-
公开(公告)号：CN113688808A
公开(公告)日：2021-11-23
申请号：CN202111244196.5
申请日：2021-10-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法，包括步骤：先对提取的遥感影像局部特征和全局特征，通过拉普拉斯金字塔融合模块重建原始遥感影像，生成融合图像；再通过语义分割网络，构建深度学习语义分割模型；然后通过图片标记工具，对融合图像中发生滑坡灾害的地方和未发生滑坡灾害的地方分别进行标记，得到滑坡灾害标签图数据集；最后用数据集训练深度学习语义分割模型，通过修改语义分割网络结构和调整模型参数，直至模型的损失曲线达到拟合、识别遥感影像中滑坡体的精度满足要求时，则保存该模型。本发明结合基于拉普拉斯金字塔的图像融合模型，能高效、精准地为滑坡灾害的防灾减灾提供有效的决策依据。
-
公开(公告)号：CN113537177B
公开(公告)日：2021-12-14
申请号：CN202111087346.6
申请日：2021-09-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于视觉Transformer的洪涝灾害监测与灾情分析方法，包括步骤：（1）构建基于视觉Transformer的双时相图像变化检测模型；（2）选取双时相遥感影像，制作洪涝灾害标签；（3）根据步骤（1）构建的双时相图像变化检测模型，进行洪涝监测与灾情分析。本发明结合深度学习中基于先进视觉Transformer的双时相图像变化检测模型和不受时间、天气影响且穿透能力强的雷达数据，能获取洪涝发生时的数据和提高识别精度。
-
公开(公告)号：CN113537177A
公开(公告)日：2021-10-22
申请号：CN202111087346.6
申请日：2021-09-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于视觉Transformer的洪涝灾害监测与灾情分析，包括步骤：（1）构建基于视觉Transformer的双时相图像变化检测模型；（2）选取双时相遥感影像，制作洪涝灾害标签；（3）根据步骤（1）构建的双时相图像变化检测模型，进行洪涝监测与灾情分析。本发明结合深度学习中基于先进视觉Transformer的双时相图像变化检测模型和不受时间、天气影响且穿透能力强的雷达数据，能获取洪涝发生时的数据和提高识别精度。
-
公开(公告)号：CN113688808B
公开(公告)日：2022-02-11
申请号：CN202111244196.5
申请日：2021-10-26
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/82 , G06V10/56 , G06V10/764 , G06V10/80 , G06V10/46 , G06V10/44 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法，包括步骤：先对提取的遥感影像局部特征和全局特征，通过拉普拉斯金字塔融合模块重建原始遥感影像，生成融合图像；再通过语义分割网络，构建深度学习语义分割模型；然后通过图片标记工具，对融合图像中发生滑坡灾害的地方和未发生滑坡灾害的地方分别进行标记，得到滑坡灾害标签图数据集；最后用数据集训练深度学习语义分割模型，通过修改语义分割网络结构和调整模型参数，直至模型的损失曲线达到拟合、识别遥感影像中滑坡体的精度满足要求时，则保存该模型。本发明结合基于拉普拉斯金字塔的图像融合模型，能高效、精准地为滑坡灾害的防灾减灾提供有效的决策依据。
-
-
-
Search Results
4
records
(took 0.01 seconds)
