公开(公告)号：CN119399393A

公开(公告)日：2025-02-07

申请号：CN202411522337.9

申请日：2024-10-29

Applicant: 济南大学

Inventor： 傅新 ,  韩周顺 ,  张恒才

IPC: G06T17/05 ,  G06V10/762 ,  G06V20/64

Abstract: 本发明涉及地球科学领域，提供了一种基于变异方向控制的三维异常区域提取方法及系统。该方法包括，获取地理空间格点数据集，根据研究目标需求和地理空间格点数据集的特点，确定变异方向控制变量和邻域步长变量；基于变异方向控制变量和邻域步长变量建立邻域网格，计算邻域网格中每个格点的属性强度与其邻域格点属性强度的方差，对邻域格点的方差进行量化，构建差异系数序列；确定差异系数阈值，将差异系数超过差异系数阈值的格点标记为差异格点；对差异格点进行聚类，构建三维异常区域。本发明考虑空间数据的三维特性和局部空间异质性，能够更准确地识别出地球系统中的异常区域，为后续的三维结构提取提供了可靠的数据基础。

公开(公告)号：CN118551248B

公开(公告)日：2024-10-18

申请号：CN202411025347.1

申请日：2024-07-30

Applicant: 济南大学

Inventor： 傅新 ,  韩周顺 ,  张恒才

IPC: G06F18/23213

Abstract: 本发明提供了具有垂向异性的空间数据聚类方法、系统、设备及介质，其属于空间数据处理技术领域，包括：获取待空间聚类的空间格点数据，并进行相应预处理；对于预处理后的空间格点数据中的每个格点，分别获取其对应的不同垂直邻域；基于格点对应的属性信息，结合当前格点垂直邻域内格点对应的属性信息，计算当前格点在不同垂直邻域下的特征值，以及基于所述特征值构建格点的特征向量；基于每个格点的特征向量，利用预设聚类方法进行格点的空间聚类，获得聚类结果；所述方案通过细致的垂直邻域划分及差值平方和的计算，生成了反映垂直异性的多维特征向量，能够全面捕捉空间格点在垂直方向上的分布特性，为数据的深入分析提供了新的维度和视角。

公开(公告)号：CN118551248A

公开(公告)日：2024-08-27

申请号：CN202411025347.1

申请日：2024-07-30

Applicant: 济南大学

Inventor： 傅新 ,  韩周顺 ,  张恒才

IPC: G06F18/23213

Abstract: 本发明提供了具有垂向异性的空间数据聚类方法、系统、设备及介质，其属于空间数据处理技术领域，包括：获取待空间聚类的空间格点数据，并进行相应预处理；对于预处理后的空间格点数据中的每个格点，分别获取其对应的不同垂直邻域；基于格点对应的属性信息，结合当前格点垂直邻域内格点对应的属性信息，计算当前格点在不同垂直邻域下的特征值，以及基于所述特征值构建格点的特征向量；基于每个格点的特征向量，利用预设聚类方法进行格点的空间聚类，获得聚类结果；所述方案通过细致的垂直邻域划分及差值平方和的计算，生成了反映垂直异性的多维特征向量，能够全面捕捉空间格点在垂直方向上的分布特性，为数据的深入分析提供了新的维度和视角。

公开(公告)号：CN117611805B

公开(公告)日：2024-07-19

申请号：CN202311769712.5

申请日：2023-12-20

Applicant: 济南大学

Inventor： 傅新 ,  韩周顺 ,  张恒才

IPC: G06V10/25 ,  G06V20/70 ,  G06V10/762

Abstract: 本发明属于异常区域识别技术领域，具体涉及一种规则三维语义点云的3D异常区域提取方法及装置，包括：获取自然资源要素的格点数据集；将所获取的格点数据集转化为规则三维结构的语义点云数据集；根据所获取的规则语义点云数据集，构建当前语义数据点的临近候选点集；基于所得到的当前临近候选点集，计算当前临近候选点集的异常度；根据所得到的当前临近候选点集的异常度，筛选所获取的语义点云数据集，构建语义点云的3D异常点集；对所构建的3D异常点集进行聚类，得到语义点云的异常区域边界，完成规则三维语义数据结构的3D异常区域的识别提取。

公开(公告)号：CN117611805A

公开(公告)日：2024-02-27

申请号：CN202311769712.5

申请日：2023-12-20

Applicant: 济南大学

Inventor： 傅新 ,  韩周顺 ,  张恒才

IPC: G06V10/25 ,  G06V20/70 ,  G06V10/762

Abstract: 本发明属于异常区域识别技术领域，具体涉及一种规则三维语义点云的3D异常区域提取方法及装置，包括：获取自然资源要素的格点数据集；将所获取的格点数据集转化为规则三维结构的语义点云数据集；根据所获取的规则语义点云数据集，构建当前语义数据点的临近候选点集；基于所得到的当前临近候选点集，计算当前临近候选点集的异常度；根据所得到的当前临近候选点集的异常度，筛选所获取的语义点云数据集，构建语义点云的3D异常点集；对所构建的3D异常点集进行聚类，得到语义点云的异常区域边界，完成规则三维语义数据结构的3D异常区域的识别提取。