-
公开(公告)号：CN116165635B
公开(公告)日：2024-06-14
申请号：CN202310304232.5
申请日：2023-03-27
Applicant: 桂林理工大学
IPC: G01S7/495 , G06T5/70 , G06V10/762 , G06V10/75
Abstract: 本发明涉及多级滤波算法的日间条件下不同波束光子云数据去噪方法，包括：通过读取日间光子点云数据并转换为沿轨距离‑高程的形式，基于RANSAC算法进行第一级粗去噪，并对去噪处理后的所述日间光子点云数据进行点云特征分析获取其水平方向连续性参数，从而自适应的改进第二级精去噪算法，即OPTICS算法和RANSAC算法结合的多级滤波算法的搜索域参数，并给出三种滤波方向方案，即水平方向、组内统一方向和各光子自适应方向应用于第二级滤波算法处理，对第二级结果进行判断，如若为弱波束则进行异常数据处理，完成日间光子点云数据去噪。本发明能够更好实现日间高背景噪声光子点云数据精确去噪，适用性更强。
-
公开(公告)号：CN114821370A
公开(公告)日：2022-07-29
申请号：CN202210500698.8
申请日：2022-05-10
Applicant: 桂林理工大学
IPC: G06V20/17 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了基于无人机影像与U‑Net的单木树冠检测与分割方法，涉及单木分割技术领域。该方法包括采集不同场景多树种的无人机影像数据并制作正射影像；截取不同场景对应的正射影像子图，并对正射影像子图进行处理获得所需的样本数据，再对样本数据进行数据增强获得样本数据集；将样本数据集划分为训练集与测试集；获取U‑Net模型，利用训练集和测试集分别对其进行训练和验证，利用混合Loss函数对每次训练的U‑Net模型的预测结果进行监督，直至混合Loss函数稳定不再下降时停止U‑Net模型的训练，获得训练好的U‑Net模型；从所述正射影像上再次截取正射影像子图分别输入训练好的U‑Net模型中，完成正射影像子图上的单木树冠检测与分割。该方法对于很多场景的多树种的树冠检测效果均表现较高精度。
-
公开(公告)号：CN115631424A
公开(公告)日：2023-01-20
申请号：CN202210755532.0
申请日：2022-06-30
Applicant: 桂林理工大学
IPC: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774 , G06F16/29 , G06T3/40 , G06T5/00 , G06T5/50
Abstract: 本发明提供了基于时间序列卫星影像的桉树人工林月尺度林龄反演方法，涉及森林资源调查与林业定量遥感技术领域。该方法能够更加快速准确地获取桉树人工林林龄数据，弥补了传统林龄获取方法耗时耗力、成本高昂、数据获取周期长的不足；采用长时间序列遥感影像植被指数在桉树砍伐前后的变化进行林龄反演能够弥补基于林龄和遥感光谱反射之间的关系以建立林龄反演模型反演林龄的不足，实现时间序列林龄的精确提取；通过使用时空融合算法将高空间分辨率卫星遥感影像与低空间分辨率卫星遥感影像进行时空融合，重构月份因云雨影响而不能使用所缺失的影像数据，构建完整的时间序列影像，进而将桉树人工林林龄反演精确到月尺度。
-
公开(公告)号：CN116165635A
公开(公告)日：2023-05-26
申请号：CN202310304232.5
申请日：2023-03-27
Applicant: 桂林理工大学
IPC: G01S7/495 , G06T5/00 , G06V10/762 , G06V10/75
Abstract: 本发明涉及多级滤波算法的日间条件下不同波束光子云数据去噪方法，包括：通过读取光子点云数据并转换为沿轨距离‑高程的形式，基于RANSAC算法进行第一级粗去噪，并对去噪处理后的所述光子云数据进行点云特征分析获取其水平方向连续性参数，从而自适应的改进第二级精去噪算法，即OPTICS算法和RANSAC算法结合的多级滤波算法的搜索域参数，并给出三种滤波方向方案，即水平方向、组内统一方向和各光子自适应方向应用于第二级滤波算法处理，对第二级结果进行判断，如若为弱波束则进行异常数据处理，完成光子云数据去噪。本发明能够更好实现日间高背景噪声光子云数据精确去噪，适用性更强。
-
-
-
Search Results
4
records
(took 0.014 seconds)
