-
公开(公告)号：CN108489480A
公开(公告)日：2018-09-04
申请号：CN201810222310.6
申请日：2018-03-19
Applicant: 中国林业科学研究院资源信息研究所
IPC: G01C21/00
Abstract: 本发明的第一方面提供了一种飞机航迹直线转弯检测方法，包括获取航迹数据步骤、方位角差值计算步骤、方位角差值求和步骤、第一航迹判断步骤、第一水平距离计算步骤、第二航迹判断步骤、第二水平距离计算步骤、第三航迹判断步骤和终止步骤，通过有效地将航迹分段，通过阈值控制从而提取直线段和转弯段，进而灵活地控制直线段和转弯段的形状。
-
公开(公告)号：CN108021532A
公开(公告)日：2018-05-11
申请号：CN201711088556.0
申请日：2017-11-08
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06F17/10
Abstract: 本发明公开了一种基于体积分割求解多重积分的龙贝格改进算法，首先详细地介绍了该新算法的理论，接着提出了用该算法求解定积分和无穷积分的具体步骤，最后利用了大量实例对该算法进行验证，并用多种求解数值积分方法与之比较，结果表明：该算法不管是求解定积分还是无穷积分收敛速度快，计算机运算时间短，计算一重积分迭代6次时积分误差减少到10‑12，计算多重积分迭代10次时积分误差能达到10‑14，接近真实值；通过与多种数值积分算法比较可知该算法明显优于这些算法，具有良好的实用性，并且该算法已被Forstat统计软件应用。本发明的有益效果是，能保证相当高的精确度，但对计算速度有一定的影响。
-
公开(公告)号：CN118155075B
公开(公告)日：2024-11-15
申请号：CN202410354602.0
申请日：2024-03-26
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/40 , G06V10/766 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于半监督深度学习的植被遥感图像处理方法及系统，其中方法包括采集植被的原图数据，得到数据集，其中原图数据为遥感图像形式；对数据集进行特征提取，得到相关性特征；对相关性特征进行特征回归操作，得到初始密度分布图；优化初始密度分布图，得到最终密度分布图，完成植被遥感图像的处理。本发明能够有效地提取复杂的植被纹理特征，通过捕捉植被的轮廓信息，提高了密度分布图预测的准确性；同时还通过密度图预测原始输入图像的植被密度分布，进而实现单木的分割和计数，解决了传统方法精准度不高，适应性较差，标注成本高的问题。还可以对参数进行轻量级微调，适应复杂植被生长环境中的任务场景。
-
公开(公告)号：CN118941791A
公开(公告)日：2024-11-12
申请号：CN202410987058.3
申请日：2024-07-23
Applicant: 南京林业大学
IPC: G06V10/26 , G06V20/13 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于视觉结构信息指导的遥感图像语义分割方法，包括如下操作：选取遥感数据集和树木测绘数据集作为实验数据集；基于所述实验数据集，选取视觉基础模型，通过所述视觉基础模型从所述实验数据集的遥感图像中提取视觉结构图像；基于所述视觉结构图像，构建特征共嵌入模块提取所述视觉结构图像中的视觉特征图像；基于所述视觉特征图像，构建结构启发式特征融合模块对所述视觉特征图像进行特征融合和结构预测，得到处理后的实验数据集；构建目标损失函数对所述处理后的实验数据集进行预测。本发明方法通过视觉模型提取结构图像，构建模块提取并融合特征，并对处理后的数据集进行预测，从而可以提高遥感图像分割的准确率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117437562A
公开(公告)日：2024-01-23
申请号：CN202311625016.7
申请日：2023-11-30
Applicant: 南京林业大学
IPC: G06V20/17 , G06V20/10 , G06V10/20 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及森林火灾进行早期预防和检测技术领域，具体为一种基于无人机遥感图像的野外烟火快速检测方法，包括无人机采集火灾后的遥感图像；对无人机采集的遥感图像输入到YOLOv5模型的解码器进行数据预处理，获取其中的显著烟火目标的遥感图像。本发明，采取了一种新型的单阶段anchor‑free结构ObjectBox，平等对待不同级别尺度的目标，提升模型识别正确样本的能力；采用视觉注意力机制SimAM，加强关注网络感兴趣区域，提高模型识别小目标的准确率；同时引入新的模块Bot，它可以有效地减少模型的训练参数，提高训练效率，本发明的目标检测模型在无人机遥感场景下野火、烟雾目标，均取得了最佳的检测效果，且具有很强的实时性，可实际部署在无人机森林火灾预警系统。
-
公开(公告)号：CN118941791B
公开(公告)日：2025-02-07
申请号：CN202410987058.3
申请日：2024-07-23
Applicant: 南京林业大学
IPC: G06V10/26 , G06V20/13 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于视觉结构信息指导的遥感图像语义分割方法，包括如下操作：选取遥感数据集和树木测绘数据集作为实验数据集；基于所述实验数据集，选取视觉基础模型，通过所述视觉基础模型从所述实验数据集的遥感图像中提取视觉结构图像；基于所述视觉结构图像，构建特征共嵌入模块提取所述视觉结构图像中的视觉特征图像；基于所述视觉特征图像，构建结构启发式特征融合模块对所述视觉特征图像进行特征融合和结构预测，得到处理后的实验数据集；构建目标损失函数对所述处理后的实验数据集进行预测。本发明方法通过视觉模型提取结构图像，构建模块提取并融合特征，并对处理后的数据集进行预测，从而可以提高遥感图像分割的准确率和鲁棒性。
-
公开(公告)号：CN118155075A
公开(公告)日：2024-06-07
申请号：CN202410354602.0
申请日：2024-03-26
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/40 , G06V10/766 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于半监督深度学习的植被遥感图像处理方法及系统，其中方法包括采集植被的原图数据，得到数据集，其中原图数据为遥感图像形式；对数据集进行特征提取，得到相关性特征；对相关性特征进行特征回归操作，得到初始密度分布图；优化初始密度分布图，得到最终密度分布图，完成植被遥感图像的处理。本发明能够有效地提取复杂的植被纹理特征，通过捕捉植被的轮廓信息，提高了密度分布图预测的准确性；同时还通过密度图预测原始输入图像的植被密度分布，进而实现单木的分割和计数，解决了传统方法精准度不高，适应性较差，标注成本高的问题。还可以对参数进行轻量级微调，适应复杂植被生长环境中的任务场景。
-
公开(公告)号：CN118115895A
公开(公告)日：2024-05-31
申请号：CN202410004334.X
申请日：2024-01-03
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于自注意力机制的航空林火图像识别方法，包括以下步骤：通过无人机采集林火视频数据，通过数据预处理进而构建样本数据集，并按比例划分为训练集和测试集；选用10层ViT为主干网络构建航空林火图像识别模型，采用交叠滑动窗口方式将训练集中的航空林火图像序列化展开，且嵌入位置信息后作为第1层ViT的输入；通过多头自注意力和多层感知器机制批量嵌入第10层ViT来提取前9层ViT的区域选择模块；采用对比特征学习策略，构建目标损失函数对所述航空林火图像识别模型进行训练和优化，通过测试集评估模型性能。本发明具有较好泛化能力和鲁棒性，对提高火情、火险应对处置能力和效率及预防森林火灾发生具有重要意义。
-
公开(公告)号：CN306810671S
公开(公告)日：2021-09-07
申请号：CN202130314716.X
申请日：2021-05-25
Applicant: 中国林业科学研究院资源信息研究所 , 上海华测导航技术股份有限公司
Abstract: 1.本外观设计产品的名称：激光雷达。
2.本外观设计产品的用途：用于卫星信号、点数据采集。
3.本外观设计产品的设计要点：在于形状与图案的结合。
4.最能表明设计要点的图片或照片：设计1立体图。
5.各个设计的仰视图均无设计要点，省略各个设计的仰视图。
6.指定设计1为基本设计。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.037 seconds)
