-
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
发明人： 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
摘要： 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：CN111008603B
公开(公告)日：2023-04-18
申请号：CN201911246128.5
申请日：2019-12-08
发明人： 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
IPC分类号： G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
摘要： 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：CN110443816A
公开(公告)日：2019-11-12
申请号：CN201910729774.0
申请日：2019-08-08
发明人： 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
摘要： 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：CN117315455A
公开(公告)日：2023-12-29
申请号：CN202310046948.X
申请日：2023-01-31
摘要： 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
IPC分类号： G06V10/75 , G06V10/74 , G06V10/82 , G06N3/0455
摘要： 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：CN110348383B
公开(公告)日：2020-07-31
申请号：CN201910625253.0
申请日：2019-07-11
发明人： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
摘要： 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
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
发明人： 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
摘要： 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。
-
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
摘要： 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：CN110443770A
公开(公告)日：2019-11-12
申请号：CN201910737998.6
申请日：2019-08-12
发明人： 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分类号： G06T5/00
摘要： 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。
-
公开(公告)号：CN117011698A
公开(公告)日：2023-11-07
申请号：CN202310753327.5
申请日：2023-06-25
IPC分类号： G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06V20/70 , G06V10/82
摘要： 本发明公开了一种多维度和多模型的地表全覆盖解译样本集评价方法，步骤1：构建地表覆盖解译样本集评价指标；步骤2：建立指标打分模型和泛化性评价模型；步骤3：将待评价样本集分别训练指标打分模型和泛化性评价模型，指标打分模型得到各评价指标得分；步骤4：对各评价指标得分进行交叉综合分析并加权计算得出指标评分；步骤5：构建泛化性评估测试数据集；步骤6：在泛化性评估测试数据集对泛化性评价模型进行测试，得到泛化性评分；步骤7；建立指标评分和泛化性评分的评级，若评级不同，则取较低评级为最终样本集评价。本发明从样本集自身特性和模型训练泛化性两个角度出发，使得地表覆盖解译样本集的评价更加有效、客观。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.06 秒)
