-
公开(公告)号：CN107480679A
公开(公告)日：2017-12-15
申请号：CN201710260027.8
申请日：2017-04-20
Applicant: 北京工业大学 , 中交信息技术国家工程实验室有限公司
CPC classification number: G06K9/6267 , G06K9/342 , G06K9/38 , G06N3/04
Abstract: 本发明公开一种用于提取遥感图像中路网的方法，首先需要以d×d的滑动窗口在有标注的图像上采集道路及背景作为训练样本，滑动窗口中心像素为道路则视为正类样本，滑动窗口中心s×s区域不含道路则视为负类样本。采用卷积神经网络对样本进行训练，然后对图像中的像素进行分类得到一幅二值图像，作为初步的提取结果，通过分析二值图像中的连通区域，并将N个最大的连通区域作为最终的提取结果。本发明方法的创新之处在于引入卷积神经网络对像素进行分类，并通过分析连通区域对分类结果进行优化。
-
公开(公告)号：CN107480679B
公开(公告)日：2021-08-17
申请号：CN201710260027.8
申请日：2017-04-20
Applicant: 北京工业大学 , 中交信息技术国家工程实验室有限公司
Abstract: 本发明公开一种用于提取遥感图像中路网的方法，首先需要以d×d的滑动窗口在有标注的图像上采集道路及背景作为训练样本，滑动窗口中心像素为道路则视为正类样本，滑动窗口中心s×s区域不含道路则视为负类样本。采用卷积神经网络对样本进行训练，然后对图像中的像素进行分类得到一幅二值图像，作为初步的提取结果，通过分析二值图像中的连通区域，并将N个最大的连通区域作为最终的提取结果。本发明方法的创新之处在于引入卷积神经网络对像素进行分类，并通过分析连通区域对分类结果进行优化。
-
公开(公告)号：CN110990763B
公开(公告)日：2023-05-05
申请号：CN201911276841.4
申请日：2019-12-12
Applicant: 中交信息技术国家工程实验室有限公司 , 中国交通通信信息中心
Abstract: 本发明提供了一种基于大气尺度因子的地表温度估算方法，首先分别基于普朗克定律和辐射传输方程实现双通道辐射能量间的函数表示以及双通道地表温度的表达式，得到修正大气廓线误差的代价函数；然后获取卫星观测辐射数据以及大气廓线产品；并从现有发射率产品中获取目标像元的平均地表发射率；再选定尺度因子代入代价函数进行大气廓线的迭代修正，并以代价函数取最小值时所对应的地表温度作为接近真值，确定大气廓线的尺度修正与地表温度的估算结果。本发明通过迭代修正的方式，实现多种观测条件下的大气水汽修正与地表温度的估算，不依赖任何经验关系，具有更高的反演稳定性和普适性，不但适用极干‑极湿大气环境，且能够在多观测角度下保证精度。
-
公开(公告)号：CN111523606B
公开(公告)日：2023-04-28
申请号：CN202010351888.9
申请日：2020-04-28
Applicant: 中交信息技术国家工程实验室有限公司 , 中国交通通信信息中心
IPC: G06V10/764 , G06V10/774 , G06V20/10 , G06V10/80 , G06V10/82 , G06T7/11 , G06N3/0464 , G06N3/08 , G06T7/187 , G06F16/2455 , G06F16/23 , G06F16/215
Abstract: 本发明公开了一种道路信息的更新方法，该方法包括：利用特征提取的方式获得道路路面的特征点；将道路类型分为水泥路、沥青路和砂石路三类，对三类的道路进行不同颜色的标注，将沥青路标记为红色，将水泥路标记为蓝色，将砂石路标记为黄色；通过手工标注数据集分别对Wordview‑3、GF‑2以及利用网络爬虫技术的网络地图进行标绘，生成大小不同的两类训练数据集；利用Deeplab、Caffe两种不同的深度学习网络模型，对大小不同的两类训练样本数据进行基于高分遥感影像道路信息提取模型的训练。本发明采用卷积神经网络进行道路信息提取，基于逆地理编码算法的互联网道路信息提取，不同数据源之间数据的融合、分析实现道路信息的快速、准确的更新。
-
公开(公告)号：CN111398180B
公开(公告)日：2023-04-18
申请号：CN202010351859.2
申请日：2020-04-28
Applicant: 中国交通通信信息中心 , 中交信息技术国家工程实验室有限公司
Abstract: 本发明提供了一种适于热红外遥感影像的大气补偿方法，包括如下步骤：获取观测影像数据以及配套大气廓线和地表发射率光谱信息，然后进行质量控制和信息提取，再进行信息融合；选择合适的滑动窗口长度以及滑动步长，逐窗口提取相应的大气廓线信息；利用大气辐射传输模型计算各窗口位置的大气参数信息，利用线性或非线性插值的方法计算其窗口内的精细大气参数矩阵；计算窗口函数值的代价函数，然后利用代价函数逐窗口/像元计算其函数值，返回与其对应的各项大气参数，并完成大气修正过程。本发明不仅不依赖任何经验关系和特殊像元，且适用于各类常见地表和大气环境，可实现对大气温度廓线和湿度廓线的同步补偿，具有更高的普适性和实用价值。
-
Patent Agency Ranking
公开(公告)号：CN114898290A
公开(公告)日：2022-08-12
申请号：CN202210521090.3
申请日：2022-05-13
Applicant: 中交信息技术国家工程实验室有限公司 , 中国交通通信信息中心
IPC: G06V20/52 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/774 , G06V10/25 , G06V10/764 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种海上船舶实时检测方法及系统，该方法获取船载实时视频图像，利用船舶区域提取算法对视频的当前帧图像进行检测；当在当前帧图像中检测到船舶目标时，提取船舶的前景图像；将提取得到的船舶前景图像作为输入，利用改进的YOLOv3模型进行海上船舶的实时检测。本发明提出的方案中，加入感兴趣区域提取过程可以提高整体算法的检测速度，保证实时性，节省计算机资源；改进的YOLOv3模型可以进一步在保证实时性的基础上提高检测精度，保证检测效果。
-
公开(公告)号：CN114724121A
公开(公告)日：2022-07-08
申请号：CN202210295111.4
申请日：2022-03-23
Applicant: 中交信息技术国家工程实验室有限公司
IPC: G06V20/59 , G06V10/40 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种驾驶行为预测方法，包括以下步骤：S1：采集车辆行驶数据，进行预处理，并将其划分为训练集和测试集；S2：基于训练集和测试集，利用深度自编码器提取行为特征向量；S3：提取车辆行驶的POI特征向量；S4：根据行为特征向量与POI特征向量，进行驾驶行为预测。在本发明中，首先利用车辆轨迹进行了驾驶行为偏好特征的提取，然后在融合多源地理空间信息的基础上，实现了基于MC‑Dropout的短时驾驶行为(速度)预测以及针对预测结果的不确定性分析。
-
公开(公告)号：CN109815859B
公开(公告)日：2021-10-01
申请号：CN201910023523.0
申请日：2019-01-10
Applicant: 中交信息技术国家工程实验室有限公司
Abstract: 本发明公开了一种低等级道路自动提取及变化分析方法，该方法能够实现道路路网的自动提取与变化分析，通过高分辨率遥感影像，对道路材质的几何、纹理、光谱特征进行样本的选择，生成数据集进行模型的训练，利用生成的模型进行道路的自动提取。基于数据模型进行道路提取，实现影像提取结果与网络数据的自动配准。设置阈值、置信区间等方式进行对比变化分析，进行融合降低数据集的生成工作。能够大幅度减少训练数据集生成工作，基于影像的道路提取结果与网络道路数据进行融合，融合结果道路数据精确度较高，根据融合结果可自动生成新的数据集，大幅度降低训练数据集的生成工作。
-
公开(公告)号：CN111539363A
公开(公告)日：2020-08-14
申请号：CN202010352541.6
申请日：2020-04-28
Applicant: 中交信息技术国家工程实验室有限公司 , 中国交通通信信息中心
Abstract: 本发明公开了一种公路落石识别分析方法，该方法包括建立U-net深度学习网络模型，对训练样本数据进行训练；通过模型对公路路面区域进行道路面状区域的提取；采用object_detection算法将道路面状区域的提取情况进行识别；将识别完成的道路面状区域进行图像区域分类，得到像素级分类结果，并对不同类型目标进行不同颜色标注；将识别的数据分别通过灰度图转换、图像高斯平滑、车道线边缘检测、霍夫转换和线条提取进行道路车道线的识别。本发明通过利用object_detection算法，车道线识别算法分别得到车辆、行人、落石以及道路车道线的像素坐标值，分析得出公路路面落石所处位置、所处车道线位置以及所占路面面积的大小。
-
公开(公告)号：CN108256424A
公开(公告)日：2018-07-06
申请号：CN201711307240.6
申请日：2017-12-11
Applicant: 中交信息技术国家工程实验室有限公司
Abstract: 本发明公开一种基于深度学习的高分辨率遥感图像道路提取方法，包括通过卫星或航拍器获取遥感图像；建立深度学习模型；标注部分遥感图像并得到矢量路网；在所述遥感图像以及矢量路网上采集道路以及背景样本；采用所述深度学习模型对所述道路以及背景样本进行训练；用训练得到的深度学习网络对所述遥感图像中像素进行分类并得到二值图像；将二值图像中识别出的像素值进行标识。本发明能够提高分类精度，从而识别地物信息。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.051 seconds)
