-
公开(公告)号：CN117036756B
公开(公告)日：2024-04-05
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：CN117636179A
公开(公告)日：2024-03-01
申请号：CN202311478183.3
申请日：2023-11-08
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: G06V20/13 , G06V10/774 , G06V10/80 , G06T7/136 , G06T7/194
Abstract: 本发明涉及数字图像处理技术领域，且公开了一种全局特征交互变化检测方法，具体是指：利用采集设备获取同一区域两个时期的影像数据；原始数据集进行数据预处理；构建孪生网络模型；在孪生网络模型的输入层进行特征融合并得到相应层级的特征表示；比较两个时期的相应层级的特征表示判断该层级特征表示是否存在变化；对层级特征表示存在变化的区域进行变化分割并评估；评估变化检测不合格率；对变化检测不合格的区域进行排除问题点；将变化检测的结果进行可视化展示；有利于两期影像的特征在网络浅层就开始交互，使得网络的每一层都参与语义变化信息的学习大大的提升了网络性能，还提高了语义变化区域的检出率。
-
公开(公告)号：CN118918475B
公开(公告)日：2025-04-18
申请号：CN202410983698.7
申请日：2024-07-22
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: G06V20/10 , G06V20/52 , G06V10/26 , G06V10/40 , G06V10/42 , G06V10/54 , G06V10/58 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/80
Abstract: 本发明公开了一种多维度多尺度遥感与地形特征融合的耕地非农化智能监测方法，步骤1、获取高分辨率影像、高光谱影像、DEM数据、耕地真值矢量数据、已调查监测的耕地矢量数据；步骤2、分割和聚类超像素地物对象；步骤3、以超像素地物对象为单位，提取各超像素地物对象范围内的特征；步骤4、将训练区提取的各特征组合成每个超像素地物对象的特征向量，构建超像素耕地对象训练样本数据；步骤5、训练耕地对象识别模型；步骤6、提取测试区耕地；步骤7、基于提取的测试区耕地和已调查监测的耕地矢量数据，利用空间叠置分析自动提取耕地变为非耕地的图斑，对该图斑进行优化、过滤筛选出耕地非农化图斑。本发明具有实操性、便捷性、可行性等优势。
-
公开(公告)号：CN117726687A
公开(公告)日：2024-03-19
申请号：CN202311851986.9
申请日：2023-12-29
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: 本发明提供了一种融合实景三维与视频的视觉重定位方法，包括基于高空云台和连接所述高空云台的摄像机实时获取视频流和摄像机的位姿，并对所述视频流进行视频帧图像预处理；基于所述摄像机的历史监控视频和实景三维数据作为输入，标定出的视频帧图像的位姿信息，并构建出带有图像特征信息和对应三维空间信息的视觉特征库；采用SIFT算法对包含目标点的视频帧进行特征点提取，将所述特征点输入所述视觉数据库查询特征点对应的一组2D‑3D点对；对所述2D‑3D点对采用solvePnP算法来计算出对应目标点的摄像机的位姿，并用RANSAC算法剔除异常值；采用投影变换，将目标点的2D坐标投影转换为目标点的三维坐标。通过视觉重定位技术计算目标点位置，提高了视觉定位的精度和效率。
-
公开(公告)号：CN117011698A
公开(公告)日：2023-11-07
申请号：CN202310753327.5
申请日：2023-06-25
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: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06V20/70 , G06V10/82
Abstract: 本发明公开了一种多维度和多模型的地表全覆盖解译样本集评价方法，步骤1：构建地表覆盖解译样本集评价指标；步骤2：建立指标打分模型和泛化性评价模型；步骤3：将待评价样本集分别训练指标打分模型和泛化性评价模型，指标打分模型得到各评价指标得分；步骤4：对各评价指标得分进行交叉综合分析并加权计算得出指标评分；步骤5：构建泛化性评估测试数据集；步骤6：在泛化性评估测试数据集对泛化性评价模型进行测试，得到泛化性评分；步骤7；建立指标评分和泛化性评分的评级，若评级不同，则取较低评级为最终样本集评价。本发明从样本集自身特性和模型训练泛化性两个角度出发，使得地表覆盖解译样本集的评价更加有效、客观。
-
Patent Agency Ranking
公开(公告)号：CN111008603B
公开(公告)日：2023-04-18
申请号：CN201911246128.5
申请日：2019-12-08
Applicant: 中南大学 , 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： 李朋龙 , 丁忆 , 连蓉 , 马泽忠 , 李晓龙 , 罗鼎 , 肖禾 , 段松江 , 王岚 , 王亚林 , 钱进 , 刘朝晖 , 王小攀 , 魏文杰 , 谭攀 , 曾远文 , 张灿 , 范文武 , 秦成 , 张斌
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种面向大尺度遥感图像的多类目标快速检测方法，包括以下步骤：将大比例尺遥感图像进行裁剪，并通过重新缩放和旋转来增强数据；利用具有串联线性整流函数模块和Inception模块的卷积特征提取器，将所得的图像数据作为输入并输出多个级别的特征；构建多尺度目标提议网络，并利用多尺度目标提议网络将卷积特征提取器输出的特征生成类似目标区域预测框；构建基于融合特征映射的精确目标检测网络，输入带有类似目标区域预测框的图像，利用精确目标检测网络实现精确的目标检测，输出检测结果。实现了具有大尺度变化的遥感图像中的多类目标自动检测，使得对遥感图像的多目标的实时检测成为可能。
-
公开(公告)号：CN111079604A
公开(公告)日：2020-04-28
申请号：CN201911243920.5
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 , 罗鼎 , 张泽烈 , 李晓龙 , 肖禾 , 马泽忠 , 段松江 , 刘金龙 , 王亚林 , 吴凤敏 , 钱进 , 刘朝晖 , 曾远文 , 魏文杰 , 林熙 , 范文武 , 刘建 , 黄印 , 卢建洪
Abstract: 本发明公开了一种面向大尺度遥感图像的微小目标快速检测方法，包括步骤：利用轻量级的残差结构构建Tiny-Net模块，并对输入的遥感图像进行特征图提取；搭建全局注意力模块；在全局注意力模块后依次连接分类器与检测器，并利用分类器检测当前输入图像块中的目标；对检测出的目标采用k-means聚类方法得到k个尺度的先验框；使用区域提案网络得到提案区域，并采用位置敏感的ROI池化对提案区域进行池化；训练网络，并利用训练好的网络对新输入的遥感图像进行微小目标的精确检测定位。其显著效果是：实现了快速精确的检测大尺度遥感图像中的微小目标，使得对大尺度遥感图像的目标实时检测成为可能。
-
公开(公告)号：CN110348383A
公开(公告)日：2019-10-18
申请号：CN201910625253.0
申请日：2019-07-11
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：CN107092871B
公开(公告)日：2018-01-16
申请号：CN201710220588.5
申请日：2017-04-06
IPC: G06K9/00
Abstract: 本发明公开了一种基于多尺度多特征融合的遥感影像建筑物检测方法，包括对高分辨率遥感影像降采样，获得由不同尺度的影像构成的影像金字塔；计算影像金字塔的边缘影像；对不同尺度的边缘影像进行多组特征计算并进行融合建立特征模型；根据特征模型与邻域局部非极大值抑制进行窗口选取获得目标窗口；对目标窗口进行小范围内的膨胀/收缩计算获得矩形窗口；根据目标窗口的主方向旋转所述矩形窗口得到最优目标窗口，并根据最优目标窗口提取出建筑物。其显著效果是：在高斯金字塔影像上进行多尺度的建筑物检测，对大小、形状、朝向各异的建筑物的检测具有普适性；且有效地提高了建筑物自动检测的精度和效率。
-
公开(公告)号：CN112883839B
公开(公告)日：2021-10-22
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。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.055 seconds)
