-
公开(公告)号：CN113139532A
公开(公告)日：2021-07-20
申请号：CN202110690722.4
申请日：2021-06-22
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于多输出分类模型的分类方法、计算机设备及介质，包括获取标定矿区的遥感数据，从所述标定矿区的遥感数据中提取多光谱影像和DEM数据，基于所述多光谱影像和所述DEM数据提取浅层特征，其中，所述浅层特征包括浅层光谱‑空间特征和浅层地形特征；将所述浅层光谱‑空间特征进行堆叠、将所述浅层地形特征进行堆叠，分别输入至多分支深度置信网络模型，获得融合特征；将所述融合特征分别输入至少两个分类器，获得至少两个二级地物标签，可以有效提取并融合不同模态的深度特征，结合多模型融合和多输出策略，有利于提高复杂景观区土地覆盖精细分类的精度。
-
公开(公告)号：CN111339862B
公开(公告)日：2021-04-27
申请号：CN202010097209.X
申请日：2020-02-17
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于通道注意力机制的遥感场景分类方法及装置，属于遥感图像信息提取领域。本发明主要包括以下步骤：1.数据集预处理。将公开的场景数据集进行增强和归一化等预处理，增强网络的鲁棒性；2.建立基于通道注意力的密集连接网络。基于通道注意力的密集连接网络包括密集连接网络，通道注意力机制，和标签平滑损失函数三个部分。3.训练网络后进行精度评价。将预处理后的数据输入特征复用网络进行训练，然后利用训练完成后的网络完成对待分类的遥感场景数据的场景分类。
-
公开(公告)号：CN111325660A
公开(公告)日：2020-06-23
申请号：CN202010104072.6
申请日：2020-02-20
Applicant: 中国地质大学(武汉)
IPC: G06T3/00 , G06K9/62 , G06F40/205 , G06N3/04
Abstract: 本发明提供一种基于文本数据的遥感图像风格转换方法，包括：构建数据集，获取文本数据集和待转换图像数据集；生成低分辨率的图像，根据文本数据提取句子特征，然后结合噪声生成低分辨率的遥感图像和对应的图像特征；生成高分辨率的图像，根据文本数据提取单词特征，然后结合上一层低分辨率的特征生成下一层的高分辨率的遥感图像和图像特征；计算损失函数，检测生成的图像和文本的匹配程度，生成相应的损失函数；图像风格转换，以生成的高分辨率图像作为参考风格图像，依据循环一致性原理和对抗损失函数进行风格转换。本发明的有益效果是：从文本数据逐层生成高分辨率图像，极大地提高了文本到图像的生成精度，弥补了文本数据进行风格转换的空缺。
-
公开(公告)号：CN102819023A
公开(公告)日：2012-12-12
申请号：CN201210265541.8
申请日：2012-07-27
Applicant: 中国地质大学(武汉)
IPC: G01S17/89
Abstract: 本发明公开了一种基于LiDAR的复杂地质背景区滑坡识别的方法及系统，其中方法包括以下步骤：S1、对LiDAR数据进行处理生成消除植被影响后裸地表的DEM数据；S2、提取传统的地貌特征参数以及计算纹理特征参数，生成特征参数文件；S3、确定最优特征参数组合；S4、获得满足预设精度条件的平衡系数；S5、计算平均用户精度、平均生产者精度和总体精度；S6、若满足精度要求，则使用边缘检测算子计算滑坡边界，实现滑坡识别。本发明的实现对数据需求少，可充分挖掘LiDAR-DEM数据在滑坡地形分析中的应用潜力；模型分类精度很高，能够实现复杂地质背景区滑坡边界的自动识别。
-
公开(公告)号：CN118628755B
公开(公告)日：2025-04-18
申请号：CN202410750149.5
申请日：2024-06-12
Applicant: 中国地质大学(武汉)
IPC: G06V10/40 , G06V10/774 , G06V20/10 , G06V10/74 , G06N3/0895 , G06N3/045 , G06V10/26 , G06V20/70 , G06V10/82 , G06T3/4053 , G06T3/4046
Abstract: 本发明提供了一种矿山占地特征提取模型的训练方法及装置，涉及遥感数据处理领域，该特征提取模型的训练方法包括：获取原始训练样本集；对原始训练样本集中的遥感数据进行第一增强处理，得到第一训练样本集；对原始训练样本集中的遥感数据进行第二增强处理，得到第二训练样本集，其中，第一增强处理和第二增强处理为不同的数据增强处理方法；将第一训练样本集和第二训练样本集分别输入至待训练模型中，进行迭代训练，直到第一特征和第二特征的相似损失满足预设条件时停止迭代训练，得到特征提取模型。本发明解决了相关技术中存在提取的矿山占地特征在多任务上适用性不佳的问题。
-
Patent Agency Ranking
公开(公告)号：CN119618175A
公开(公告)日：2025-03-14
申请号：CN202411605979.5
申请日：2024-11-12
Applicant: 中国地质大学(武汉) , 湖北省测绘工程院
Abstract: 本发明提供了一种多源滑坡监测数据统一坐标方法、装置、设备及存储介质，涉及数据处理技术领域，包括：通过GNSS设备、激光雷达测量无人机、合成孔径雷达和工程测量仪器获取滑坡区域的实际监测数据和目标关键点在CGCS2000坐标基准下的坐标；通过在原有坐标基准下和在CGCS2000坐标基准下的坐标构建关键点坐标映射关系；基于邻域密度归一化，通过关键点坐标映射关系和地理加权系数得到七参数坐标转换模型；基于掩膜规则，过滤剩余所有点位坐标中滑坡区域外的像元和低信噪比的像元；将过滤后的剩余所有点位坐标输入七参数坐标转换模型得到目标CGCS2000坐标数据。本发明提高了坐标转换精度。
-
公开(公告)号：CN119180979A
公开(公告)日：2024-12-24
申请号：CN202411001631.5
申请日：2024-07-25
Applicant: 中国地质大学(武汉) , 新疆生产建设兵团自然资源卫星应用技术中心(兵团自然资源基础数据中心)
IPC: G06V10/764 , G06V10/774 , G06V20/13 , G06V20/17 , G06V10/44
Abstract: 本发明提供了一种基于特征交互和场景‑语义协同的矿山占地模型训练方法，涉及深度学习技术领域，该方法包括：获取场景分类数据集，其中，场景分类数据集包括多个遥感图像；将遥感图像输入初始训练模型，得到预测结果，根据预测结果得到损失值，通过损失值对初始训练模型进行调优，得到矿山占地模型；初始训练模型包括特征提取模块和特征交互模块，通过特征提取模块对遥感图像进行特征提取，得到浅层特征数据和深层特征数据；通过特征交互模块将浅层特征数据和深层特征数据，通过自注意力机制进行任务交互处理，得到目标特征数据，目标特征数据用于得到预测结果。本发明提高现有模型在矿山占地任务中，面对不同任务的差异时的数据特征处理能力。
-
公开(公告)号：CN118674956B
公开(公告)日：2024-11-29
申请号：CN202410637979.7
申请日：2024-05-22
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/0895 , G06V10/80 , G06V20/10
Abstract: 本发明提供了一种超像素双邻域对比图自编码器的构建方法和聚类方法，涉及图像处理技术领域，构建方法包括：获取高光谱图像，对所述高光谱图像进行预处理，得到多个超像素块；根据所述高光谱图像和所有所述超像素块，构建超像素特征图；基于预设邻域值，根据所述超像素特征图和所有所述超像素块构建第一超像素结构图和第二超像素结构图；将所述超像素特征图分别与所述第一超像素结构图和所述第二超像素结构图输入到图卷积编码器进行训练及调优，得到超像素双邻域对比图自编码器。本发明构建了能够捕捉领域特征且计算量低的超像素双邻域对比图自编码器，通过本发明能够学习大规模高光谱图像的鲁棒特征。
-
公开(公告)号：CN118351341A
公开(公告)日：2024-07-16
申请号：CN202410236075.3
申请日：2024-03-01
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V10/774 , G06V10/54 , G06V10/42 , G06V10/82 , G06N3/042
Abstract: 本发明提供一种高光谱图像子空间聚类方法及系统，涉及遥感图像处理技术领域，所述方法包括：根据待聚类高光谱图像的空谱特征和纹理特征得到待聚类高光谱图像的特征视图；将进行数据增强后的空谱特征视图和纹理特征视图输入图卷积神经网络得到空谱特征视图和纹理特征视图分别对应的节点表征和全局表示；根据空谱特征视图和纹理特征视图对应的全局表示和节点表征，进行多层级对比学习得到待聚类高光谱图像的图嵌入；根据图嵌入得到待聚类高光谱图像的自表达系数矩阵；根据自表达系数矩阵构建亲和矩阵，并根据亲和矩阵进行谱聚类。本申请通过深层特征学习和多层级对比学习，提取和融合空谱和纹理信息，确保了特征表达的充分性和聚类任务的精确性。
-
公开(公告)号：CN118072138B
公开(公告)日：2024-07-05
申请号：CN202410497957.5
申请日：2024-04-24
Applicant: 中国地质大学(武汉)
IPC: G06V10/80 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/82 , G06V10/26 , G06V20/70 , G06V20/10 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及图像处理领域，提供了一种土地覆盖特征提取方法、装置、电子设备及存储介质，其中，该方法包括：获取目标图像的第一超像素场景图与初始特征图，其中，初始特征图包括底层特征图和中层特征图；根据第一超像素场景图与中层特征图得到超像素特征图，并通过图卷积神经网络对底层特征图进行卷积处理，得到目标底层特征图；将目标底层特征图和超像素特征图进行元路径融合，得到融合特征图；根据融合特征图确定目标图像的土地覆盖特征，其中，土地覆盖特征用于确定目标图像的土地覆盖标签。通过本发明，解决了相关技术中提取的土地覆盖特征不全面，使得多标签遥感土地覆盖场景分类的分类结果的准确性较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.046 seconds)
