-
公开(公告)号：CN117575014B
公开(公告)日：2024-08-16
申请号：CN202311285655.3
申请日：2023-10-07
Applicant: 南京大学
Abstract: 本发明涉及一种基于图卷积神经网络的土地利用结构模式层次挖掘方法，包括如下步骤：获取土地利用数据；构建图结构；生成标签输入模型；通过图卷积神经网络模型，对所述标签输入模型进行训练，生成图嵌入；利用空间约束多元聚类方法对所述图嵌入进行划分，得到从分区到各级子分区的层次分区结构；对每一年的土地利用数据，分别以土地利用类型的频率特征构建各区域的区域级图元，根据某区域不同年份的区域级图元的变化反映该区域土地利用结构的时空变化。本发明构建图元时考虑了多阶邻域的影响，能够根据土地利用空间结构的不同进行分区，可以有效挖掘层次土地利用结构模式及其动态特征。
-
公开(公告)号：CN115393704A
公开(公告)日：2022-11-25
申请号：CN202210695358.5
申请日：2022-06-20
Applicant: 南京大学
IPC: G06V20/10 , G06V10/26 , G06V10/54 , G06V10/764
Abstract: 本发明公开一种面向对象的稻虾田遥感自动化监测方法，本自动化监测方法包括以下步骤：S1、获取分析单元；S2、选取稻虾田样本；S3、判定分割对象是否为稻虾田和S4、得到检测结果。本发明基于对象单元实现了大范围的稻虾田监测，避免了基于像素分析中的“椒盐效应”等问题，提高了监测精度，具体实施中自动提取样本且无需人工调整参数，提高了监测的自动化程度。
-
公开(公告)号：CN115129802A
公开(公告)日：2022-09-30
申请号：CN202210782643.0
申请日：2022-07-05
Applicant: 南京大学
Abstract: 本发明公开了一种基于多源数据和集成学习的人口空间化方法，该方法包括以下步骤：S1、获取多源数据并进行融合，构建人口空间化数据库；S2、从所述人口空间化数据库中构建用于模型拟合的指标体系，通过集成学习模型计算的特征重要性筛选出有效指标；S3、结合所述有效指标与社区人口之间的关系，构建Pop‑XGBoost人口空间化模型；S4、预测人口空间分布，并将格网人口模拟数据汇总至社区尺度，与真实的社区人口统计数据对比，验证结果精度。通过结合多源数据融合技术、指标筛选技术和集成学习技术等构建人口空间化模型，准确高效地实现高精度人口空间化预测。
-
公开(公告)号：CN108985306B
公开(公告)日：2020-03-31
申请号：CN201810731268.0
申请日：2018-07-05
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明涉及一种基于改进边界代数法的相交多边形提取方法，包括以下步骤：对所有图层中的多边形顺序进行编号；计算包含所有图层的MBR，数组hDstDS、pIDArray和RLEGroup分别存放栅格单元的属性值、多边形ID和游程；对所有多边形使用边界代数算法依次进行栅格化，在栅格化过程中赋予各多边形的属性值均为1；在数组hDstDS中获取当前多边形MBR包含的栅格单元，并逐行读取获取其属性值，并根据不同的属性值进行相应处理；从数组RLEGroup存储的游程中提取相应的相交多边形组，即每个游程中的数组pGroup即对应一个相交多边形组。本发明计算复杂度低，尤其适用于规模化的多边形数据集的相交多边形提取。
-
公开(公告)号：CN109003316A
公开(公告)日：2018-12-14
申请号：CN201810730005.8
申请日：2018-07-05
Applicant: 南京大学
IPC: G06T11/00
Abstract: 本发明涉及一种基于多边形复杂度的并行栅格化数据划分方法，包括以下步骤：遍历所有多边形，计算每个多边形的最小外接矩形包含的栅格数目并归一化；计算各多边形的复杂度PC，并按从小到达的顺序进行排序形成队列；每次从队列首端和末端分别取出一个多边形，将其依次分配给所有的进程，直至所有的多边形分配完毕；各进程分别对被分配的多边形的最小外接矩形依次进行栅格化，其栅格化的结果以矩形栅格组存在，记录所述矩形栅格组的左上角点坐标以及该矩形栅格组的X方向和Y方向的栅格长度；各进程分别将其栅格化后得到的矩形栅格组写入到目标栅格中。本发明可以保证负载均衡并提高栅格化并行处理的效率。
-
Patent Agency Ranking
公开(公告)号：CN103440489B
公开(公告)日：2017-01-11
申请号：CN201310423428.2
申请日：2013-09-16
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明涉及一种像素级SAR影像时间序列的水体提取方法，该方法首先，对SAR影像数据集进行预处理，经过高精度匹配，构建像素级SAR影像时间序列，生成时间序列文本数据；其次，采样选取纯净水体像元和混合水体像元的时间序列，选取DTW作为时间序列的相似性度量，计算其DTW值作为最大阈值；然后计算所有像元的像素级SAR影像时间序列与纯净水体像元时间序列的DTW值，采用最大阈值方法分割SAR影像，获取二值图像；最后，采用8邻域搜索方法对二值图像进行操作以提高水体识别精度。该方法能够准确提取稳定的水资源分布范围，提取结果不受山体阴影、雨季积水及部分植被的影响，能够满足水体制图的要求。
-
公开(公告)号：CN103440490B
公开(公告)日：2016-10-19
申请号：CN201310423429.7
申请日：2013-09-16
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明SAR影像时空相似性分析下的城市不透水面提取方法，首先对SAR影像数据集进行预处理，经过高精度匹配，构建像素级SAR影像时间序列；其次，采用动态时间弯曲（DTW）作为像素级SAR影像时间序列的相似性度量，计算采样混合像元与纯净像元的DTW值作为相似性提取的最大阈值，利用基于时间序列相似度的空间上下文分析方法，充分顾及相同地物像元时间序列较好的相似性和的空间的邻近性特征，以典型地物纯净像元的时间序列曲线为模板窗口，采用滑动窗口技术，分别计算模板窗口与滑动窗口内对应的时间序列曲线的DTW值，并采用像元的空间邻近规则从而确定中心像元的地物类型。该方法能够改善地物提取破碎现象，提高城市不透水面的信息提取精度。
-
公开(公告)号：CN103324916B
公开(公告)日：2016-09-14
申请号：CN201310227705.2
申请日：2013-06-07
Applicant: 南京大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于建筑轮廓的车载和航空LiDAR数据配准方法，该方法从车载和航空LiDAR数据中分别提取二维建筑轮廓，并通过轮廓线段高程分割法得到车载和航空三维建筑轮廓线段；然后分别从车载和航空三维建筑轮廓线段中选取两对轮廓线段，计算该两对三维轮廓线段的初始转换矩阵;然后对初始转换矩阵进行迭代运算，若车载三维轮廓线段和三维建筑轮廓线段中匹配线段的数量大于指定阈值或者匹配线段的数量最多，则所述初始转换矩阵定义为可靠转换矩阵，利用所述可靠转换矩阵完成车载LiDAR数据和航空LiDAR数据的配准。本发明能够实现车载和航空LiDAR数据的自动高精度配准，其配准精度可以达到分米级。
-
公开(公告)号：CN103106302A
公开(公告)日：2013-05-15
申请号：CN201310025027.1
申请日：2013-01-23
Applicant: 南京大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于地理元胞自动机的行人流仿真方法，将区域道路组织结构与区域行走适宜性引入行人仿真模型，根据步行适宜性将研究区划分为黑色路段、灰色路段和白色路段，使得仿真模型能够对复杂步行环境做出相应反应，而不仅仅是区域行人和障碍物；模型同时将区域道路交通系统从功能结构角度划分为区域出入口、路段以及交叉路口，使其能够仿真宏观行人流区域化运动，模拟区域行人流演化过程中呈现的会流和分流现象；从而大大扩展了仿真模型的实际适用范围，有效提高了模型仿真效果，特别适宜于仿真分析室外开阔区域行人流运动演化。
-
公开(公告)号：CN103035006A
公开(公告)日：2013-04-10
申请号：CN201210541289.9
申请日：2012-12-14
Applicant: 南京大学
Abstract: 本发明涉及一种LiDAR辅助下基于LEGION的高分辨率航空影像分割方法，包括以下步骤：利用LiDAR激光点云数据生成激光回波强度影像；激光回波强度影像与遥感影像全色波段进行配准；使用主成分分析法（PCA）对配准后的激光回波强度影像与遥感影像全色波段进行融合，获得融合影像；对融合影像进行LEGION图像分割。与现有技术相比，本发明利用主成分分析法（PCA）融合激光回波强度影像和高分辨率遥感影像全色波段，综合利用两种不同数据源作为LEGION分割方法的输入数据，较好保留了LiDAR数据和全色波段影像的特征，有效地提高了高分辨率遥感影像的分割精度。本发明综合使用LiDAR数据和遥感影像的信息来进行LEGION分割，实践证明，该技术够能有效地进行遥感影像分割，得到满意的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.053 seconds)
