-
公开(公告)号：CN103065295B
公开(公告)日：2016-01-20
申请号：CN201210510785.8
申请日：2012-12-04
Applicant: 南京大学
Abstract: 一种基于建筑物角点自修正的航空与地面LiDAR数据高精度自动配准方法，首先从航空LiDAR数据提取建筑物角点（称为航空角点）；再从地面LiDAR数据提取建筑物角点（称为地面角点）；然后对航空角点与地面角点进行初始匹配，分别从航空角点和地面角点中选取任意两个点计算用于坐标变换的转换矩阵，对所有转换矩阵根据最大匹配对数和最小匹配误差确定最优转换矩阵；最后在确定初始匹配角点对基础上，以地面角点为参考，对航空LiDAR角点进行位置修正，最终实现航空LiDAR数据与地面LiDAR数据的自动配准。本发明可修正航空LiDAR角点中误差较大的点，较大地提高了航空LiDAR数据和地面LiDAR数据的配准精度。
-
公开(公告)号：CN103236067B
公开(公告)日：2015-11-18
申请号：CN201310172271.0
申请日：2013-05-10
Applicant: 南京大学
Abstract: 本发明涉及一种像素级SAR影像时间序列构建的局部自适应配准方法，方法如下：数据预处理之后从主从影像上提取同名特征点对，使用最小二乘法计算二次多项式参数并计算匹配总体误差，然后比较匹配总体误差与给定阈值的大小，若匹配总体误差小于或等于给定阈值，则从影像与主影像的位置关系由上述二次多项式确定，最后进行影像配准；反之，若总误差大于给定阈值，则进行误差点聚类获取畸变区域，将主、从影像的正常区域作为一对新主从影像，畸变区域作为另一对新主从影像，对两对新的主、从影像重复计算二次多项式参数及以后的步骤，直至所有新主、从影像的同名特征点对匹配总体误差小于给定阈值，然后进行影像配准。
-
公开(公告)号：CN102930525B
公开(公告)日：2015-04-15
申请号：CN201210342566.3
申请日：2012-09-14
IPC: G06T7/00
Abstract: 本发明涉及一种基于仿射不变特征与单应矩阵的线匹配方法。该方法针对线匹配中缺乏如同点匹配中核线几何那样的有效几何约束的问题，引入单应矩阵约束作为线段匹配的几何约束，以弥补线段匹配中缺乏强有力几何约束的情况，并提出了一种基于单应矩阵约束的线段自动匹配方法，通过单应矩阵的约束实现了影像间线段的传递与套合，降低了同名线段搜索难度，提高了匹配准确率；并在初步匹配完成后，反向搜索同名线段，从而能够剔除误匹配，进一步提高了匹配准确率。该方法实现遥感影像对的线段自动匹配。
-
公开(公告)号：CN102855609B
公开(公告)日：2014-10-01
申请号：CN201210268170.9
申请日：2012-07-30
Applicant: 南京大学
IPC: G06T5/00
Abstract: 本发明涉及一种集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法，属于水下地形勘测技术领域。本发明首先借助声纳数据的聚类中心点对高光谱遥感影像进行降维，然后对降维后的低维遥感影像进行区域划分，最后在各区域内部对声纳数据进行插值得到水下地形。本发明将高光谱遥感影像与稀疏声纳数据进行了有机结合，在整个过程中，两种数据作为一种互补，很好地解决了水下地形构建的问题。经过几何校正的遥感影像和声纳数据都具备坐标信息，并且遥感影像的灰度与水深存在一定的模糊对应关系，因此划区后的遥感影像中，各水深均质区域内水深变换较小，声纳数据插值结果更真实。
-
公开(公告)号：CN104008552A
公开(公告)日：2014-08-27
申请号：CN201410266813.5
申请日：2014-06-16
Applicant: 南京大学 , 南京市国土资源信息中心
Abstract: 本发明涉及一种基于动态时间弯曲的时序SAR影像耕地提取方法，步骤包括：构建时序SAR影像；提取耕地参考时间序列；计算待分类像元时间序列与耕地参考时间序列之间的动态时间弯曲距离；计算结果阈值分割，待分类像元归类为耕地与非耕地；分割结果空域滤波，滤除孤立的耕地像元，填补连片耕地之间的缝隙，得到耕地的最终提取结果。本发明考虑到耕地时间序列特有的“时间轴弯曲”现象，使用动态时间弯曲距离（DTW）作为相似性度量标准，从而实现耕地像元与非耕地像元的划分，解决了传统方法无法适应时间轴畸变的时间序列相似性度量这一问题，提高了耕地的提取精度。本发明方法适应性强，提取精度可达82%以上，能够满足实际生产的需要。
-
Patent Agency Ranking
公开(公告)号：CN103440490A
公开(公告)日：2013-12-11
申请号：CN201310423429.7
申请日：2013-09-16
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明涉及SAR影像时空相似性分析下的城市不透水面提取方法，首先对SAR影像数据集进行预处理，经过高精度匹配，构建像素级SAR影像时间序列；其次，采用动态时间弯曲（DTW）作为像素级SAR影像时间序列的相似性度量，计算采样混合像元与纯净像元的DTW值作为相似性提取的最大阈值，利用基于时间序列相似度的空间上下文分析方法，充分顾及相同地物像元时间序列较好的相似性和的空间的邻近性特征，以典型地物纯净像元的时间序列曲线为模板窗口，采用滑动窗口技术，分别计算模板窗口与滑动窗口内对应的时间序列曲线的DTW值，并采用像元的空间邻近规则从而确定中心像元的地物类型。该方法能够改善地物提取破碎现象，提高城市不透水面的信息提取精度。
-
公开(公告)号：CN102968634A
公开(公告)日：2013-03-13
申请号：CN201210482430.2
申请日：2012-11-23
Applicant: 南京大学
Abstract: 一种主方向约束下的停车场结构提取方法，步骤包括：针对航空正射影像，使用Edison算法和Hough变换进行初始线段检测，获取车位线主方向；根据获取的主方向，使用主方向约束下的线段提取方法，检测出准确车位线；根据车位线角度对车位线进行编组筛选，并使用最大相交方向方法划分停车道；利用提取的车位线和划分的停车道，计算停车场的结构参数；依据停车场结构参数重新构建停车场的准确车位线，并生成停车道的分割线，完成停车场结构的自动提取。本发明利用初始线段检测获取车位线的主方向，以此作为约束进行车位线提取，提取的车位线正确性、完整性和定位精度都较高，能够更好地为停车场结构的提取提供依据。本发明以单景航空正射影像为数据进行停车场结构提取，数据获取容易，价格适宜。
-
公开(公告)号：CN102855609A
公开(公告)日：2013-01-02
申请号：CN201210268170.9
申请日：2012-07-30
Applicant: 南京大学
IPC: G06T5/00
Abstract: 本发明涉及一种集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法，属于水下地形勘测技术领域。本发明首先借助声纳数据的聚类中心点对高光谱遥感影像进行降维，然后对降维后的低维遥感影像进行区域划分，最后在各区域内部对声纳数据进行插值得到水下地形。本发明将高光谱遥感影像与稀疏声纳数据进行了有机结合，在整个过程中，两种数据作为一种互补，很好地解决了水下地形构建的问题。经过几何校正的遥感影像和声纳数据都具备坐标信息，并且遥感影像的灰度与水深存在一定的模糊对应关系，因此划区后的遥感影像中，各水深均质区域内水深变换较小，声纳数据插值结果更真实。
-
公开(公告)号：CN102542035A
公开(公告)日：2012-07-04
申请号：CN201110442351.4
申请日：2011-12-27
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了基于扫描线法的多边形栅格化并行转换方法，属于地理信息系统领域。其包括输入命令行参数；MPI并行初始化，获取总的进程数和当前进程数，采用对等式并行模式，各进程分别解析命令行参数，分别收集引导符后的参数值，利用OGROpen方法读取矢量数据源，判断是否为0号进程；采用数据并行策略，划分栅格数据集合矢量多边形，然后分发各个进程，每个进程同时进行多边形的栅格化；写栅格数据，各进程分别更新栅格分块，并输出转换后的栅格数据。利用本发明进行大数据量的多边形栅格化的操作，可以得到较高的效率和满意的转换结果，充分提高了高性能服务器的多核/多处理器对多边形栅格化的转换处理速度，极大地缩小了多边形栅格化的转换时间。
-
公开(公告)号：CN102073879A
公开(公告)日：2011-05-25
申请号：CN201010568737.5
申请日：2010-12-02
Applicant: 南京大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于半监督学习的海岸海洋遥感影像特征地类的识别方法，属于半自动遥感影像识别领域。其步骤为：为每一类特征地物选取标记样本；构建面向对象的遥感影像的分割结果；计算出所有样本像元隶属于各特征地类的初估概率值，计算出样本数据在归为各个特征地类分量的概率；使用特征空间规则对概率图像进行修正；判定其所属特征地类，实现特征地类的识别，并输出识别结果图。本发明结合了先验知识与数据的统计特性，能够用地学先验知识引导数据挖掘过程，实践证明，该算法够能有效地进行遥感影像分类，得到比较满意的结果，并具有高效率、高精度的特点，能够直接应用于国家各级基础地理信息数据库遥感专题信息的维护与更新。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.04 seconds)
