-
公开(公告)号：CN119478276A
公开(公告)日：2025-02-18
申请号：CN202510047577.6
申请日：2025-01-13
Applicant: 南京邮电大学
IPC: G06T17/05 , G06V20/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种隧洞围岩建模及全类型岩体结构面识别方法、装置，所述方法包括：利用多角度布置的深度相机获取隧洞围岩的影像数据，处理后获得的影像帧包括带有颜色数据的点云模型；基于颜色一致性和深度一致性，对点云模型进行后配准，得到完整的隧洞点云模型；获取隧洞点云模型的几何姿态，并转换为颜色数据，并映射至二维图像得到几何姿态图像；识别几何姿态图像中的像素与邻域之间的关联程度，根据关联程度确定像素属于的邻域，提取反映相似地质特征的围岩面状语义区；对围岩面状语义区进行合并，得到岩体结构面。采用上述技术方案，顾及几何特征和纹理特征多样性差异，克服结构面形态差异及光照影响，实现多种类型结构面的准确全面提取。
-
公开(公告)号：CN110276270B
公开(公告)日：2022-09-16
申请号：CN201910462272.6
申请日：2019-05-30
Applicant: 南京邮电大学
Abstract: 本发明公开了遥感图像处理技术领域的一种高分辨率遥感影像建筑区提取方法，旨在解决现有技术中高分影像由于“同物异谱”和“异物同谱”现象严重，地物类型多样，场景结构复杂，导致建筑区自动提取效果不理想的技术问题。所述方法包括如下步骤：根据高分辨率遥感影像，获取边界重叠的图像块；利用格式塔知觉组织规则度量图像块视觉显著性，构建基于块的建筑区显著图；对建筑区显著图进行阈值分割，获取建筑区二值图，精化处理建筑区二值图以获取建筑区提取结果。
-
公开(公告)号：CN108830799B
公开(公告)日：2022-04-08
申请号：CN201810413022.9
申请日：2018-05-03
Applicant: 南京邮电大学
Abstract: 本发明涉及一种基于相对极化全变差的极化SAR影像相干斑抑制方法，通过对极化SAR影像的极化相干矩阵分离为主对角线元素和非对角线元素，应用窗口卷积局部全变差和全局全变差更新主对角线元素，由原非对角线元素和更新后的主对角线元素重构极化相干矩阵，利用相邻像元上的极化相干矩阵比值和更新前后的极化相干矩阵距离，获得须保留极化特征的像元位置。本发明仅对不属于上述像元位置的极化相干矩阵的主对角线元素进行相干斑抑制，解决了现有极化SAR相干斑抑制中不能很好地将极化SAR影像的结构信息和散射特性两者相结合进行相干斑抑制的问题，使得极化SAR的相干斑抑制在结构信息和散射特性两方面都得到保持。
-
公开(公告)号：CN119478276B
公开(公告)日：2025-04-11
申请号：CN202510047577.6
申请日：2025-01-13
Applicant: 南京邮电大学
IPC: G06T17/05 , G06V20/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种隧洞围岩建模及全类型岩体结构面识别方法、装置，所述方法包括：利用多角度布置的深度相机获取隧洞围岩的影像数据，处理后获得的影像帧包括带有颜色数据的点云模型；基于颜色一致性和深度一致性，对点云模型进行后配准，得到完整的隧洞点云模型；获取隧洞点云模型的几何姿态，并转换为颜色数据，并映射至二维图像得到几何姿态图像；识别几何姿态图像中的像素与邻域之间的关联程度，根据关联程度确定像素属于的邻域，提取反映相似地质特征的围岩面状语义区；对围岩面状语义区进行合并，得到岩体结构面。采用上述技术方案，顾及几何特征和纹理特征多样性差异，克服结构面形态差异及光照影响，实现多种类型结构面的准确全面提取。
-
公开(公告)号：CN111506918B
公开(公告)日：2021-03-16
申请号：CN202010275089.8
申请日：2020-04-09
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提供一种基于Bloom过滤器的移动轨迹隐私保护匹配方法，所述方法包括以下步骤：步骤一：数据拥有的双方基于时空转换进行数据预处理，步骤二：数据拥有的双方将时空格序列字符串映射到Bloom过滤器，步骤三：第三方基于Bloom过滤器进行移动轨迹隐私保护匹配。具有隐私保护性好、计算速度快的优势，把基于原始移动轨迹数据明文的相似度计算，转换成基于Bloom过滤器的计算。转换过程由只具有单向性的Hash散列和求模运算实现，保证原始移动轨迹数据的机密性。基于Bloom过滤器的位值的相似度计算，充分利用Bloom过滤器位值运算的高效性，大大提高相似度计算的速度。
-
Patent Agency Ranking
公开(公告)号：CN111460513B
公开(公告)日：2021-02-02
申请号：CN202010344075.7
申请日：2020-04-27
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提供一种基于相似度分箱的空间点集数据隐私保护匹配的方法，所述方法包括以下步骤：点集数据范围并集的等间距分组，协定数据分组参数，对原始的点集数据进行空间划分，并且基于点集数据与划分空间的匹配得到点集数据的分组号；点集数据与参考值之间相似度的等间距分箱，计算属性值与参考值之间的相似度，采用等间隔划分的方法对所有相似度值进行分箱，进一步得到所有点集数据的分箱组合；基于点集数据分组组合号与分箱组合号的匹配计算，根据点集数据的分组号和分箱组合得到点集数据的识别号，并进一步依据识别号得到点集数据的匹配点对，最后依据匹配的点对双方彼此交换对应的点集数据。具有高隐私保护性、精度可调性的优势。
-
公开(公告)号：CN111460513A
公开(公告)日：2020-07-28
申请号：CN202010344075.7
申请日：2020-04-27
Applicant: 南京邮电大学
IPC: G06F21/62
Abstract: 本发明提供一种基于相似度分箱的空间点集数据隐私保护匹配的方法，所述方法包括以下步骤：点集数据范围并集的等间距分组，协定数据分组参数，对原始的点集数据进行空间划分，并且基于点集数据与划分空间的匹配得到点集数据的分组号；点集数据与参考值之间相似度的等间距分箱，计算属性值与参考值之间的相似度，采用等间隔划分的方法对所有相似度值进行分箱，进一步得到所有点集数据的分箱组合；基于点集数据分组组合号与分箱组合号的匹配计算，根据点集数据的分组号和分箱组合得到点集数据的识别号，并进一步依据识别号得到点集数据的匹配点对，最后依据匹配的点对双方彼此交换对应的点集数据。具有高隐私保护性、精度可调性的优势。
-
公开(公告)号：CN110991625B
公开(公告)日：2020-06-16
申请号：CN202010133968.7
申请日：2020-03-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于循环神经网络的地表异常现象遥感监测方法、装置，所述方法包括：将训练前段序列输入基于双向循环神经网络构建的编码器，得到用于表征训练前段序列全局信息的前段隐藏状态序列；依次向基于单层循环神经网络的解码器输入上一时刻的数值，使得依次得到对应于训练后段序列中的时刻的预测值；使用编码器‑解码器模型对未来时刻的观测地点进行预测。采用上述方案，可以挖掘历史序列整体上的变化规律并预测未来多个时刻的观测值，实现近实时异常监测、实时监控监管，同时所需的数据预处理及人工设定的经验参数较少，对实施者的经验和专业背景要求不高，适用于各种地理区域和土地覆被类型，方法可行性、稳健性和预测结果准确度较高。
-
公开(公告)号：CN110276270A
公开(公告)日：2019-09-24
申请号：CN201910462272.6
申请日：2019-05-30
Applicant: 南京邮电大学
Abstract: 本发明公开了遥感图像处理技术领域的一种高分辨率遥感影像建筑区提取方法，旨在解决现有技术中高分影像由于“同物异谱”和“异物同谱”现象严重，地物类型多样，场景结构复杂，导致建筑区自动提取效果不理想的技术问题。所述方法包括如下步骤：根据高分辨率遥感影像，获取边界重叠的图像块；利用格式塔知觉组织规则度量图像块视觉显著性，构建基于块的建筑区显著图；对建筑区显著图进行阈值分割，获取建筑区二值图，精化处理建筑区二值图以获取建筑区提取结果。
-
公开(公告)号：CN112232328A
公开(公告)日：2021-01-15
申请号：CN202011488322.7
申请日：2020-12-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于卷积神经网络的遥感影像建筑区提取方法、装置，包括：获取遥感影像样本数据作为训练集和验证集，样本数据包括网格划分的建筑区标签和非建筑区标签；使用训练集和验证集对遥感影像建筑区识别模型进行训练；遥感影像建筑区识别模型基于密集连接和注意力机制构建的卷积神经网络；采用遥感影像建筑区识别模型，对网格划分后的测试影像进行分类得到建筑区二值图；对测试影像中的网格进行再划分或/和网格平移后重新分类，将得到的建筑区二值图进行融合，得到精细化建筑区结果图。采用上述方案，采用二分类方式对建筑区进行提取，通过减少模型参数量来降低模型训练的复杂度，实现高分辨率遥感影像建筑区的高精度和高效率的提取。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
