-
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: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。
-
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:CN113239786B
公开(公告)日:2022-09-30
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:CN114863291A
公开(公告)日:2022-08-05
申请号:CN202210416274.3
申请日:2022-04-20
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/13 , G06K9/62 , G06V10/762 , G06V10/764 , G06V10/58
Abstract: 本发明公开了一种基于MCL和光谱差异度量的高光谱影像波段选择方法,通过计算波段间的相关系数,构建波段间相关性的邻接矩阵,运用马尔可夫聚类自适应地将波段划分为多个聚簇,并基于聚类结果,设计目标类别监督下的波段差异性度量准则,选择出适于目标地物提取的波段集,最后利用监督分类算法,依据训练样本和测试样本确定最优波段数,实现目标地物的最高精度提取。其显著效果是:充分运用波段间邻近相关性和波段索引距离信息,并且考虑了噪声较大波段和坏道零值波段对聚类的影响,提高了波段聚簇划分的准确性和合理性,实现了选择最优波段和目标地物精准识别,具有解决实际问题的优势。
-
公开(公告)号:CN114821334A
公开(公告)日:2022-07-29
申请号:CN202210540282.9
申请日:2022-05-17
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区域定位和局部特征匹配的楼顶加盖违建识别方法,包括利用已有的建筑物基底矢量数据,对建筑物进行编码,并在前后两期影像上分别定位同一建筑物的楼顶区域;对定位的两期影像同一建筑物楼顶区域进行局部特征提取;基于提取的特征信息,分别构建前后期正射影像建筑物顶部区域特征向量,并计算两个特征向量之间的相似性测度;将计算得出的相似性测度作为变化阈值,提取出变化的建筑物楼顶区域,识别出楼顶加盖型违法建筑影像等步骤。其显著效果是:能够精确检测屋顶加盖型违法建筑,为该类违法建筑的行政执法提供了有力支撑。
-
-
-
-
-
-
-
-
-