公开(公告)号：CN114067152A

公开(公告)日：2022-02-18

申请号：CN202210043155.8

申请日：2022-01-14

Applicant: 南湖实验室

Inventor： 万昊明 ,  唐攀攀 ,  王辉 ,  于桐 ,  赵博 ,  勾鹏 ,  焦文品 ,  白石 ,  罗小燕

IPC: G06V10/762 ,  G06V10/764 ,  G06K9/62 ,  G06N3/08 ,  G06V20/13

Abstract: 本发明提供了一种基于星载SAR影像的精细化洪水淹没区提取方法，包括：S1、获取目标区域的SAR图像，对SAR图像进行超像素分割和阈值分割获得分割结果，根据所述分割结果得到背景百分比，并计算每个图像对象的特征向量；S2、通过对所述超像素分割结果、背景百分比和特征向量进行处理构建无向图并得到部分结点的类别标签；S3、根据所述的无向图和得到的部分结点的类别标签训练图卷积神经网络，并通过训练好的图卷积神经网络预测其它结点的类别，得到淹没后的水体提取结果；S4、将提取的淹没后的水体分布与洪水前的水体分布做差，得到洪水淹没区域。本发明可以兼顾图像对象特征和图像对象之间空间关系，能够显著提高SAR影像中洪水淹没区的提取精度。

公开(公告)号：CN114842341A

公开(公告)日：2022-08-02

申请号：CN202210530174.3

申请日：2022-05-16

Applicant: 南湖实验室 ,  嘉兴市大数据中心

Inventor： 于桐 ,  唐攀攀 ,  王辉 ,  万昊明 ,  赵博 ,  勾鹏 ,  屠勇刚 ,  焦文品

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的建筑物矢量提取模型及其提取方法，包括：S1.接收遥感影像，对遥感影像进行多个阶段的特征提取，得到多个尺度的提取特征；S2.分别对各尺度的提取特征进行特征优化，得到多个尺度的优化特征；S3.将多个尺度的优化特征进行特征融合，得到融合特征；S4.对融合特征进行特征恢复与类别判断得到建筑物初步提取结果；S5.对建筑物初步提取结果进行后处理得到最终的建筑物矢量结果。本方案融合多种尺度下的特征提取优势，有效提高特征提取能力，增强网络对原始影像的信息提取能力，并且针对融合特征进行提取结果，对提取结果进行后处理，能够直接获取到较为规则的建筑物矢量结果，极大的方便了后续编辑与应用。

公开(公告)号：CN114067152B

公开(公告)日：2022-04-15

申请号：CN202210043155.8

申请日：2022-01-14

Applicant: 南湖实验室

Inventor： 万昊明 ,  唐攀攀 ,  王辉 ,  于桐 ,  赵博 ,  勾鹏 ,  焦文品 ,  白石 ,  罗小燕

IPC: G06V10/762 ,  G06V10/764 ,  G06K9/62 ,  G06N3/08 ,  G06V20/13

Abstract: 本发明提供了一种基于星载SAR影像的精细化洪水淹没区提取方法，包括：S1、获取目标区域的SAR图像，对SAR图像进行超像素分割和阈值分割获得分割结果，根据所述分割结果得到背景百分比，并计算每个图像对象的特征向量；S2、通过对所述超像素分割结果、背景百分比和特征向量进行处理构建无向图并得到部分结点的类别标签；S3、根据所述的无向图和得到的部分结点的类别标签训练图卷积神经网络，并通过训练好的图卷积神经网络预测其它结点的类别，得到淹没后的水体提取结果；S4、将提取的淹没后的水体分布与洪水前的水体分布做差，得到洪水淹没区域。本发明可以兼顾图像对象特征和图像对象之间空间关系，能够显著提高SAR影像中洪水淹没区的提取精度。