定区域进行森面火灾模拟，并且使用干草、落叶对其助燃；(2)无人机航拍影像采集：使用多旋翼无人机搭载一台可见光相机对林火进行影像采集；(3)林火数据标注：为保证林火分割的质量，将帧间隔数设置为10，采用交互式多边形工具Labelme软件对每个林火目标提取精确的标签区域，包括被遮挡或者是存在于图像边缘的林火目标，同时，为了减少对模型的计算需求，所有图像统一缩放至1280×720分辨率，并以JPEG格式保存；(4)构建改进模型MaskSU R‑CNN：MaskSU R‑CNN主要由特征提取网络、区域候选网络、边界框分类回归和掩膜生成网络组成。
-
公开(公告)号：CN118736256A
公开(公告)日：2024-10-01
申请号：CN202410821552.2
申请日：2024-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/762 , G06V10/764 , G06V10/26
Abstract: 本申请提供一种基于超像素的森林火灾实时检测方法，涉及机器学习技术领域，包括：(1)图像超像素分割：对林火图像先进行SLIC超像素分割，将位置邻近和颜色相似的像素划分为若干个超像素；(2)代表点选择：鉴于超像素良好的目标边界一致性，将超像素等效为像素，从像素中选择或构造代表点；(3)引入监督信息：将代表点与引入的监督信息进行比对，从而完成火焰检测。本发明分别以超像素的均值、中值和均值与中值的组合构造代表点，在多种场景的12张林火图像上进行了实验验证，相比于向量和矩阵块模式表示方法，该文方法在10张图像上的林火识别率均达到了最高，平均识别率在98.2％以上。
-
公开(公告)号：CN113705478B
公开(公告)日：2024-02-27
申请号：CN202111009370.8
申请日：2021-08-31
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 一种基于改进YOLOv5的红树林单木目标检测方法，深度学习中的目标检测、图像处理技术以及改进YOLOv5算法的幼小红树林单木识别技术，属于林业科学研究中红树林单木目标检测领域。利用开源软件Labe l Img在选取的无人机影像上依次标注目标树，构建红树林单木数据集，选择YOLOv5为基础目标检测模型，依据目标木分布密集且尺寸较小的特点对其进行优化和改进，使用有效通道注意力机制Eff i c i ent Channe l Attent i on对CSPDarknet53骨干网络进行改进，避免降维和具有跨通道交互作用的同时，增强特征表达能力，并在SPP模块引入SoftPoo l池化操作，保留更多细节特征信息，提高自动化目标检测精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.036 seconds)
