-
公开(公告)号：CN110737365A
公开(公告)日：2020-01-31
申请号：CN201911120077.1
申请日：2019-11-15
Applicant: 南京信息工程大学
IPC: G06F3/041
Abstract: 本发明提供了一种双指并拢划线变单指划线触摸区域的计算方法、装置及触控显示装置，方法包括：判断当前触摸区域的次大值是否在最大值八宫格周围的十六宫格内；如果是，则按照第一计算方式分别计算两点触摸区域的触摸值；如果不是，则判断当前触摸区域的次大值是否在最大值八宫格内；如果是，则按照第二计算方式分别计算两点触摸区域的触摸值；如果都不是，则继续进行下一循环。该方法能够有效增强双指并拢划线变单指划线过程中的线性稳定度。
-
公开(公告)号：CN107945146A
公开(公告)日：2018-04-20
申请号：CN201711180763.9
申请日：2017-11-23
Applicant: 南京信息工程大学
CPC classification number: G06T5/50 , G06N3/0454 , G06T3/4053 , G06T2207/20221
Abstract: 本发明提供了一种基于深度卷积神经网络的时空卫星图像融合方法。所述基于深度卷积神经网络的时空卫星图像融合方法包括如下步骤：训练阶段：选取对应的Landsat图像和MODIS图像形成Landsat-MODIS图像对，并对Landsat图像进行下采样，得到接近MODIS空间分辨率的LSR Landsat图像，根据Landsat图像、MODIS图像和LSR Landsat图像的组合进行训练，并分别得到非线性映射CNN网络和超分辨率重建CNN网络；预测阶段：分别选取日期t1和t3的Landsat-MODIS图像对，基于训练阶段得到的非线性映射CNN网络和超分辨率重建CNN网络，预测位于日期t1和t3之间的日期t2的Landsat预测图像。
-
公开(公告)号：CN107038684A
公开(公告)日：2017-08-11
申请号：CN201710227615.1
申请日：2017-04-10
Applicant: 南京信息工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种提升微波成像仪空间分辨率的方法，包括以下步骤：第一步通过学习一个光谱字典对来把光学和微波图像在光谱上联合起来，然后把光学图像的空间信息通过稀疏编码把它转化到微波图像，得到一个空间分辨率提高的微波图像；第二步使用一个引导滤波器来对空间分辨率增强图像的光谱信息进行提升。为了形成一个统一的不论有无云污染的光学图像的融合框架，本发明还提出了一个基于学习的在有云污染情况下的超分辨率的方法。相较于目前那些不借助于光学信息的方法，本发明的方法能得到更好的实验结果，给人更好的视觉效果。
-
公开(公告)号：CN119399314A
公开(公告)日：2025-02-07
申请号：CN202411977076.X
申请日：2024-12-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于遥感影像和深度学习超分算法的湿地精细化制图方法，首先，获取研究区高、低分辨率遥感影像，对其预处理后，将高分辨率湿地样本与低分辨率影像配对，得到高分辨率湿地数据集；其次，获取土地覆盖数据并提取湿地信息得到低分辨率湿地数据集；然后，将低、高分辨率湿地数据集输入基于卷积块注意力模块的卷积变换超分网络重建特征，并利用基于Scharr卷积和快速傅里叶卷积的U‑Net架构进行分割；接着，针对湿地制图任务，设计三种损失函数的加权损失函数，从图像细节、时序和图像一致性提高湿地制图精度；最后，经评估选最优模型用于湿地精细化制图，从而提升湿地精细化制图精度，为各领域的湿地研究提供有力支持。
-
公开(公告)号：CN118710838B
公开(公告)日：2024-11-19
申请号：CN202411174654.6
申请日：2024-08-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种卫星激光测高数据和立体像对联合地形建模方法，涉及技术领域，首先对研究区立体像对进行同名点匹配和自由网平差预处理，得到相对定向后的立体影像；其次，获取研究区卫星激光测高数据，将h5文件解析为与卫星激光测高点高程数据相关的属性数据的CSV轨道文件；再次，对获取到的激光测高数据利用多种约束准则进行筛选，得到位置精度较高的激光点，接着将其作为控制点在立体像对上进行刺点并作为约束条件求解误差方程；最后通过立体像对前方交汇生成DSM，对其进行滤波后生成数字高程模型DEM，从而可以有效提升DEM精度，能为国土资源调查等应用提供精度更高的基础地理信息产品。
-
Patent Agency Ranking
公开(公告)号：CN118429725B
公开(公告)日：2024-09-24
申请号：CN202410864544.6
申请日：2024-07-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/20 , G06V20/10 , G06N3/0455 , G06V10/46 , G06V10/774
Abstract: 本发明公开一种用于土壤湿度反演的深度学习框架，属于GNSS‑R微波遥感领域；一种用于土壤湿度反演的深度学习框架包括：ResNet34编码器、解码器和ViT模块；ResNet34编码器捕获输入图像的多尺度和分层特征，并能够随着图层的逐渐加深来学习复杂的特征，最终形成可用于遥感图像分析的多尺度特征图；解码器遵循自下而上的方式，对最低分辨率的特征图进行上采样开始，并结合ViT模块来获取特征中的编码器特征图细节；ViT模块提取多尺度空间土壤湿度特征并捕获长程依赖关系。
-
公开(公告)号：CN118428413B
公开(公告)日：2024-09-13
申请号：CN202410876209.8
申请日：2024-07-02
Applicant: 南京信息工程大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/40
Abstract: 本发明公开一种用于估算地表水含量的深度学习模型及应用，属于GNSS‑R微波遥感技术领域；模型包括：上下文模块、Swin Transformer编码器、解码器以及Head模块；所述上下文模块从输入数据中提取浅层特征，编码器能理解图像的全局结构和局部细节，捕获遥感任务所需的空间关系，提取图像的底层特征；解码器整合编码器提取的底层特征获得特征图；Head模块将通过上下文模块提取的浅层特征与从所述特征图逐渐整合的层级式特征融合；利用GNSS‑R数据对水体的高敏感性进行回归估计，并结合地形因素、植被信息、土壤湿度和经纬度数据，最终生成地表水含量估算结果。
-
公开(公告)号：CN118429725A
公开(公告)日：2024-08-02
申请号：CN202410864544.6
申请日：2024-07-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/20 , G06V20/10 , G06N3/0455 , G06V10/46 , G06V10/774
Abstract: 本发明公开一种用于土壤湿度反演的深度学习框架，属于GNSS‑R微波遥感领域；一种用于土壤湿度反演的深度学习框架包括：ResNet34编码器、解码器和ViT模块；ResNet34编码器捕获输入图像的多尺度和分层特征，并能够随着图层的逐渐加深来学习复杂的特征，最终形成可用于遥感图像分析的多尺度特征图；解码器遵循自下而上的方式，对最低分辨率的特征图进行上采样开始，并结合ViT模块来获取特征中的编码器特征图细节；ViT模块提取多尺度空间土壤湿度特征并捕获长程依赖关系。
-
-
公开(公告)号：CN117274054A
公开(公告)日：2023-12-22
申请号：CN202311192757.0
申请日：2023-09-15
Applicant: 南京信息工程大学
IPC: G06T3/40 , G06T17/05 , G06T3/00 , G06T7/10 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了三维地形要素融入深度学习的高分辨率DEM构建方法，利用低分辨率地形要素数据生成高分辨率DEM数据，解决高分辨率DEM地形数据获取困难地区数据缺失问题。以深度学习技术为基础，通过对原始DEM中的部分重复与相似模式进行学习，在低分辨率DEM重构高分辨率DEM时，引入高分辨率数据特有的高频信息，从而在理论与实际应用中改善超分辨率图像效果。为了更好地保持地形特征，从DEM数据中提取地形要素，将简单的点、线、面地形要素转化为对应的DEM。本发明实现从低分辨率DEM中提取三维地形要素，利用深度学习技术生成高分辨率DEM，得到比低分辨率DEM地表纹理细节更丰富、地物拓扑关系更符合规律的地形图像。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.052 seconds)
