-
公开(公告)号：CN119250680A
公开(公告)日：2025-01-03
申请号：CN202410895471.7
申请日：2024-07-05
IPC: G06Q10/0835 , G06Q50/26 , G06Q10/047 , G06Q10/0631 , G06F16/29 , G06F16/2458 , G06N3/0455 , G06N3/0464 , G06V20/10 , G06V10/82
Abstract: 本发明涉及人工智能技术领域，尤其涉及一种基于农村生活垃圾空间分布特征的收运系统优化方法。步骤为：(1)遥感影像识别：采用D‑LinkNet模型识别提取农村地区典型的地类影像；(2)住户区域分区：根据住户空间聚集程度，采用优化热点分析方法，将住户区域分成高聚集，中聚集和分散三种空间聚集形态；(3)收集点选址：构建住户面积与垃圾产量关系函数，采用多重K均值聚类算法，对三种空间聚集形态住户点进行聚类，设置缓冲距离，优化确定垃圾收集点的位置；(4)收运路径优化：基于三种空间聚集形态区域的收运需求，以收运路径最短为目标，采用遗传算法，求解最优的垃圾收运路径方案，实现农村生活垃圾收运系统的科学规划，减少收运成本及环境污染。
-
公开(公告)号：CN119888469A
公开(公告)日：2025-04-25
申请号：CN202411714252.0
申请日：2024-11-27
Applicant: 成都理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/26 , G06V20/13 , G06V10/762 , G06V10/774 , G06T3/4053 , G06T7/11 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N5/01 , G06N20/00
Abstract: 本发明公开了一种基于高分辨率遥感影像的城市绿地精细分类方法，包括以下步骤：S1：获取VHR影像和月度Sentinel‑2遥感时序数据；S2：根据VHR影像和月度Sentinel‑2遥感时序数据获得绿地边界样本和绿地类型样本；S3：对绿地边界样本进行地块语义分割获得城市绿地地块，并进行地块超像素分割获得超像素地块，由此获得绿地候分类地块；S4：对绿地类型样本进行地块时序特征提取获得时序特征像素；S5：对绿地候分类地块进行形态学特征计算获得地块形态学特征子集，对时序特征像素进行特征工程提取获得地块时序元特征子集；S6：采用分类器进行城市绿地精细类别分类，获得分类结果。本发明能够对城市绿地准确地进行精细类别分类，为未来城市绿地管理和生态保护提供技术支持。
-
公开(公告)号：CN113111794B
公开(公告)日：2022-07-01
申请号：CN202110413753.5
申请日：2021-04-16
Applicant: 成都理工大学
IPC: G06V20/10 , G06V10/774 , G06N3/04
Abstract: 本发明公开了一种面向图斑的高分辨率年度城市绿地遥感信息提取方法，包括以下步骤：获取某一年份的Google Earth高分辨率影像，根据所述Google Earth影像采集城市绿地样本；采用深度学习的方法对所述样本进行模型训练，应用训练好的模型对Google Earth影像进行分类处理，获得初始高分辨率绿地图斑；获取所述某一年份中逐月的多光谱影像；根据所有月份的多光谱影像计算月度归一化植被指数，获得年度多光谱绿地图斑；矢量化所述初始高分辨率绿地图斑和年度绿地图斑，然后对两种图斑进行空间关系分析；根据空间关系分析结果对所述初始高分辨率绿地图斑进行修正，获得修正后的年度绿地图斑。本发明能够实现精度稳定且高效的高分辨率的年度城市绿地信息的准确提取。
-
公开(公告)号：CN113111794A
公开(公告)日：2021-07-13
申请号：CN202110413753.5
申请日：2021-04-16
Applicant: 成都理工大学
Abstract: 本发明公开了一种面向图斑的高分辨率年度城市绿地遥感信息提取方法，包括以下步骤：获取某一年份的Google Earth高分辨率影像，根据所述Google Earth影像采集城市绿地样本；采用深度学习的方法对所述样本进行模型训练，应用训练好的模型对Google Earth影像进行分类处理，获得初始高分辨率绿地图斑；获取所述某一年份中逐月的多光谱影像；根据所有月份的多光谱影像计算月度归一化植被指数，获得年度多光谱绿地图斑；矢量化所述初始高分辨率绿地图斑和年度绿地图斑，然后对两种图斑进行空间关系分析；根据空间关系分析结果对所述初始高分辨率绿地图斑进行修正，获得修正后的年度绿地图斑。本发明能够实现精度稳定且高效的高分辨率的年度城市绿地信息的准确提取。
-
公开(公告)号：CN111445569B
公开(公告)日：2023-04-14
申请号：CN201911190273.6
申请日：2019-11-28
Applicant: 成都理工大学
Abstract: 本发明涉及一种沉积地质演化动态模拟方法，通过GIS算法对沉积图件和地貌恢复数据进行分析处理，将各个时期同一区域不同情况下的地质图件转化为GIS数据，运用MAYA软件构建每个沉积时期的三维模型，最后将每个沉积时期的三维模型叠加形成沉积单元，渲染出动画，实现对不同沉积时期的沉积单元发育过程的动态模拟，为沉积数据可视化分析与模拟研究提供了良好的基础，并进一步通过模拟模型参数优化的方法来实现对层序沉积体系的高精度模拟。
-
Patent Agency Ranking
公开(公告)号：CN110929739B
公开(公告)日：2023-03-24
申请号：CN201911145058.4
申请日：2019-11-21
Applicant: 成都理工大学
IPC: G06V10/40
Abstract: 本发明公开了一种自动化的不透水面范围遥感迭代提取方法，通过整合应用夜间灯光影像与Landsat TM影像，实现了对连续的大区域内不透水面覆盖信息的自动提取。本发明首先在夜间灯光影像上提取出不透水面聚集密度不同的城市区域、城市周边区域和非城市区域，然后在Landsat TM影像上，对应不同区域分别进行光谱指数统计与阈值分割，得到不透水面/非不透水面的初始分类样本，并用于训练分类器。最后在分类过程中迭代地整合光谱信息与空间信息自动地选取新的分类样本，直到分类结果稳定，完成不透水面范围信息提取流程。本发明能够实现精度稳定且高效的不透水面范围信息的自动提取。
-
公开(公告)号：CN111445569A
公开(公告)日：2020-07-24
申请号：CN201911190273.6
申请日：2019-11-28
Applicant: 成都理工大学
Abstract: 本发明涉及一种沉积地质演化动态模拟方法，通过GIS算法对沉积图件和地貌恢复数据进行分析处理，将各个时期同一区域不同情况下的地质图件转化为GIS数据，运用MAYA软件构建每个沉积时期的三维模型，最后将每个沉积时期的三维模型叠加形成沉积单元，渲染出动画，实现对不同沉积时期的沉积单元发育过程的动态模拟，为沉积数据可视化分析与模拟研究提供了良好的基础，并进一步通过模拟模型参数优化的方法来实现对层序沉积体系的高精度模拟。
-
公开(公告)号：CN110929739A
公开(公告)日：2020-03-27
申请号：CN201911145058.4
申请日：2019-11-21
Applicant: 成都理工大学
IPC: G06K9/46
Abstract: 本发明公开了一种自动化的不透水面范围遥感迭代提取方法，通过整合应用夜间灯光影像与Landsat TM影像，实现了对连续的大区域内不透水面覆盖信息的自动提取。本发明首先在夜间灯光影像上提取出不透水面聚集密度不同的城市区域、城市周边区域和非城市区域，然后在Landsat TM影像上，对应不同区域分别进行光谱指数统计与阈值分割，得到不透水面/非不透水面的初始分类样本，并用于训练分类器。最后在分类过程中迭代地整合光谱信息与空间信息自动地选取新的分类样本，直到分类结果稳定，完成不透水面范围信息提取流程。本发明能够实现精度稳定且高效的不透水面范围信息的自动提取。
-
公开(公告)号：CN113096114B
公开(公告)日：2022-07-01
申请号：CN202110465561.9
申请日：2021-04-28
Applicant: 成都理工大学
Abstract: 本发明公开了一种结合形态与指数的高分辨率城市水体图斑遥感提取方法，包括以下步骤：获取某一年份的GoogleEarth高分辨率影像，构建城市水体训练样本；采用深度学习神经网络模型进行分类处理，获得初始高分辨率水体图斑；获取所述某一年份中逐月的多光谱影像；计算年度NDWI或者MNDWI，获得年度多光谱水体图斑；矢量化两种图斑，并对矢量化后的两种图斑以及所述GoogleEarth影像进行网格化处理；对网格化后的GoogleEarth高分辨率影像提取获得各网格内高分辨率边缘轮廓信息；对各网格内的两种图斑进行空间关系分析，根据分析结果结合边缘轮廓信息进行修正，获得修正后的年度水体图斑。本发明通过结合形态与指数能够提取得到准确且高分辨率的城市水体图斑。
-
公开(公告)号：CN113096114A
公开(公告)日：2021-07-09
申请号：CN202110465561.9
申请日：2021-04-28
Applicant: 成都理工大学
Abstract: 本发明公开了一种结合形态与指数的高分辨率城市水体图斑遥感提取方法，包括以下步骤：获取某一年份的GoogleEarth高分辨率影像，构建城市水体训练样本；采用深度学习神经网络模型进行分类处理，获得初始高分辨率水体图斑；获取所述某一年份中逐月的多光谱影像；计算年度NDWI或者MNDWI，获得年度多光谱水体图斑；矢量化两种图斑，并对矢量化后的两种图斑以及所述GoogleEarth影像进行网格化处理；对网格化后的GoogleEarth高分辨率影像提取获得各网格内高分辨率边缘轮廓信息；对各网格内的两种图斑进行空间关系分析，根据分析结果结合边缘轮廓信息进行修正，获得修正后的年度水体图斑。本发明通过结合形态与指数能够提取得到准确且高分辨率的城市水体图斑。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.038 seconds)
