-
公开(公告)号：CN114578356B
公开(公告)日：2024-11-08
申请号：CN202210205045.7
申请日：2022-03-02
申请人： 中南大学
IPC分类号： G01S13/90 , G01B15/06 , G06T7/30 , G06N3/088 , G06N3/09 , G06N3/0455 , G06V10/774 , G06V10/82 , G06V10/764
摘要： 本公开实施例中提供了一种基于深度学习的分布式散射体形变监测方法、系统及设备，属于图像处理技术领域，具体包括：采集目标区域的多景时间序列的SAR图像；对全部SAR图像进行配准和干涉；利用配准后的SAR图像训练SAE网络，得到分类模型；使用分类模型对时域平均SAR图像进行分类，得到分类结果；根据分类结果提取与其对应的SAR图像中每个像素的同质像素，并记录每个像素的同质像素和位置索引；根据全部同质像素和位置索引进行相位优化和相干性估计后，计算InSAR监测点上的绝对参数。通过本公开实施方案，将深度学习影像分类的结果用于同质像素选择及分布式散射体形变监测，提高了InSAR点密度和形变监测精准度。
-
公开(公告)号：CN116738154A
公开(公告)日：2023-09-12
申请号：CN202310592248.0
申请日：2023-05-24
申请人： 中南大学
摘要： 本发明提供了一种InSAR地形产品的空洞自动化填补方法，包括：数据预处理；排除数据无效区域；自适应划分为低难度区域和高难度区域；对低难度区域采取自适应地理空间插值法填补空洞；对高难度区域采取自动化外部数据辅助填补空洞；采取自适应平滑过渡法实现整张地形产品内数据空洞的完整填补；自动给出并保存处理区域指示图。本发明充分利用了经典的地统计学方法克里金插值的插值效果优势，合理借鉴了外部地形数据趋势来帮助建立自身地形数据产品的一些缺失部分，自适应的平滑方法解决外部数据介入可能引起的数据不一致现象，并将上述流程以自动实施的方式组织起来，具有实现简单、处理范围大、自动化程度高等优点。
-
公开(公告)号：CN116630823A
公开(公告)日：2023-08-22
申请号：CN202310592233.4
申请日：2023-05-24
申请人： 中南大学
IPC分类号： G06V20/13 , G06V10/764 , G06T17/05 , G06F16/29
摘要： 本发明提供了一种InSAR地形产品水体高程编辑处理方法，包括：对水体掩膜进行数据预处理；对水体掩膜中的海洋进行自动化分类；对水体掩膜中剩余的湖泊和河流进行自动化分类；对海洋高程进行自动化编辑处理，计算海洋像素的大地水准面起伏高度；对湖泊高程进行自动化编辑处理；对河流高程进行自动化编辑处理；自动识别连接在一起的异类水体，并在接边位置进行高程的平滑过渡处理。本发明充分应用了不同类别的水体展现出的不同特性以及实际数据的特点，对存在噪声的InSARDSM中的水体进行高程编辑处理，在保证水体高程真实的前提下，实现各类水体的平滑处理以及异类水体接边的平滑过渡具有流程清晰、实现简单、自动化程度高等优点。
-
公开(公告)号：CN115017991A
公开(公告)日：2022-09-06
申请号：CN202210646706.X
申请日：2022-06-09
申请人： 中南大学
摘要： 本公开实施例中提供了一种极化SAR影像无监督跨域推理分类方法，属于雷达遥感影像数据处理技术领域，具体包括：步骤1，获取时序极化SAR数据，其中，所述时序极化SAR数据包括源域S的极化SAR影像标注样本和目标域T的时序B无标注极化SAR影像数据；步骤2，利用极化统计散射分量创建极化SAR地物类别SCS的语义表达；步骤3，基于SAE网络提取源域S和目标域T的特征；步骤4，基于分类概率排序与语义相似度对目标域T进行类别分类和类别推理。通过本公开的方案，利用源域少量类别的标注样本，实现无标注目标域数据中更多地物类别的推理识别，提高了适应性和分类性能。
-
公开(公告)号：CN118428737A
公开(公告)日：2024-08-02
申请号：CN202410664456.1
申请日：2024-05-27
申请人： 中南大学
IPC分类号： G06Q10/0635 , G06Q50/08 , G06T17/00 , G06T3/18
摘要： 本申请适用于点云处理技术领域，提供了一种基于InSAR点云的建筑物风险评估方法及相关设备，其中，该方法包括获取研究区域的多轨道SAR数据，提取研究区域内多个建筑物的多轨道InSAR点云；构建点云配准损失函数，对多轨道InSAR点云进行配准，得到多个建筑物中每个建筑物配准后的多轨道InSAR点云；构建三维变形分解模型，并根据三维变形分解模型和配准后的多轨道InSAR点云，计算每个建筑物的多维变形速率和多维变形时间序列；根据多维变形速率和多维变形时间序列，计算每个建筑物对应的变形特征参数；根据变形特征参数，对每个建筑物的风险等级进行评估。本申请能提高建筑物风险评估的准确性。
-
公开(公告)号：CN117456372A
公开(公告)日：2024-01-26
申请号：CN202310592259.9
申请日：2023-05-24
申请人： 中南大学
IPC分类号： G06V20/13 , G06V10/762 , G06F16/29
摘要： 本发明提供了一种InSAR地形产品建筑物高程滤除方法，包括：对提取的建筑区掩膜文件进行形态学预处理，自适应滤除建筑物高度；基于SAR强度影像与DSM数据提取建筑区地面点；对地面点的自适应高程恢复与纹理恢复，完成建筑区DEM的重建。本发明能够充分应用SAR强度影像和DSM数据，而准确提取出建筑区的地面点进行建筑区DEM的重建，同时基于建筑区地形变化特点，加入多种约束条件，进行地面点的提取以及清洗，使用自适应插值法得到不含建筑物高程信息的DEM，在此基础之上，还进行了纹理恢复与接边处理保证了DEM数据的准确性和合理性，整个方法流程结构清晰，具有实现简单、范围大、自动化程度高等优点。
-
公开(公告)号：CN116721358A
公开(公告)日：2023-09-08
申请号：CN202310592214.1
申请日：2023-05-24
申请人： 中南大学
IPC分类号： G06V20/13 , G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种InSAR地形产品建筑物提取方法，包括：数据准备及预处理；筛选样本作为训练集，特征计算，计算特征区分性，应用主成分分析进行特征融合；将特征融合后的样本输入神经网络中训练优化；进行特征计算和特征融合，利用训练好的神经网络进行特征提取；得到初步建筑物提取结果；识别出研究区域内与建筑物纹理相似的阴影、叠掩区域；将识别出的阴影、叠掩结果从初步建筑物提取结果中剔除，并筛选出部分误识别区域，分类后处理得到最终建筑物提取结果，即可实现将神经网络所提取的SAR影像纹理特征与外部地形因素将结合来提取建筑物，提高了利用SAR影像在山区等地形起伏较大区域建筑物提取的精度。
-
公开(公告)号：CN116502525A
公开(公告)日：2023-07-28
申请号：CN202310425623.2
申请日：2023-04-20
申请人： 中南大学
IPC分类号： G06F30/27 , G06V10/774 , G06V10/764 , G06T7/30 , G06N3/0442 , G06N3/08
摘要： 本公开实施例中提供了一种库岸滑坡高时频时序形变估计方法，属于测量技术领域，具体包括：利用多时相InSAR技术获取库岸滑坡的斜距向低时频时序形变测量值；组合日降雨量、库水位高度和InSAR低时频时序形变量及其各自的时间信息生成预测数据集：根据高时频水文观测与InSAR低时频时序形变值的时间不同频特征建立深度学习网络，将预测数据集划分为训练数据集和测试数据集，并将训练数据集训练嵌入滞后特征提取模块的深度学习网络，得到预测模型；经过均方根误差、平均绝对误差、平均绝对误差百分比和皮尔逊相关系数四个评价指标评估形变预测精度并调整模型最佳响应参数。通过本公开的方案，实现了高时频下的高精度预测。
-
公开(公告)号：CN114578356A
公开(公告)日：2022-06-03
申请号：CN202210205045.7
申请日：2022-03-02
申请人： 中南大学
IPC分类号： G01S13/90 , G01B15/06 , G06T7/30 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/774 , G06V10/82 , G06V10/764
摘要： 本公开实施例中提供了一种基于深度学习的分布式散射体形变监测方法、系统及设备，属于图像处理技术领域，具体包括：采集目标区域的多景时间序列的SAR图像；对全部SAR图像进行配准和干涉；利用配准后的SAR图像训练SAE网络，得到分类模型；使用分类模型对时域平均SAR图像进行分类，得到分类结果；根据分类结果提取与其对应的SAR图像中每个像素的同质像素，并记录每个像素的同质像素和位置索引；根据全部同质像素和位置索引进行相位优化和相干性估计后，计算InSAR监测点上的绝对参数。通过本公开实施方案，将深度学习影像分类的结果用于同质像素选择及分布式散射体形变监测，提高了InSAR点密度和形变监测精准度。
-
公开(公告)号：CN116977867A
公开(公告)日：2023-10-31
申请号：CN202310592218.X
申请日：2023-05-24
申请人： 中南大学
IPC分类号： G06V20/13 , G06V10/764 , G06T17/05 , G06F16/29
摘要： 本发明提供了一种InSAR‑DSM到DEM的自动编辑获取方法，该方法利用了SAR强度影像、SAR相干性信息、卫星成像信息以及可靠的公开外部数据，旨在全自动完成InSAR‑DSM到DEM的编辑处理，能够有效快速的完成InSAR‑DSM的数据异常识别与修复，并在此基础上自动识别水系与建筑区，分别针对水域、建筑区以及植被区进行自适应的高程编辑处理，在保证InSAR‑DSM数据完整的前提下，实现对水体与建筑区分别进行全自动的高程编辑，整个流程结构清晰，具有流程清晰、实现简单、处理范围大、自动化程度高等优点。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.025 秒)
