-
公开(公告)号：CN113239786A
公开(公告)日：2021-08-10
申请号：CN202110510217.7
申请日：2021-05-11
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于增强学习与特征变换的遥感图像乡村别墅识别方法，包括步骤：对样本集中的遥感影像进行处理，制作训练样本；搭建乡村别墅识别与提取网络模型；将训练样本输入所述乡村别墅识别与提取网络模型，得到训练后的识别与提取网络模型；将待识别的遥感影像输入训练后的识别与提取网络模型，并将其输出的数据与待识别的遥感影像进行叠加，获得乡村别墅识别与提取结果。其显著效果是：将深度特征提取、特征金字塔网络、编码—解码转换机制、目标候选区生成、目标检测与分割过程都融入到一个端到端的深度网络模型中，对于遥感图像乡村别墅识别与提取，具有良好的识别与提取效果。
-
公开(公告)号：CN112994780A
公开(公告)日：2021-06-18
申请号：CN202110207233.9
申请日：2021-02-24
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种多源卫星影像数据接收实时监控与信息推送方法，包括步骤：首先，建立多源卫星影像数据组织格式信息表；其次，对服务器资源池进行持续动态监控，及时发现最新接收到的卫星影像；然后，基于接收的多源卫星影像及其配置文件，自动获取多源卫星影像数据信息；最后，按日自动统计影像信息并生成卫星影像接收情况简报，定时将影像简报传输至私有云并推送至相关用户手机端。其显著效果是：实现了多源卫星影像数据接收实时监控、信息自动提取与统计、卫星影像接收情况简报生成与推送，显著提高了多源卫星影像接收情况推送工作的自动化程度与效率，解决了现有工作模式中人工作业周期长、效率低、影像信息提取易漏易错等问题。
-
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：CN115661655B
公开(公告)日：2024-03-22
申请号：CN202211368443.7
申请日：2022-11-03
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种高光谱和高分影像深度特征融合的西南山区耕地提取方法，包括步骤：制作训练样本集；构建高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络；输入所述训练样本集对高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络进行训练；采用训练后的高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络模型对待识别测试区影像进行处理，获得耕地提取结果。其显著效果是：设计了高光谱影像和高分影像协同的双输入单输出卷积神经网络，综合利用了高分辨率影像的空间结构特征和高光谱影像的光谱特征，实现了对西南山地区域耕地的精准提取，显著提高了目标提取精度。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN113239786B
公开(公告)日：2022-09-30
申请号：CN202110510217.7
申请日：2021-05-11
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于增强学习与特征变换的遥感图像乡村别墅识别方法，包括步骤：对样本集中的遥感影像进行处理，制作训练样本；搭建乡村别墅识别与提取网络模型；将训练样本输入所述乡村别墅识别与提取网络模型，得到训练后的识别与提取网络模型；将待识别的遥感影像输入训练后的识别与提取网络模型，并将其输出的数据与待识别的遥感影像进行叠加，获得乡村别墅识别与提取结果。其显著效果是：将深度特征提取、特征金字塔网络、编码—解码转换机制、目标候选区生成、目标检测与分割过程都融入到一个端到端的深度网络模型中，对于遥感图像乡村别墅识别与提取，具有良好的识别与提取效果。
-
公开(公告)号：CN114863291A
公开(公告)日：2022-08-05
申请号：CN202210416274.3
申请日：2022-04-20
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/13 , G06K9/62 , G06V10/762 , G06V10/764 , G06V10/58
Abstract: 本发明公开了一种基于MCL和光谱差异度量的高光谱影像波段选择方法，通过计算波段间的相关系数，构建波段间相关性的邻接矩阵，运用马尔可夫聚类自适应地将波段划分为多个聚簇，并基于聚类结果，设计目标类别监督下的波段差异性度量准则，选择出适于目标地物提取的波段集，最后利用监督分类算法，依据训练样本和测试样本确定最优波段数，实现目标地物的最高精度提取。其显著效果是：充分运用波段间邻近相关性和波段索引距离信息，并且考虑了噪声较大波段和坏道零值波段对聚类的影响，提高了波段聚簇划分的准确性和合理性，实现了选择最优波段和目标地物精准识别，具有解决实际问题的优势。
-
公开(公告)号：CN114821334A
公开(公告)日：2022-07-29
申请号：CN202210540282.9
申请日：2022-05-17
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于区域定位和局部特征匹配的楼顶加盖违建识别方法，包括利用已有的建筑物基底矢量数据，对建筑物进行编码，并在前后两期影像上分别定位同一建筑物的楼顶区域；对定位的两期影像同一建筑物楼顶区域进行局部特征提取；基于提取的特征信息，分别构建前后期正射影像建筑物顶部区域特征向量，并计算两个特征向量之间的相似性测度；将计算得出的相似性测度作为变化阈值，提取出变化的建筑物楼顶区域，识别出楼顶加盖型违法建筑影像等步骤。其显著效果是：能够精确检测屋顶加盖型违法建筑，为该类违法建筑的行政执法提供了有力支撑。
-
公开(公告)号：CN113723281A
公开(公告)日：2021-11-30
申请号：CN202111001772.3
申请日：2021-08-30
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于局部自适应尺度集成学习的高分辨率影像分类方法，包括步骤：获取工作区的样本和高分辨率遥感影像；通过不同分割尺度下影像对象平均局部同质性的变化率曲线，获取若干个优选尺度分割结果；计算不同优选尺度分割结果下每个分割对象的分类特征，构建整幅影像的覆盖特征矩阵；计算覆盖特征矩阵中各个覆盖特征对于每个像元分类时的贡献度；整幅影像的局部自适应尺度的集成学习并分割影像；构建分类器对局部自适应尺度分割结果下影像对象进行集成学习并分类。其显著效果是：巧妙的避开了在基于对象分类范式中最佳分割参数的选择问题，实现了不同尺度下分类信息的集成，提高了高分率遥感影像的地物识别精度。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.037 seconds)
