-
公开(公告)号：CN118396122A
公开(公告)日：2024-07-26
申请号：CN202410824440.2
申请日：2024-06-25
Applicant: 湖南省第二测绘院
Abstract: 本申请提出了一种针对不同自然资源的知识推理方法及装置，对处于不同数据库中的数据进行关联并构建知识图谱，并在此基础上进行知识推理，然后对所述知识推理模型进行训练，首先将待测的坐标点进行统一格式化，统一转换成经纬度形式；然后判断统一格式化后的坐标点所处地级市，根据欧氏距离最小原则得到海拔以及土族情况，其次将所述海拔以及土族情况输入至所述知识推理模型得到植被类型，将植被类型再输入至所述知识推理模型得到土壤的侵蚀类型；最后将所述训练结果输入至测试集进行评估。本申请可以解决不同自然资源数据库之间的数据相关性较低，无法充分利用各种数据库进行资源管理的问题，与现有的主流推理方案相比，具有更高的预测准确度。
-
公开(公告)号：CN117689964A
公开(公告)日：2024-03-12
申请号：CN202410151267.4
申请日：2024-02-02
Applicant: 湖南省第二测绘院
IPC: G06V10/764 , G06F18/2431 , G06N20/00 , G06N3/08 , G06V10/20 , G06V10/774 , G06V10/82 , G06V20/10
Abstract: 本发明提供一种基于多源影像的城市森林分类方法及装置，所述方法包括：获取待分类地区的多源遥感影像数据，对所述多源遥感影像数据进行预处理；获取预处理后光学遥感影像数据的光谱特征、植被指数和纹理特征，使用随机森林算法筛选出最佳特征数据集；使用预训练后的VGG16‑UNet++深度学习网络从所述最佳特征数据集中提取深层次特征输出集；使用随机森林分类器对提取到的所述深层次特征输出集进行训练，得到城市森林分类结果。该方法采用多源遥感影像作为数据源进行分类，能抑制天气变化以及地形起伏的影响，结合深度学习网络和随机森林分类器，能挖掘深层次语义信息，对抗云雾影响，提高城市森林的分类精度。
-
公开(公告)号：CN118135405A
公开(公告)日：2024-06-04
申请号：CN202410533393.6
申请日：2024-04-30
Applicant: 湖南省第二测绘院
IPC: G06V20/10 , G06T7/73 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本申请提出了一种基于自注意力机制的光学遥感影像道路提取方法及系统，所述方法包括：对获取到的光学遥感影像数据进行预处理得到训练数据集；构建基于自注意力机制的光学遥感影像道路提取网络；使用训练数据集对所述光学遥感影像道路提取网络进行训练，将经过预处理的实时光学遥感影像数据输入到训练好的提取网络中，得到实时光学遥感影像的道路提取结果。本申请解决了卷积神经网络长距离依赖关系建模能力弱与遥感影像中道路和背景的类别不平衡的共性问题，提高了遥感影像中道路对象的识别能力，通过引入改进由自注意力机制，使得所述光学遥感影像道路提取网络能够有效地提取上下文特征信息，提升了建模能力，提高道路提取的性能和鲁棒性。
-
公开(公告)号：CN117689964B
公开(公告)日：2024-05-03
申请号：CN202410151267.4
申请日：2024-02-02
Applicant: 湖南省第二测绘院
IPC: G06V10/764 , G06F18/2431 , G06N20/00 , G06N3/08 , G06V10/20 , G06V10/774 , G06V10/82 , G06V20/10
Abstract: 本发明提供一种基于多源影像的城市森林分类方法及装置，所述方法包括：获取待分类地区的多源遥感影像数据，对所述多源遥感影像数据进行预处理；获取预处理后光学遥感影像数据的光谱特征、植被指数和纹理特征，使用随机森林算法筛选出最佳特征数据集；使用预训练后的VGG16‑UNet++深度学习网络从所述最佳特征数据集中提取深层次特征输出集；使用随机森林分类器对提取到的所述深层次特征输出集进行训练，得到城市森林分类结果。该方法采用多源遥感影像作为数据源进行分类，能抑制天气变化以及地形起伏的影响，结合深度学习网络和随机森林分类器，能挖掘深层次语义信息，对抗云雾影响，提高城市森林的分类精度。
-
公开(公告)号：CN115907543A
公开(公告)日：2023-04-04
申请号：CN202211536887.7
申请日：2022-12-02
Applicant: 湖南省第二测绘院
IPC: G06Q10/0639 , G06Q50/02 , G06F18/214
Abstract: 本申请公开了一种耕地质量评价方法及相关装置，包括：通过预设遥感装置获取目标耕地的总初级生产力；通过经验贝叶斯克里金插值法对总初级生产力进行数据降尺度处理，将产品缩小到预设分辨率；通过皮尔逊乘积矩相关性确定目标耕地中作物生长的关键期及关键期的总初级生产力；建立偏最小二乘回归法计算模型，获取训练样本并利用训练样本对偏最小二乘回归法计算模型训练；将总初级生产力输入至偏最小二乘回归法计算模型中，选择耕地‑作物属性作为耕地质量反演的代表，利用贝叶斯插值模型对MODIS‑GPP进行降尺度处理，再根据对实际采样与生长期积累特点，确定作物的关键物候期，利用PLSR计算模型完成耕地质量评价。
-
Patent Agency Ranking
公开(公告)号：CN115033728B
公开(公告)日：2024-07-30
申请号：CN202210506311.X
申请日：2022-05-10
Applicant: 湖南省第二测绘院 , 中国人民解放军国防科学技术大学
Inventor： 雷帆 , 谢玲琳 , 曹里 , 杨凯钧 , 魏继德 , 吴烨 , 曾海波 , 张哲 , 熊伟 , 师俊峰 , 蒋琦 , 杨亮亮 , 贾庆仁 , 王强 , 胡芳 , 谢祥安 , 张泽旭
IPC: G06F16/583 , G06F16/58 , G06F16/55 , G06F16/51 , G06V20/13 , G06V10/762 , G06V10/764
Abstract: 本发明实施例涉及卫星影像技术领域，具体公开了全球卫星影像搜索引擎数据爬取与归一化方法及系统。本发明能够从全球各卫星官方平台实时获取最新发布的遥感卫星影像数据，并预先计算卫星轨道预测的相关数据和产品，以此来提高用户实时访问时展示卫星影像的速度，能够对获取的卫星影像大数据进行高效精准的分类，能够构建统一标准规范将海量卫星影像属性信息一致性整合，能够偏转角度校正展示标准快视图，能够可视化展示用户的兴趣区域，能够通过增加使用卫星云图辅助预测遥感卫星轨道下的覆盖区域的展示，更加有效更加准确的计算影像有效覆盖率并展示卫星影像的有效覆盖区域，通过考虑卫星的侧摆能力参数，来支持用户的自定义筛选影像功能。
-
公开(公告)号：CN118229710A
公开(公告)日：2024-06-21
申请号：CN202410509731.2
申请日：2024-04-26
Applicant: 湖南省第二测绘院
Abstract: 本申请提出了一种SAR遥感影像道路信息联合提取方法及系统，所述方法包括：获取SAR影像原始数据并进行预处理，将所述预处理图像划分为数据集和训练数据集，构建基于级联U‑Net的SAR遥感影像道路信息提取模型，使用训练集对所述SAR遥感影像道路信息提取模型进行训练，提取模型参数，然后使用测试集对所述SAR遥感影像道路信息提取模型进行验证，使用验证后的SAR遥感影像道路信息提取模型提取所述数据集中的道路路面和道路轮廓信息进行联合提取，得到道路分割和道路轮廓提取结果。本发明提出的基于级联U‑Net网络的SAR遥感影像道路信息联合提取方法在满足联合提取道路多任务信息的同时能够得到更优的分割效果和检测精度。
-
公开(公告)号：CN118097399A
公开(公告)日：2024-05-28
申请号：CN202311687829.9
申请日：2023-12-11
Applicant: 湖南省第二测绘院
IPC: G06V20/10 , G06N3/0464 , G06V10/26 , G06V10/30 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/13
Abstract: 本发明公开了适用于机器人自主协作的多模态控制算法融合方法，应用双极化SAR的GRD图像，以获得后向散射特征VV和VH；应用双极化SAR的SLC图像，以获得极化特征；应用DEM数据，以获得DEM特征；应用基于模型极化分解方法对SLC图像进行极化分解，以得到极化特征；应用特征组合方法，将SAR图像的后向散射特征和极化特征，以及DEM特征进行特征组合，共得到五个候选特征组合；应用DBO算法，寻找分割器和分类器的最优网络超参数，以构建最优CNN模型；应用DeepLabV3+作为分割器，以将水体准确地提取出来；应用特征融合方法，将提取出的水体与输入数据相结合，以构建多特征数据；应用ResNet50作为分类器，以将多特征数据中的水体分类为自然水体和人工水体。
-
公开(公告)号：CN118839761A
公开(公告)日：2024-10-25
申请号：CN202411102649.4
申请日：2024-08-13
IPC: G06N5/022 , G06N5/04 , G06F18/214
Abstract: 本发明公开了一种基于知识推理的土壤侵蚀类型预测方法，属于土壤侵蚀预测技术领域。首先，获取若干地点的已知自然资源信息，包括海拔高度、土壤类型、植被类型和土壤侵蚀类型，并定义实体和实体间的关系，构建知识图谱，根据知识图谱获取三元组；然后，构建知识推理模型，将三元组输入到知识推理模型中进行第一次知识推理，得到预测的植被类型；根据知识图谱获取以该预测的植被类型为头部实体，土壤侵蚀类型为尾部实体的所有三元组，将这些三元组进行第二次知识推理，得到预测的土壤侵蚀类型；最后，对知识推理模型进行训练，将训练后的知识推理模型作为预测模型，用于土壤侵蚀类型的预测。该方法充分利用了存储于不同数据库的自然资源信息，不仅对不同层次的实体进行建模，还对同一层次的不同实体进行建模，提高了预测准确度。
-
公开(公告)号：CN118396122B
公开(公告)日：2024-09-03
申请号：CN202410824440.2
申请日：2024-06-25
Applicant: 湖南省第二测绘院
Abstract: 本申请提出了一种针对不同自然资源的知识推理方法及装置，对处于不同数据库中的数据进行关联并构建知识图谱，并在此基础上进行知识推理，然后对所述知识推理模型进行训练，首先将待测的坐标点进行统一格式化，统一转换成经纬度形式；然后判断统一格式化后的坐标点所处地级市，根据欧氏距离最小原则得到海拔以及土族情况，其次将所述海拔以及土族情况输入至所述知识推理模型得到植被类型，将植被类型再输入至所述知识推理模型得到土壤的侵蚀类型；最后将所述训练结果使用测试集进行评估。本申请可以解决不同自然资源数据库之间的数据相关性较低，无法充分利用各种数据库进行资源管理的问题，与现有的主流推理方案相比，具有更高的预测准确度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.022 seconds)
