SAR干涉图小波降噪处理方法及其处理装置

    公开(公告)号:CN114355348B

    公开(公告)日:2022-11-08

    申请号:CN202210020853.6

    申请日:2022-01-10

    IPC分类号: G01S13/90

    摘要: 本发明提供了一种SAR干涉图小波降噪处理方法,包括:确定SAR干涉图中的信号点和噪声点,构建噪点识别矩阵,仅对噪声点进行滤波降噪处理;提取出含有噪声的干涉图数据,分解为实部和虚部,利用Biorthogonal小波基对实部和虚部分别进行小波分解,并采用白化检验的方式使小波分解的层数达到最优;利用改进的小波阈值函数和Birge‑Massart惩罚函数自适应获取的分层阈值对小波系数进行降噪处理;对滤波降噪后的实部和虚部进行小波重构,获取滤波降噪后的干涉图,并结合SAR干涉图中的信号点,获取最终的降噪干涉图。本发明还提供了一种SAR干涉图小波降噪处理装置。该发明既能够有效降噪,又能够保持边缘细节信息。

    SAR干涉图小波降噪处理方法及其处理装置

    公开(公告)号:CN114355348A

    公开(公告)日:2022-04-15

    申请号:CN202210020853.6

    申请日:2022-01-10

    IPC分类号: G01S13/90

    摘要: 本发明提供了一种SAR干涉图小波降噪处理方法,包括:确定SAR干涉图中的信号点和噪声点,构建噪点识别矩阵,仅对噪声点进行滤波降噪处理;提取出含有噪声的干涉图数据,分解为实部和虚部,利用Biorthogonal小波基对实部和虚部分别进行小波分解,并采用白化检验的方式使小波分解的层数达到最优;利用改进的小波阈值函数和Birge‑Massart惩罚函数自适应获取的分层阈值对小波系数进行降噪处理;对滤波降噪后的实部和虚部进行小波重构,获取滤波降噪后的干涉图,并结合SAR干涉图中的信号点,获取最终的降噪干涉图。本发明还提供了一种SAR干涉图小波降噪处理装置。该发明既能够有效降噪,又能够保持边缘细节信息。

    服务设施可达性的评估方法、装置、电子设备和存储介质

    公开(公告)号:CN115545566B

    公开(公告)日:2023-12-08

    申请号:CN202211489064.3

    申请日:2022-11-25

    IPC分类号: G06Q10/0631 G06Q50/26

    摘要: 本发明实施例公开了服务设施可达性的评估方法、装置、电子设备和存储介质。所述方法,包括:确定目标区域中每个服务设施所服务的至少一个服务需求区域,以及确定目标区域中每个服务需求区域所对应的至少一个服务设施;获取每个服务设施的供给规模数据、竞争权重以及每个服务需求区域的需求规模数据,竞争权重用于表示所述服务设施的受欢迎程度;根据每个服务设施的供给规模数据、竞争权重以及每个服务设施所服务的所述至少一个服务需求区域的需求规模数据,确定每个服务设施的供需比;根据每个服务需求区域所对应的所述至少一个服务设施的供需比,确定每个服务需求区域的服务设施可达性。基于该方法,其可以提高对于服务设施可达性评估的准确性。

    基于自回归差分移动平均-卷积神经网络的识别交通指数时间序列的方法

    公开(公告)号:CN112330158B

    公开(公告)日:2023-10-13

    申请号:CN202011231975.7

    申请日:2020-11-06

    摘要: 本发明涉及一种基于自回归差分移动平均‑卷积神经网络的识别交通指数时间序列的方法,包括:获取交通指数原始数据集,生成交通指数时间序列;将所述交通指数时间序列转化为平稳序列,再根据贝叶斯信息准则矩阵拟合自回归差分移动平均算法模型,实现交通指数预测;根据所述交通指数原始数据集,生成训练交通指数时间序列和测试交通指数时间序列,根据所述训练交通指数时间序列提取交通指数特征信息,获取最佳卷积神经网络模型,利用所述最佳卷积神经网络模型将所述交通指数特征信息整合成一维特征向量,再根据Softmax分类器确定所述一维特征向量的模式类别,进而识别测试交通指数时间序列所属的类别。

    基于自回归差分移动平均-卷积神经网络的识别交通指数时间序列的方法

    公开(公告)号:CN112330158A

    公开(公告)日:2021-02-05

    申请号:CN202011231975.7

    申请日:2020-11-06

    摘要: 本发明涉及一种基于自回归差分移动平均‑卷积神经网络的识别交通指数时间序列的方法,包括:获取交通指数原始数据集,生成交通指数时间序列;将所述交通指数时间序列转化为平稳序列,再根据贝叶斯信息准则矩阵拟合自回归差分移动平均算法模型,实现交通指数预测;根据所述交通指数原始数据集,生成训练交通指数时间序列和测试交通指数时间序列,根据所述训练交通指数时间序列提取交通指数特征信息,获取最佳卷积神经网络模型,利用所述最佳卷积神经网络模型将所述交通指数特征信息整合成一维特征向量,再根据Softmax分类器确定所述一维特征向量的模式类别,进而识别测试交通指数时间序列所属的类别。

    基于倾斜航空影像的建筑物纹理提取方法

    公开(公告)号:CN109816708B

    公开(公告)日:2021-02-02

    申请号:CN201910091945.1

    申请日:2019-01-30

    摘要: 本发明公开了一种基于倾斜航空影像的建筑物纹理提取方法,包括:获取建筑物的垂直影像和倾斜影像;根据双重约束模型从建筑物的垂直影像中筛选出建筑物的顶部最佳纹理源,双重约束模型包括:纹理区域是否在垂直影像中心和纹理区域是否完整;根据多重组合约束模型从建筑物的倾斜影像中筛选出建筑物的立面最佳纹理源,多重组合约束模型包括:立面纹理面在倾斜影像上的可见性、建筑物的倾斜影像是否完全包含立面纹理面和立面纹理面在倾斜影像上的投影面积是否为最大;从筛选出的建筑物顶部最佳纹理源和建筑物立面最佳纹理源中检测提取出建筑物的纹理轮廓线。该方法能够精确定位最佳的纹理影像源,能够精确定位与提取建筑物纹理信息的准确位置。

    一种基于GIS的交通控制方法

    公开(公告)号:CN106355871A

    公开(公告)日:2017-01-25

    申请号:CN201610896138.3

    申请日:2016-10-14

    IPC分类号: G08G1/00

    CPC分类号: G08G1/202

    摘要: 本发明提供了一种基于GIS的交通控制方法,包括:步骤100,获取应急救援车辆的GIS信息;步骤200,获取需进行应急救援的事件区域信息;步骤300,选择可用的应急救援车辆;步骤400,对应急救援车辆的任务区域进行划分;步骤500,计算每辆应急救援车的救援路线;步骤600,预估每辆应急救援车的救援时间,根据预估的救援时间对应急救援路线进行调整。本发明可以根据应急救援车辆的GIS信息以及需进行应急救援的事件区域信息自动分配应急救援任务,提高了应急救援效率,保证了人民生命和财产安全。

    基于上下文时间关系的事件因果关系抽取方法和装置

    公开(公告)号:CN118733783A

    公开(公告)日:2024-10-01

    申请号:CN202410622384.4

    申请日:2024-05-20

    发明人: 张学东 李兆文

    摘要: 本发明公开了基于上下文时间关系的事件因果关系抽取方法和装置,包括:对城市地下空间灾害中文文本数据进行因果关系标注,将进行了因果关系标注的灾害中文文本数据输入BERT‑BiLSTM‑CRF模型,完成对城市地下空间灾害事件因果关系的抽取;当BERT‑BiLSTM‑CRF模型中的BERT层输出词向量时,将时间实体的编码向量与BERT层输出的词向量进行拼接操作得到包含时间关系的词向量,然后再将包含时间关系的词向量输入BiLSTM层进行处理。本发明提出了融合时间特征矩阵的BERT‑BiLSTM‑CRF模型因果关系抽取方法,提升了城市地下空间灾害事件因果关系识别的精度,提高因果关系抽取的准确性和可靠性。

    基于向量约束的OD流聚类方法

    公开(公告)号:CN110598755B

    公开(公告)日:2022-07-15

    申请号:CN201910764133.9

    申请日:2019-08-19

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于向量约束的OD流聚类方法,包括:步骤一、获取OD流数据集;从每个OD流中提取一个事件点,用于表示该OD流的空间位置;利用每个OD流的O点地理坐标和D点地理坐标计算每个OD流的向量,利用向量表示该OD流;步骤二、采用基于划分的聚类算法基于事件点的空间特征距离对所有OD流进行聚类,从而将所有OD流划分为多个空间簇;步骤三、采用基于划分的聚类算法基于向量的几何特征距离分别对每个空间簇所包含的OD流进行聚类,从而将每个空间簇所包含的OD流划分为多个向量簇。本发明简化了OD流相似度计算的复杂性,优化了聚类过程中的特征矩阵维度,更加关注OD流的整体空间分布与运动趋势。

    一种用于影像序列椭圆形人工目标点快速识别与跟踪方法

    公开(公告)号:CN103593849B

    公开(公告)日:2017-02-01

    申请号:CN201310611510.8

    申请日:2013-11-26

    IPC分类号: G06T7/00 G06T5/30

    摘要: 本发明涉及图像的识别与跟踪领域,尤其涉及一种用于影像序列椭圆形人工目标点快速识别与跟踪方法,包括:获取影像序列初始相位中椭圆形人工目标点的初始像素坐标,得到包含初始像素坐标的影像块并作为跟踪目标点;增强影像块的对比度;进行边缘检测;利用集成数学形态学和椭圆几何特征属性消除不符合要求的边缘要素,得到椭圆形轮廓的像素坐标集;采用最小二乘非线性最优化Levenberg-Marquardt方法拟合,得到椭圆形中心点的亚像素坐标,进而得到影像序列下一相位中椭圆形人工目标点的初始像素坐标和影像块,直至跟踪至影像序列的最后相位的影像块。本发明所述的方法降低了影像序列数据处理量,提高了图像的识别和跟踪效率。