-
公开(公告)号：CN111899249A
公开(公告)日：2020-11-06
申请号：CN202010777887.0
申请日：2020-08-05
Applicant: 吉林大学
Abstract: 本发明涉及基于ResNet50和DeeplabV3+的卷积神经网络的遥感图像变化检测方法，解决了现有技术中传统的遥感图像变化检测处理效率低和处理精度差的问题。基于ResNet50和DeeplabV3+的卷积神经网络的遥感图像变化检测方法，步骤如下：(1)数据选取：数据选取训练集和验证集两幅遥感变化检测图像；(2)创建语义分割：利用deeplabv3plusLayers函数创建基于ResNet50网络的语义分割网络。本发明通过对网络进行输入层的改造，采用随机补片和图像增强技术直接处理大范围遥感图像，采用ResNet50和DeeplabV3+构建语义分割卷积神经网络，节省了图像裁剪操作，提高了变化检测的处理效率，降低了模型过拟合和内存消耗问题出现的可能性，保证了变化检测图像的完整性，提高了变化检测提取精度。
-
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：CN103886640A
公开(公告)日：2014-06-25
申请号：CN201410117308.4
申请日：2014-03-26
Applicant: 中国测绘科学研究院 , 吉林大学 , 北京四维远见信息技术有限公司
IPC: G06T17/00
Abstract: 本发明提供一种建筑物的三维模型的获取方法及系统，利用倾斜航片的外方位元素与面积计算法，选择与建筑物的各实际侧面对应的最优侧面及最优倾斜航片，并对各最优侧面之间的遮挡部分进行剔除，还通过对剔除所述遮挡部分后的各最优倾斜航片中的最优侧面进行微分纠正并剪裁，以获得建筑物的侧面纹理，以提高建筑物的侧面纹理的精准度；利用所述最优侧面，建立所获取的建筑物的侧面纹理与建筑物白模之间的一一对应关系，以实现倾斜摄影获取的建筑物纹理到建筑物白模的自动贴图，将获取的建筑物的侧面纹理和顶面纹理贴图到获取的建筑物白模，以获得带所述侧面纹理和顶面纹理的建筑物的三维模型，以简化贴图流程、提高自动化程度、并缩短建模周期。
-
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：CN103886640B
公开(公告)日：2017-01-04
申请号：CN201410117308.4
申请日：2014-03-26
Applicant: 中国测绘科学研究院 , 吉林大学 , 北京四维远见信息技术有限公司
IPC: G06T17/00
Abstract: 本发明提供一种建筑物的三维模型的获取方法及系统，利用倾斜航片的外方位元素与面积计算法，选择与建筑物的各实际侧面对应的最优侧面及最优倾斜航片，并对各最优侧面之间的遮挡部分进行剔除，还通过对剔除所述遮挡部分后的各最优倾斜航片中的最优侧面进行微分纠正并剪裁，以获得建筑物的侧面纹理，以提高建筑物的侧面纹理的精准度；利用所述最优侧面，建立所获取的建筑物的侧面纹理与建筑物白模之间的一一对应关系，以实现倾斜摄影获取的建筑物纹理到建筑物白模的自动贴图，将获取的建筑物的侧面纹理和顶面纹理贴图到获取的建筑物白模，以获得带所述侧面纹理和顶面纹理的建筑物的三维模型，以简化贴图流程、提高自动化程度、并缩短建模周期。(56)对比文件刘力荣等《.POS 辅助航空摄影测量精度分析》《.测绘科学》.2012,第37卷(第4期),第198页左栏第2.1节.杨洋等《.基于LIDAR 数据的建筑物自动化重建》《. 测绘科学技术学报》.2010,第2卷(第2期),123-126.
-
Patent Agency Ranking
公开(公告)号：CN106209185A
公开(公告)日：2016-12-07
申请号：CN201610518979.0
申请日：2016-07-05
Applicant: 吉林大学
CPC classification number: H04B7/0413 , H04B1/40 , H04B7/18519
Abstract: 一种微波遥感信号转换器，将收到的微波遥感信号依次通过输入隔离器改善匹配特征，带通滤波器滤除带外杂波，模数转换器将模拟信号转换为数字信号，低噪声放大器将信号进行第一级低噪声放大，延迟线将信号进行延迟，小信号放大器将信号进行第二级放大，幅度均衡器对信号进行校正，合路器将信号进行合路，定向耦合器耦合部分信号至对数检波放大器，大步进数衰减器对信号进行大步进的定量衰减，幅度调制模块对信号进行正弦幅度调制，小步进数控衰减器对信号进行微量衰减，分路器将信号分路成相应的信号，并经各滤波输出放大器滤波、放大后输出相应的微波遥感信号。本发明的微波遥感信号转换器，定位精度高、分辨率高，能满足多系统的转发。
-
公开(公告)号：CN110411369A
公开(公告)日：2019-11-05
申请号：CN201910681996.X
申请日：2019-07-26
Applicant: 吉林大学
Abstract: 本发明公开了一种简易三维激光扫描装置，包括底座，所述底座上端通过控制块连接有电控平台，所述电控平台上端转动连接有升降柱，所述升降柱上方设有用于获取物体表面信息的扫描器，所述扫描器连接用于驱动其升降以完成纵向扫描的升降部件，所述升降柱连接用以驱动其转动以实现扫描器周向扫描的旋转部件。本发明针对现有装置的弊端进行改进，设计了三维扫描方式，快速高精度获取扫描范围内的三维坐标和图像，经过数据处理可形象直观地展示被测量对象的细节信息，利用蜗轮蜗杆和螺纹螺杆作为传动方式，使得装置工作的稳定性得以提高，选用了步进电机作为升降部件和旋转部件的传输动力，从而使得装置运行更加可靠，实用性强。
-
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：CN106018439A
公开(公告)日：2016-10-12
申请号：CN201610518976.7
申请日：2016-07-05
Applicant: 吉林大学
IPC: G01N22/04
CPC classification number: G01N22/04
Abstract: 本发明涉及一种微波遥感土壤水分监测系统及其监测方法，所述监测系统包括探测臂，搭载于探测臂上的信号接收天线和热红外温度计，与信号接收天线和热红外温度计电性连接的微波探测系统，以及与微波探测系统电性连接的数据处理装置，所述监测方法为数据处理装置中的数据分析处理系统根据微波探测系统获取的亮温数据，结合根据热红外温度计得到的土壤表面的物理温度数据，进行实时同步处理，对土壤水分信息进行精确评价。本发明提供的微波遥感土壤水分监测系统及其监测方法，采用被动方式获取土壤微波辐射信号，工作模型简单、精度高、效率高，且不受观测频率的限制。
-
公开(公告)号：CN111783688B
公开(公告)日：2022-03-22
申请号：CN202010637993.9
申请日：2020-07-02
Applicant: 吉林大学
IPC: G06V20/13 , G06K9/62 , G06N3/04 , G06V10/764 , G06V10/774
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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.016 seconds)
