-
公开(公告)号:CN117523383A
公开(公告)日:2024-02-06
申请号:CN202311220880.9
申请日:2023-09-20
Applicant: 自然资源部国土卫星遥感应用中心 , 航天宏图信息技术股份有限公司
IPC: G06V20/10 , G06V10/44 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种建构筑物变化发现与长时序跟踪监测方法和装置,涉及自然资源变化监测的技术领域,包括:获取样本变化图斑矢量和长时序高分遥感影像数据,并确定出样本变化图斑矢量中每个变化图斑对应的长时序高分遥感影像数据切片集,并确定出长时序高分遥感影像数据切片集对应的特征数据;利用特征数据、特征数据对应的建构筑物变化类别,对预设随机森林模型进行训练,得到目标随机森林模型;利用待处理变化图斑矢量、待处理变化图斑矢量对应的长时序高分遥感影像数据和目标随机森林模型,确定出待处理变化图斑矢量对应的变化进程评估结果,解决了现有技术难以对建构筑物变化进度进行评估的技术问题。
-
公开(公告)号:CN117274806A
公开(公告)日:2023-12-22
申请号:CN202311227157.3
申请日:2023-09-21
Applicant: 航天宏图信息技术股份有限公司
Abstract: 本申请提供了一种近实时火点动态监测方法、装置、设备和介质,涉及红外遥感监测技术领域,该方法包括:获取林草监测区的热红外遥感数据和土地覆被产品,并进行数据预处理;将热红外遥感数据进行分割得到瓦片数据,并基于瓦片数据进行云提取;基于提取后的云对热红外遥感数据进行掩膜,并对中红外波段和远红外波段进行分割得到同温图斑层;通过土地覆被产品所对应的水体类和建筑区类对同温图斑层进行掩膜;基于同温图斑的统计特征和同温图斑与相邻背景图斑的比较特征对掩膜后同温图斑进行火点综合判识,得到处于林草监测区的火点检测结果。本申请缓解了现有技术中火点检测存在的逐像素判识,计算量大、效率低、精度有限的技术问题。
-
公开(公告)号:CN116229213A
公开(公告)日:2023-06-06
申请号:CN202310246339.9
申请日:2023-03-07
Applicant: 航天宏图信息技术股份有限公司
IPC: G06V10/774 , G06V10/764 , G06V20/13 , G06V20/17 , G06V10/82
Abstract: 本发明提供了一种深度学习变化检测样本集构建方法和装置,涉及变化检测的技术领域,包括:获取样本遥感影像对和样本遥感影像对的标签矢量文件;对样本遥感影像对进行预处理,得到目标遥感影像对,以及对标签进行质量筛选,得到目标标签;基于目标标签,对目标遥感影像对中的变化图斑进行切片处理,得到切片影像;基于切片影像的目标组织架构,对切片影像进行分类,得到分类切片影像,并基于分类切片影像的目标组织架构,将分类切片影像更新至已有切片样本集,基于待训练深度学习模型的训练需求和更新后的已有切片样本集,构建深度学习变化检测样本集,解决了现有的深度学习变化检测样本集构建方法的导致的适用性差和构建效率较低的技术问题。
-
公开(公告)号:CN115909059A
公开(公告)日:2023-04-04
申请号:CN202211410724.4
申请日:2022-11-11
Applicant: 河北省自然资源利用规划院 , 航天宏图信息技术股份有限公司
IPC: G06V20/10 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种自然资源样本库建立方法和装置,涉及遥感影像处理的技术领域,包括:获取样本遥感影像,其中,样本遥感影像包括:用于进行语义分割、目标识别和变化检测的遥感影像;对样本遥感影像进行人工目视解译,得到目标样本遥感影像;利用样本遥感影像的矢量标注数据,对目标样本遥感影像进行瓦片分割,得到瓦片数据集,并为瓦片数据集中的瓦片数据配置标签文件;基于瓦片数据集和标签文件,构建自然资源样本库,解决了不同批次的样本往往需要经过不同的方式进行处理和转换才能输入到深度学习模型中进行训练,导致深度学习模型的训练效率较低的技术问题。
-
公开(公告)号:CN115049053A
公开(公告)日:2022-09-13
申请号:CN202210696678.2
申请日:2022-06-20
Applicant: 航天宏图信息技术股份有限公司
Abstract: 本发明公开基于TabNet网络的黄土地区滑坡易发性评估方法,以典型黄土地区东南部滑坡易发区——山西省昕水河流域为研究区,利用历史滑坡目录,综合遥感、地面调查、基础地理等多源异构时空大数据选取12个滑坡调节因子,基于大数据和深度学习技术,利用TabNet深度学习网络开展滑坡易发性评价与降雨下的滑坡易发性结果分析。并利用混肴矩阵、准确率、ROC曲线等评价指标验证其性能,结果表明TabNet算法精度最高达到95.57%,说明可以为滑坡易发性的空间预测和分区提供新的、有前景的方法。
-
-
-
-