-
公开(公告)号：CN117036756B
公开(公告)日：2024-04-05
申请号：CN202310994138.7
申请日：2023-08-08
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
IPC: G06V10/75 , G06V10/74 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于变分自动编码器的遥感图像匹配方法及系统，包括：步骤S1：获取遥感影像图像上的待匹配图像块；步骤S2：利用变分自编码器提取所述待匹配图像块和对应遥感影像底图的特征，获得所述待匹配图像块和所述遥感影像图像的各兴趣点集；步骤S3：将各所述兴趣点集进行特征尺度和主导方向分配；步骤S4：使用归一化互相关匹配算法对所述步骤S3中特征尺度和主导方向分配后的兴趣点集进行匹配，得到匹配度矩阵得分，根据所述匹配度矩阵得分确定最佳匹配区域。本发明提高了遥感图像匹配的精度和工作效率。
-
公开(公告)号：CN115761020A
公开(公告)日：2023-03-07
申请号：CN202211476822.8
申请日：2022-11-23
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06T9/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于神经网络自动构建的影像数据压缩方法，包括步骤：待压缩影像数据预处理；初始化神经网络种群；神经网络种群的迭代训练与更新；神经网络种群演化；导出数据完成压缩。其显著效果是：通过神经网络对影像数据进行编码和重建，将影像数据压缩存储至神经网络的参数中，大幅减少了数据占用的存储空间；具有更强的通用性和易用性，能够用于压缩各种类型、不同规模、不同复杂度的影像数据集。
-
公开(公告)号：CN115661655A
公开(公告)日：2023-01-31
申请号：CN202211368443.7
申请日：2022-11-03
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种高光谱和高分影像深度特征融合的西南山区耕地提取方法，包括步骤：制作训练样本集；构建高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络；输入所述训练样本集对高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络进行训练；采用训练后的高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络模型对待识别测试区影像进行处理，获得耕地提取结果。其显著效果是：设计了高光谱影像和高分影像协同的双输入单输出卷积神经网络，综合利用了高分辨率影像的空间结构特征和高光谱影像的光谱特征，实现了对西南山地区域耕地的精准提取，显著提高了目标提取精度。
-
公开(公告)号：CN113269223B
公开(公告)日：2022-04-22
申请号：CN202110281893.1
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN112862774B
公开(公告)日：2021-12-07
申请号：CN202110140476.5
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
Patent Agency Ranking
公开(公告)号：CN113269223A
公开(公告)日：2021-08-17
申请号：CN202110281893.1
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN113239786A
公开(公告)日：2021-08-10
申请号：CN202110510217.7
申请日：2021-05-11
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于增强学习与特征变换的遥感图像乡村别墅识别方法，包括步骤：对样本集中的遥感影像进行处理，制作训练样本；搭建乡村别墅识别与提取网络模型；将训练样本输入所述乡村别墅识别与提取网络模型，得到训练后的识别与提取网络模型；将待识别的遥感影像输入训练后的识别与提取网络模型，并将其输出的数据与待识别的遥感影像进行叠加，获得乡村别墅识别与提取结果。其显著效果是：将深度特征提取、特征金字塔网络、编码—解码转换机制、目标候选区生成、目标检测与分割过程都融入到一个端到端的深度网络模型中，对于遥感图像乡村别墅识别与提取，具有良好的识别与提取效果。
-
公开(公告)号：CN112994780A
公开(公告)日：2021-06-18
申请号：CN202110207233.9
申请日：2021-02-24
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种多源卫星影像数据接收实时监控与信息推送方法，包括步骤：首先，建立多源卫星影像数据组织格式信息表；其次，对服务器资源池进行持续动态监控，及时发现最新接收到的卫星影像；然后，基于接收的多源卫星影像及其配置文件，自动获取多源卫星影像数据信息；最后，按日自动统计影像信息并生成卫星影像接收情况简报，定时将影像简报传输至私有云并推送至相关用户手机端。其显著效果是：实现了多源卫星影像数据接收实时监控、信息自动提取与统计、卫星影像接收情况简报生成与推送，显著提高了多源卫星影像接收情况推送工作的自动化程度与效率，解决了现有工作模式中人工作业周期长、效率低、影像信息提取易漏易错等问题。
-
公开(公告)号：CN115661655B
公开(公告)日：2024-03-22
申请号：CN202211368443.7
申请日：2022-11-03
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种高光谱和高分影像深度特征融合的西南山区耕地提取方法，包括步骤：制作训练样本集；构建高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络；输入所述训练样本集对高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络进行训练；采用训练后的高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络模型对待识别测试区影像进行处理，获得耕地提取结果。其显著效果是：设计了高光谱影像和高分影像协同的双输入单输出卷积神经网络，综合利用了高分辨率影像的空间结构特征和高光谱影像的光谱特征，实现了对西南山地区域耕地的精准提取，显著提高了目标提取精度。
-
公开(公告)号：CN115019123B
公开(公告)日：2023-04-18
申请号：CN202210555496.3
申请日：2022-05-20
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
IPC: G06V10/774 , G06V10/778 , G06V10/82 , G06V10/764 , G06V20/10 , G06V20/70 , G06N3/0455 , G06N3/047 , G06N3/0895 , G06N3/091 , G06N3/096
Abstract: 本发明公开了一种遥感图像场景分类的自蒸馏对比学习方法，包括：由结构一样的教师网络和学生网络组成长程依赖捕获主干网络模块；获取遥感图像并将图像进行全局切片、局部切片、尺度对齐及数据增强，得到同一张图像的融入尺度信息的不同版本；将全局切片图像送入教师网络、将全局切片图像和尺度对齐后的局部切片图像共同送入学生网络进行自蒸馏对比学习；获得不同版本的图片表征，再经过softmax将表征转化为概率分布，训练网络使学生网络输出的概率分布尽量匹配教师网络输出的概率分布；采用自蒸馏的方式训练神经网络模型；输出场景分类结果。本发明不依赖标签和负样本，可捕捉RSI的全局语义信息，可学习到RSI的多尺度特征。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.038 seconds)
