-
公开(公告)号：CN111339862A
公开(公告)日：2020-06-26
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：CN102819023B
公开(公告)日：2014-09-17
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：CN119888475A
公开(公告)日：2025-04-25
申请号：CN202411773503.2
申请日：2024-12-05
Applicant: 中国自然资源航空物探遥感中心 , 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种岩性识别方法及特征预测网络构建方法，涉及岩性智能识别技术领域，岩性识别方法包括：获取岩性分类区域的多源遥感数据，并对多源遥感数据进行特征提取，得到岩性融合特征表示；通过类别共现矩阵，对多源遥感数据中每个图像中的地质单元进行遍历，得到岩性共现矩阵；将岩性融合特征表示和岩性共现矩阵输入图卷积网络，进行全局上下文建模，得到岩性分类区域的全局‑局部岩性特征表示；将全局‑局部岩性特征表示输入特征预测网络进行预测，得到岩性分类区域的最终岩性识别结果。本发明解决了多源遥感数据异质性问题，充分利用了每种数据源的优势，结合全局和局部特征信息，显著提高了岩性识别的精度。
-
公开(公告)号：CN119669674A
公开(公告)日：2025-03-21
申请号：CN202411586273.9
申请日：2024-11-08
Applicant: 中国地质大学(武汉) , 湖北省测绘工程院
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06Q10/0635 , G06Q50/26 , G06F123/02
Abstract: 本发明提供了一种滑坡位移时空预测方法、装置、系统及存储介质，涉及工程地质学技术领域，滑坡位移时空预测方法包括：获取待测区域的各监测点的历史滑坡多场时序监测数据，基于历史空间相关数据构建监测点位图，并根据历史位移时间序列、历史滑坡外界扰动因子时间序列和监测点位图构建时序特征矩阵；将时序特征矩阵和监测点位图输入训练好的滑坡位移时空预测模型中，得到滑坡位移时空预测结果；滑坡位移时空预测模型基于改进GCN网络和改进BiLSTM网络构建得到；本发明通过结合空间相关数据与外界扰动因子，利用深度学习模型的能力，能显著提高滑坡位移的时空预测精度。
-
公开(公告)号：CN119169447B
公开(公告)日：2025-03-18
申请号：CN202411017834.3
申请日：2024-07-29
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种岩性场景分类方法、电子设备及存储介质，涉及图像处理技术领域，方法包括：将获取的岩性场景的遥感图像和知识数据输入到训练好的岩性场景分类模型中，得到岩性场景分类结果，其中，岩性场景分类模型包括transformer模块、图注意力网络模块、跨模态交叉注意力模块、自适应特征降维模块以及输出模块；图注意力网络模块用于挖掘知识数据的知识特征；跨模态交叉注意力模块用于融合图像特征和知识特征，生成岩性敏感特征数据；自适应特征降维模块用于降维岩性敏感特征数据，生成降维特征；输出模块用于根据降维特征，生成岩性场景分类结果。本发明可以提高岩性场景分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN119558029A
公开(公告)日：2025-03-04
申请号：CN202411364885.3
申请日：2024-09-29
Applicant: 中国地质大学(武汉)
IPC: G06F30/20 , G06F119/14
Abstract: 本发明提供了一种莫霍面深度重力反演模型构建及反演方法，涉及人工智能技术领域，莫霍面深度重力反演模型构建方法包括：获取待测区域的莫霍面数据集；根据所述莫霍面数据集获取对应得的重力异常数据集；根据所述重力异常数据集对初始模型进行训练及调优，得到最终的莫霍面深度重力反演模型；其中，所述莫霍面深度重力反演模型用于得到对应的莫霍面起伏数据，初始模型是通过对U‑Net基础网络中增设注意力网络得到；本发明不仅提升了反演的准确性和效率，更为复杂地质环境的研究提供了强有力的工具和方法。
-
公开(公告)号：CN118674956A
公开(公告)日：2024-09-20
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：CN118334517A
公开(公告)日：2024-07-12
申请号：CN202410438882.3
申请日：2024-04-12
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种矿区遥感场景分类模型构建方法、装置及分类方法，涉及图像处理领域，模型构建方法包括：获取矿区的遥感数据，遥感数据光学影像、雷达影像和高程影像数据；基于高程影像数据提取表面数据，并将雷达影像、高程影像数据和表面数据均重采样至与光学影像相同的分辨率，得到临时数据集；将临时数据集和光学影像进行融合，得到初始多模态场景数据集；根据初始多模态场景数据集对初始分类模型进行训练及调优，得到遥感场景分类模型，其中，初始分类模型基于CNN模型和GCN模型构成，遥感场景用于进行矿区遥感场景分类。解决因矿山边缘不规则或模糊边缘以及空间分布稀疏等问题引起矿区遥感场景分类准确性低的问题。
-
公开(公告)号：CN117765297B
公开(公告)日：2024-06-07
申请号：CN202311558732.8
申请日：2023-11-20
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V20/10
Abstract: 本发明涉及图像处理技术领域，具体而言，提供了一种高光谱图像分类方法、装置、设备及存储介质，高光谱图像分类方法包括：获取高光谱数据集，对高光谱数据集进行动态切片构建光谱立方体；将光谱立方体进行分离投影和特征变换，得到光谱特征矩阵和空间特征矩阵；对光谱特征矩阵进行绝对位置编码，对空间特征矩阵进行相对位置编码；将光谱特征矩阵和空间特征矩阵分别输入两个独立的训练好的Transformer学习器，得到光谱特征注意力矩阵和空间特征注意力矩阵；将光谱特征注意力矩阵和空间特征注意力矩阵融合后进行分类，得到分类结果。本发明的技术方案通过对高光谱图像在光谱维度和空间维度的特征信息进行提取处理，有效提升高光谱图像分类结果的分类精度。
-
公开(公告)号：CN117809202B
公开(公告)日：2024-05-31
申请号：CN202410216848.1
申请日：2024-02-28
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种双模态目标检测方法及系统，涉及目标检测技术领域，所述方法包括：根据初始遥感图像数据，得到双模态目标检测数据，其中包括可见光图像数据与非可见光图像数据；根据可见光图像数据，得到可见光部分的深度特征；根据非可见光图像数据，得到非可见光部分的光照分布图像；根据光照分布图像，得到光照分布图像中每个像素点的直接光照特征和间接光照特征；根据可见光部分的深度特征、直接光照特征和间接光照特征，进行目标检测。本发明对非可见光图像数据进行处理，提取出初始遥感图像数据中非可见光部分的直接光照特征和间接光照特征，增强可见光图像数据中的光照特征，提高对遥感图像中的遥感目标的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.041 seconds)
