-
公开(公告)号：CN113159122A
公开(公告)日：2021-07-23
申请号：CN202110280016.2
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: 本发明公开了基于社交媒体图像数据的城市风貌分析方法，方法包括：获取社交媒体图像数据；对数据集的样本进行分类和去除噪声；使用卷积神经网络进行风貌学习；对样本不平衡问题进行处理；进行迁移学习；对风貌特征进行聚类；计算城市间的风貌距离；分析城市间的风貌相似性及城市的细粒度风貌。本发明将城市风貌编码为一组向量；解决了社交媒体图像分布的不均衡问题；利用城市风貌向量定义了城市风貌距离，使用该距离能分析出不同城市如何表象出风貌相似和风貌相近的，能分析出风貌距离和地理距离的相关性；使用城市风貌向量为嵌入向量的聚类方法，能够更细致地发现城市细粒度风貌。
-
公开(公告)号：CN111008603A
公开(公告)日：2020-04-14
申请号：CN201911246128.5
申请日：2019-12-08
Applicant: 中南大学 , 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)
Inventor： 李朋龙 , 丁忆 , 连蓉 , 马泽忠 , 李晓龙 , 罗鼎 , 肖禾 , 段松江 , 王岚 , 王亚林 , 钱进 , 刘朝晖 , 王小攀 , 魏文杰 , 谭攀 , 曾远文 , 张灿 , 范文武 , 秦成 , 张斌
Abstract: 本发明公开了一种面向大尺度遥感图像的多类目标快速检测方法，包括以下步骤：将大比例尺遥感图像进行裁剪，并通过重新缩放和旋转来增强数据；利用具有串联线性整流函数模块和Inception模块的卷积特征提取器，将所得的图像数据作为输入并输出多个级别的特征；构建多尺度目标提议网络，并利用多尺度目标提议网络将卷积特征提取器输出的特征生成类似目标区域预测框；构建基于融合特征映射的精确目标检测网络，输入带有类似目标区域预测框的图像，利用精确目标检测网络实现精确的目标检测，输出检测结果。实现了具有大尺度变化的遥感图像中的多类目标自动检测，使得对遥感图像的多目标的实时检测成为可能。
-
公开(公告)号：CN117315455A
公开(公告)日：2023-12-29
申请号：CN202310046948.X
申请日：2023-01-31
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)
Abstract: 本发明通过高分辨的遥感影像设计云信息表征指数、自适应阈值分割初步提取云体、几何特征过滤非云对象和提纯云体、设计形态学滤云算子进一步提纯精化，最后通过云体栅格转为矢量并统计云量实现检测，相比于机器学习和深度学习云检测方法对样本数据的依赖，本发明人工参与少、自动化程度高、检测结果具有显著的云团几何形态优势，仅利用云层的亮度和几何形态特征，实现对高分辨率遥感影像自动化精准云检测，检测过程简单，可为高分辨率影像的质量检查、无云影像筛选，以及云覆盖区域的影像补采、填补生成无云影像等生产工序提供支撑，具有较强的泛化性和实用性。
-
公开(公告)号：CN117036756A
公开(公告)日：2023-11-10
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：CN116342738A
公开(公告)日：2023-06-27
申请号：CN202310083918.6
申请日：2023-01-31
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)
Abstract: 本发明提供一种基于GIS的禁捕矢量范围自动提取和图示制作方法，包括：通过获取制图区域范围内的河流数据、禁捕范围起止点和制图数据，对禁捕范围起止点进行矢量化，并合并获取的河流数据，得到有效河流数据，根据有效河流数据提取并简化目标河流中心线，根据禁捕范围起止点与目标河流中心线，获取对应的两条垂线，并基于两条垂线对有效河流数据进行裁剪，得到禁捕矢量范围，构建制图模板，设置地图制图参数，确定地图的分割单元，在分割单元中，结合禁捕矢量范围和制图参数，基于制图模板生成禁捕范围图示。本发明能够实现禁捕矢量范围的快速准确提取，获取精准的禁捕范围图示，简化了禁捕范围图示的生成方法，提高了工作效率。
-
Patent Agency Ranking
公开(公告)号：CN115761486A
公开(公告)日：2023-03-07
申请号：CN202211420265.8
申请日：2022-11-15
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明提供一种基于多期稻田影像特征的水稻种植区判定方法和系统，其中，方法包括：获取水稻的耕作制度和物候信息，确定水稻收割后及种植初期和/或灌浆期的至少两个特定时期，获取多期初始遥感影像并进行预处理，得到第一期遥感影像、第二期遥感影像和/或第三期遥感影像；获取水田矢量数据，对第一期遥感影像进行空间约束，结合第一期遥感影像呈现的纹理和光谱特征，判定初始水稻种植区；根据第二期遥感影像和/或第三期遥感影像呈现的光谱特征，判定水稻干扰区；基于空间叠加技术，在初始水稻种植区中剔除水稻干扰区，获取目标水稻种植区。本发明实现了在复杂山地背景下对水稻种植区的精准判定，且能够得到便于识别和管理的水稻种植区范围。
-
公开(公告)号：CN113011427B
公开(公告)日：2022-06-21
申请号：CN202110285256.1
申请日：2021-03-17
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了基于自监督对比学习的遥感图像语义分割方法，包括以下步骤：构建语义分割网络模型(如Deeplab v3+)；采用无标注数据对所述网络模型的编码器进行预训练；预训练完成后，在标注样本上对所述网络模型进行有监督语义分割训练；采用有监督语义分割训练完成的网络模型对遥感图像进行语义分割；在预训练的过程中，采用全局风格对比和局部匹配对比结合的方式进行对比学习。本发明将对比自监督学习应用于到了遥感语义分割数据集，提出了全局风格和局部匹配对比学习框架，形成了基于自监督对比学习的遥感图像语义分割方法，使得语义分割方法的适用面更广，分割效果更好。
-
公开(公告)号：CN112994780B
公开(公告)日：2021-09-14
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：CN112017178A
公开(公告)日：2020-12-01
申请号：CN202010936212.6
申请日：2020-09-08
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06T7/00
Abstract: 本发明公开了一种基于双时相差值图像法的遥感图像区域变化检测方法，包括步骤：构建包括差值图像生成模块、特征提取网络、提案区生成网络、对齐层与变化区域检测模块的卷积神经网络模型，输入训练样本数据，初始化并采用端到端的方式训练卷积神经网络模型；输入待检测遥感图像，获得变化区域检测结果。其显著效果是：有效解决了出现错误变化、伪变化的问题；减少了池化带来的特征不重合，能够大大地提高了检测精度和kappa系数。
-
公开(公告)号：CN110991359A
公开(公告)日：2020-04-10
申请号：CN201911243932.8
申请日：2019-12-06
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)
Inventor： 丁忆 , 李朋龙 , 曾安明 , 李晓龙 , 马泽忠 , 肖禾 , 罗鼎 , 段松江 , 胡艳 , 王岚 , 陈静 , 刘金龙 , 刘朝晖 , 魏文杰 , 谭攀 , 范文武 , 林熙 , 刘建 , 叶涛 , 袁力
Abstract: 本发明公开了一种基于多尺度深度卷积神经网络的卫星图像目标检测方法，包括步骤收集卫星图像训练数据集，并进行样本标注；对卫星图像训练数据集进行预处理；搭建多尺度深度卷积神经网络；将预处理后的训练数据集输入到基于所述多尺度深度卷积神经网络的目标检测框架进行训练，获得训练好的目标检测神经网络；输入待检测卫星图像集，采用训练好的所述目标检测神经网络进行目标检测，输出识别结果。其显著效果是：提高了网络对于细粒度特征的检测结果以及区分不同物体的能力，改善了对于小物体和密集物体群的检测效果，具有更强的鲁棒性，有效地提高了目标检测效率，降低了硬件需求。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.06 seconds)
