-
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：CN113011427A
公开(公告)日：2021-06-22
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：CN114266095A
公开(公告)日：2022-04-01
申请号：CN202111596399.0
申请日：2021-12-24
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06F30/13 , G06F30/20 , G06F40/30 , G06F119/02
Abstract: 本发明公开了一种基于参数化的BIM数据拉伸体轻量化方法，包括提取BIM数据中的语义信息；对提取的语义信息进行语义分析和过滤处理，合并重复构件数据和重复实体数据；基于过滤处理后的数据，分析构件的拉伸体类型，提取构件对应的拉伸实体及拉伸情况；基于构件的拉伸情况，建立参数模型，通过几何参数拟合，计算出相应的拉伸参数，获得拉伸体的参数化结果等步骤。其显著效果是：首先基于语义分析和过滤确定拉伸情况，然后通过几何拟合，根据拉伸体类型计算出相应拉伸参数，实现拉伸体的轻量化。
-
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：CN110443770A
公开(公告)日：2019-11-12
申请号：CN201910737998.6
申请日：2019-08-12
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) , 武汉大学
Inventor： 丁忆 , 李朋龙 , 连蓉 , 王亚林 , 徐永书 , 张泽烈 , 叶立志 , 胡翔云 , 胡艳 , 陈静 , 罗鼎 , 段松江 , 刘金龙 , 陈甲全 , 吴凤敏 , 王小攀 , 钱进 , 魏文杰 , 曾远文 , 李晓龙
IPC: G06T5/00
Abstract: 本发明公开了一种基于离散粗糙度估计的机载激光点云数据噪声检测方法，包括步骤：读取机载激光点云数据，并构建离散点云TIN模型；根据离散点云TIN模型，获取模型中各顶点的一环邻域、二环邻域；采用离散粗糙度估计算子，计算各点的离散粗糙度；计算各点的二环邻域离散粗糙度均值和二环邻域粗糙度标准差；计算各点的二环邻域高程均值和二环邻域高程标准差；标记噪声点。其显著效果是：提高了机载激光点云数据噪声检测的智能化程度，极大地提高了机载激光点云数据处理效率及后续处理精度。
-
Patent Agency Ranking
公开(公告)号：CN112884791B
公开(公告)日：2021-11-26
申请号：CN202110140509.6
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种构建大规模遥感影像语义分割模型训练样本集的方法，将已有的遥感影像矢量数据与多期遥感影像进行配准，并依据图斑密度分别通过滑窗算法自动切割提取初级样本集；对初级样本集中每一张图像进行特征提取，并采用聚类算法进行分类，剔除图像质量不佳的样本，获得中间样本集；将中间样本集分批次输入语义分割模型进行迭代优化训练，并在每次迭代优化完成后对样本进行预测，剔除中间样本集中的错误样本，获得目标样本集。其显著效果是：能够避免生成整幅影像且占用空间极大的掩膜，减少滑窗的滑动次数，提高样本的提取速度与数据质量；提高了正确样本在样本集中的纯度，大幅降低了制作大规模样本集的成本。
-
公开(公告)号：CN112395794B
公开(公告)日：2021-06-01
申请号：CN202011285701.6
申请日：2020-11-17
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剖分技术的参数化边坡模型自动构建方法，包括步骤获取边坡计算的范围面；对边坡计算的范围面进行格网化分割；对格网化分割后的微分单元进行逐单元剖分运算，获得各微分单元的投影面与该投影面属性；基于各微分单元的投影面属性，构建三维体块单元；验证各三维体块单元的顶点重合误差，对体块单元进行合并构建完整的边坡模型。其显著效果是：不受数据类型、边坡设计类型限制，能减少60％‑70％的时间；便于直观快速得到方案效果，发现设计方案缺陷，降低方案调整频次。
-
公开(公告)号：CN110232288B
公开(公告)日：2020-10-30
申请号：CN201910553420.5
申请日：2019-06-25
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: 本发明公开了一种地理信息数据复合加密系统，从下往上分别设置有IT基础设施层、数据层、逻辑层和应用层，其中所述IT基础设施层用于为系统提供基础设备，保障系统的正常运行；所述数据层用于为系统提供数据文件的存储和查询，所述数据文件包括密钥与操作日志；所述逻辑层用于提供应用层中各种处理业务逻辑的接口；所述应用层用于基于当地地理信息主管部门加密系统与圆周率智能锁系统，利用混合加密算法，实现地理信息数据的复合加解密；所述应用层包括复合加密管理模块、复合加密密码模块、复合加密授权模块、复合加密日志模块、复合加密功能库模块。其显著效果是：实现了地理信息数据双系统复合加密，显著提高了地理信息数据的安全性。
-
公开(公告)号：CN110443816A
公开(公告)日：2019-11-12
申请号：CN201910729774.0
申请日：2019-08-08
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) , 武汉大学
Inventor： 胡艳 , 李朋龙 , 连蓉 , 王亚林 , 张泽烈 , 徐永书 , 李怡静 , 胡翔云 , 丁忆 , 罗鼎 , 段松江 , 吴凤敏 , 王小攀 , 陈静 , 钱进 , 范文武 , 刘建 , 李晓龙 , 郑中 , 谭攀
Abstract: 本发明公开了一种基于道路交叉口检测的遥感影像上城市道路提取方法，包括步骤：建立道路交叉口模型，基于遥感影像提取初始道路线；对初始道路线进行求交运算提取初始道路交叉点，并构建初始道路网络；基于影像分割和交叉口轮廓形状分析法对初始道路交叉点进行检测与验证，获取交叉点的类型及其连通的道路方向；根据交叉点的类型选取正确的交叉点，结合其连通的道路方向，构建目标城市道路网络。其显著效果是：基于道路交叉口提取城市道路，为城市道路网提取提供了稳定可靠的提取结果，完整度、准确率更高，有效克服了现有技术中算法不具备普适性、对道路特征和地物情况要求较高等不足。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.046 seconds)
