-
公开(公告)号：CN108763804A
公开(公告)日：2018-11-06
申请号：CN201810569892.5
申请日：2018-06-05
Applicant: 吉林大学
Abstract: 本发明公开了一种剔除测量空白域影响的岩体广义RQD获取方法，方法包括：针对待处理的岩体，采用摄影测量方法，建立岩体边坡三维模型；根据模型的实测数据，采用空间圆盘规则，建立岩体不连续面三维模型；获取空白域信息；设置至少一个用于填充空白域的填充物，获取具有至少一个填充物的不连续面三维模型；针对具有至少一个填充物的不连续面三维模型，通过遍历方式选择出平行于X轴、Y轴和Z轴方向测线群分别对应的最佳不连续面间距阈值，根据测线与空间圆盘、填充物的空间关系，获取剔除空白域影响的岩体广义RQD。本发明基于不连续面实测数据获取剔除空白域影响的岩体广义RQD，可以更加真实地评价岩体完整性质量。
-
公开(公告)号：CN105427254A
公开(公告)日：2016-03-23
申请号：CN201510760746.7
申请日：2015-11-10
Applicant: 吉林大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20182
Abstract: 本发明涉及一种基于网格环境的图像并行平滑处理方法，是依据MPICH-G2编程模式，在网格环境下实现遥感图像并行化处理。对于海量图像数据处理而言，关键是如何处理大量的网络计算，借助网格整合异构计算资源的优势，设计开发适合遥感图像处理的网格计算环境和算法。本发明结合实际研究，以Globus为网格中间件，CSF4为元调度器构建网格环境，依据MPICH-G2编程模式，实现了图像的平滑并行处理。经试验表明，该发明充分利用了网格环境下的各种计算资源，发挥网格计算资源共享的特点，获得了较高的加速比。网格环境下的图像增强并行化处理的成功实现，为海量图像的快速处理探索了一条有效的途径，为下一步的研究打下了坚实的基础。
-
公开(公告)号：CN105420323A
公开(公告)日：2016-03-23
申请号：CN201510974205.4
申请日：2015-12-23
Applicant: 吉林大学
CPC classification number: C12P21/06 , A61K38/017 , C07K1/30 , C07K1/34
Abstract: 一种具有补铁作用的含铁螯合肽补铁粉及其制备方法，属于保健食品技术领域。其是将新鲜猪血离心得下层血细胞，血细胞均质破壁得到血红蛋白，血红蛋白用碱性蛋白酶酶解，灭酶后酶解液用脱色剂脱色，脱色后上清液干燥得到猪血红蛋白多肽；再与氯化亚铁螯合，反应物用乙醇溶液处理得到沉淀，反复抽滤直至滤渣不再析出，冷冻干燥成粉，得到猪血红蛋白铁螯合肽；再将猪血红蛋白铁螯合肽粉0.2～0.4份，红豆粉30～50份，红枣粉20～30份，葡萄糖8～10份，柠檬酸0.3～0.5份，充分混合均匀，即得本发明所述的具有补铁作用的含铁螯合肽补铁粉。经体外模拟消化吸收检验，加入猪血红蛋白铁螯合肽的产品比加入氯化亚铁产品的铁吸收率高出14～31％，具有较高的铁吸收率，能起到很好的补铁作用。
-
公开(公告)号：CN111783688A
公开(公告)日：2020-10-16
申请号：CN202010637993.9
申请日：2020-07-02
Applicant: 吉林大学
Abstract: 本发明涉及一种基于卷积神经网络的遥感图像场景分类方法，该方法获取待分类的遥感图像；通过预先训练的卷积神经网络模型对所述遥感图像进行分类；将分类结果作为所述遥感图像的场景分类结果。其中，卷积神经网络模型为：第一层卷积层，后依次接BN层，激活函数，接池化层；第二层卷积层，后依次接BN层，激活函数，接池化层；第三层卷积层，后依次接BN层，激活函数，接池化层；第四层卷积层，后依次接BN层，激活函数；第五层卷积层，后依次接BN层，激活函数，接池化层；第六层全连接层；第七层全连接层；第八层全连接层。通过BN层进行批量归一化处理，达到即保证了特征提取能力，又能提高模型收敛速度的效果。
-
公开(公告)号：CN105719249B
公开(公告)日：2018-05-08
申请号：CN201610027355.9
申请日：2016-01-15
Applicant: 吉林大学
Abstract: 本发明涉及一种基于三维格网的机载激光雷达点云去噪方法，是依据点云中各点的空间邻域关系，在三维格网的空间划分依据下实现海量点云数据的去噪处理。本发明通过对点云数据的空间三维格网化使每个立方栅格内部点之间具有空间索引属性，依据空间三维格网之间的空间邻域关系判断格网内的点是否为噪声点。根据单位三维格网之间的空间邻域特征来判断离散噪声点和点云主体，从而滤除由于地形扫描产生的离散及成簇噪声点，通过采用适当相关系数的平均点间距三维格网边长能够极大的降低判断噪声点的误差。该方法不同于以往的传统去噪算法，为机载激光雷达点云去噪提供了新的思路。
-
Patent Agency Ranking
公开(公告)号：CN118760862B
公开(公告)日：2024-11-05
申请号：CN202411239460.X
申请日：2024-09-05
Applicant: 吉林大学
IPC: G06F18/20 , G06F18/241
Abstract: 本发明属于景观格局分析领域，提供一种景观格局分析与预测方法，获取研究区域的地表覆盖数据，基于地表覆盖数据计算土地利用转移矩阵和景观格局指数，并利用Pearson相关性分析方法去除冗余的景观格局指数，选择相关性较低的景观格局指数并结合土地利用转移矩阵对研究区域的景观时空变化进行分析；利用地理探测器计算驱动力因素的解释力，确定研究区域的主要驱动力因素，以构建CA‑Markov模型，对研究区域未来的地表覆盖情况进行预测。本发明能够客观选择景观指数，确定研究区域的主要驱动力因素，并依其解释力预测未来的地表覆盖结果，以对研究区域的生态建设提供参考价值。
-
公开(公告)号：CN118760862A
公开(公告)日：2024-10-11
申请号：CN202411239460.X
申请日：2024-09-05
Applicant: 吉林大学
IPC: G06F18/20 , G06F18/241
Abstract: 本发明属于景观格局分析领域，提供一种景观格局分析与预测方法，获取研究区域的地表覆盖数据，基于地表覆盖数据计算土地利用转移矩阵和景观格局指数，并利用Pearson相关性分析方法去除冗余的景观格局指数，选择相关性较低的景观格局指数并结合土地利用转移矩阵对研究区域的景观时空变化进行分析；利用地理探测器计算驱动力因素的解释力，确定研究区域的主要驱动力因素，以构建CA‑Markov模型，对研究区域未来的地表覆盖情况进行预测。本发明能够客观选择景观指数，确定研究区域的主要驱动力因素，并依其解释力预测未来的地表覆盖结果，以对研究区域的生态建设提供参考价值。
-
公开(公告)号：CN118089585A
公开(公告)日：2024-05-28
申请号：CN202410144927.6
申请日：2024-02-01
Applicant: 吉林大学
Abstract: 本发明涉及隧洞围岩体地质调查技术领域，尤其涉及一种隧洞围岩体二维地质素描图自动制图方法，包括：利用三维激光扫描技术对隧洞围岩体进行扫描获取扫描坐标系下隧洞围岩体的点云数据；根据所述扫描坐标系下隧洞围岩体的点云数据采用坐标转换获取测量坐标系下隧洞围岩体的点云数据，并对测量坐标系下隧洞围岩体的点云数据进行处理，获取隧洞围岩体主要结构面的迹线和产状；将所述隧洞围岩体主要结构面的迹线和产状按照设定的隧洞围岩体分区界面投影至二维绘图坐标系，进行二维地质素描图自动制图。上述方法可自动化制作二维地质素描图，在一定程度上可以满足工程地质领域对于更精确、自动化、高效的隧洞围岩体二维地质素描图自动制图的需求。
-
公开(公告)号：CN105719249A
公开(公告)日：2016-06-29
申请号：CN201610027355.9
申请日：2016-01-15
Applicant: 吉林大学
CPC classification number: G06T5/002 , G06T2207/10012
Abstract: 本发明涉及一种基于三维格网的机载激光雷达点云去噪方法，是依据点云中各点的空间邻域关系，在三维格网的空间划分依据下实现海量点云数据的去噪处理。本发明通过对点云数据的空间三维格网化使每个立方栅格内部点之间具有空间索引属性，依据空间三维格网之间的空间邻域关系判断格网内的点是否为噪声点。根据单位三维格网之间的空间邻域特征来判断离散噪声点和点云主体，从而滤除由于地形扫描产生的离散及成簇噪声点，通过采用适当相关系数的平均点间距三维格网边长能够极大的降低判断噪声点的误差。该方法不同于以往的传统去噪算法，为机载激光雷达点云去噪提供了新的思路。
-
公开(公告)号：CN116777788A
公开(公告)日：2023-09-19
申请号：CN202310788046.3
申请日：2023-06-29
Applicant: 吉林大学
IPC: G06T5/00 , G06V10/764 , G06V10/80 , G06V10/774 , G06T7/10 , G06T7/70
Abstract: 本发明涉及一种基于图像融合特征学习重建的遥感影像云去除方法，包括：获取有云影像、多张参考影像，与有云影像和参考影像一一对应的云及云影掩膜；确定第一参考影像；将有云影像中云及云影的像元替换成第一参考影像中与其对应位置的像元，得到第一融合图像；对第一融合图像进行裁剪并分类，得到第一图像集和第二图像集；对第二图像集进行处理，得到第三图像集；基于第三图像集和第二图像集，获取图像重建数据集；基于图像重建数据集对图像重建模型训练，获取训练好的图像重建模型；对第一图像集中的每一张裁剪图片及其云及云影掩膜叠加后，输入训练好的图像重建模型中，得到预测图像集；基于第二图像集和预测图像集，得到最终的云去除影像。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
