-
公开(公告)号：CN119229319A
公开(公告)日：2024-12-31
申请号：CN202411269784.8
申请日：2024-09-11
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: G06V20/17 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种局部语义增强编码器、窗口语义增强Transformer块、航拍视频分类模型及方法。编码器包括窗口定位模块和窗口时间多头自注意力模块。窗口定位模块采用与局部窗口大小相同的无填充卷积核计算输入的视频特征的特征响应，并以此确定视频特征中特性响应最大的关键窗口区域，进而剥离出关键窗口区域内的局部视频特征。窗口时间多头自注意力模块计算出局部视频特征的窗口时间多头自注意力，并通过残差块将窗口时间多头自注意力加入视频特征中。如此不仅排除对运动信息不敏感的背景信息，避免对过长的视频序列计算自注意力所导致的计算量过高，提高了航拍视频识别的效率。还增强了航拍视频的局部运动信息，提高了后续航拍视频识别的准确率。
-
公开(公告)号：CN117315455B
公开(公告)日：2024-11-08
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：CN115761486B
公开(公告)日：2024-08-20
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：CN116342738B
公开(公告)日：2023-08-29
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。
-
公开(公告)号：CN114821334B
公开(公告)日：2023-08-04
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。
-
Patent Agency Ranking
公开(公告)号：CN113723281B
公开(公告)日：2022-07-22
申请号：CN202111001772.3
申请日：2021-08-30
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V10/26 , G06V20/13 , G06V10/764 , G06V10/77 , G06K9/62
Abstract: 本发明公开了一种基于局部自适应尺度集成学习的高分辨率影像分类方法，包括步骤：获取工作区的样本和高分辨率遥感影像；通过不同分割尺度下影像对象平均局部同质性的变化率曲线，获取若干个优选尺度分割结果；计算不同优选尺度分割结果下每个分割对象的分类特征，构建整幅影像的覆盖特征矩阵；计算覆盖特征矩阵中各个覆盖特征对于每个像元分类时的贡献度；整幅影像的局部自适应尺度的集成学习并分割影像；构建分类器对局部自适应尺度分割结果下影像对象进行集成学习并分类。其显著效果是：巧妙的避开了在基于对象分类范式中最佳分割参数的选择问题，实现了不同尺度下分类信息的集成，提高了高分率遥感影像的地物识别精度。
-
公开(公告)号：CN113469052B
公开(公告)日：2022-01-11
申请号：CN202110747982.0
申请日：2021-07-02
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/13 , G06V10/774 , G06N3/04 , G06N3/08 , G06T7/10
Abstract: 本发明公开了一种基于多尺度特征反卷积的超分辨率建筑物精细识别方法，包括步骤：制作训练样本集；构建包括编码器模块、解码器模块、多尺度特征反卷积模块、特征融合模块与类别判定模块的超分辨率语义分割卷积神经网络；输入所述训练样本集对超分辨率语义分割卷积神经网络进行训练；采用训练后的超分辨率语义分割卷积神经网络对待识别影像进行处理，获得识别结果。其显著效果是：提出了基于多尺度特征反卷积的超分辨率语义分割网络MLSRSS‑Net，综合了编码器的多尺度初级特征反卷积上采样和解码器的高级对象语义特征反卷积上采样，实现了输入为较低空间分辨率的遥感影像，输出为高空间分辨率的建筑物语义图，显著提高了目标提取精度。
-
公开(公告)号：CN112883839B
公开(公告)日：2021-10-22
申请号：CN202110140498.1
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: 本发明公开了一种基于自适应样本集构造与深度学习的遥感影像解译方法，包括步骤：对样本总集进行特征提取，并对提取的特征进行聚类，构建视觉词袋模型的特征词典，得到样本子集；构建基于深度学习网络的解译模型，并先后输入样本总集和聚类的样本子集对解译模型进行训练，分别得到总解译模型和与各样本子集相对应的子解译模型；采用总解译模型以及根据待解译遥感影像的影像特征选取的合适的若干子解译模型，对待解译遥感影像进行自适应解译。其显著效果是：通过聚类的自动化、分布式手段快速建立海量遥感影像的样本库，并利用机器深度学习技术对样本库数据进行训练，获得适应于不同场景的智能解译模型，解译精度高，鲁棒性好。
-
公开(公告)号：CN113469052A
公开(公告)日：2021-10-01
申请号：CN202110747982.0
申请日：2021-07-02
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多尺度特征反卷积的超分辨率建筑物精细识别方法，包括步骤：制作训练样本集；构建包括编码器模块、解码器模块、多尺度特征反卷积模块、特征融合模块与类别判定模块的超分辨率语义分割卷积神经网络；输入所述训练样本集对超分辨率语义分割卷积神经网络进行训练；采用训练后的超分辨率语义分割卷积神经网络对待识别影像进行处理，获得识别结果。其显著效果是：提出了基于多尺度特征反卷积的超分辨率语义分割网络MLSRSS‑Net，综合了编码器的多尺度初级特征反卷积上采样和解码器的高级对象语义特征反卷积上采样，实现了输入为较低空间分辨率的遥感影像，输出为高空间分辨率的建筑物语义图，显著提高了目标提取精度。
-
公开(公告)号：CN112016512A
公开(公告)日：2020-12-01
申请号：CN202010934966.8
申请日：2020-09-08
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反馈式多尺度训练的遥感图像小目标检测方法，包括步骤：搭建由检测模块和反馈多尺度训练模块构成的反馈式多尺度卷积神经网络，输入原始图像数据采用端到端的方式对其进行训练；所述反馈多尺度训练模块根据检测模块输出的当前迭代过程的损失计算小目标的比例值；计算所得小目标的比例值与预设阈值进行比较，当小于预设阈值时，使用拼接图像数据作为下一次迭代的输入，否则使用原始图像数据作为输入；获得已训练好的反馈式多尺度卷积神经网络，输入待检测遥感图像，输出识别结果。增强了遥感图像中小目标的检测能力，抑制了过拟合现象和类别不均衡现象，对于遥感图像中的小目标检测具有更好的效果和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.057 seconds)
