-
公开(公告)号：CN113269223B
公开(公告)日：2022-04-22
申请号：CN202110281893.1
申请日：2021-03-16
申请人： 重庆市地理信息和遥感应用中心 , 中南大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN113269223A
公开(公告)日：2021-08-17
申请号：CN202110281893.1
申请日：2021-03-16
申请人： 重庆市地理信息和遥感应用中心 , 中南大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN118585589A
公开(公告)日：2024-09-03
申请号：CN202410623241.5
申请日：2024-05-20
摘要： 本发明提供了一种面向自然资源地表覆盖的像元光谱库构建方法，本发明基于国土三调或地理国情或其他自然资源地表覆盖空间矢量数据为基础，采用图斑筛选、像元采集点净化等方法，获得均质性较好的像元采集点，并形成包含时间、空间、光谱、标识等不同维度属性信息的像元光谱库。该方法不受高光谱影像辐射校正、大气校正中误差叠加影响，为自然资源地表覆盖精细识别提供了海量像元光谱库。
-
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：CN112994780B
公开(公告)日：2021-09-14
申请号：CN202110207233.9
申请日：2021-02-24
申请人： 重庆市地理信息和遥感应用中心
摘要： 本发明公开了一种多源卫星影像数据接收实时监控与信息推送方法，包括步骤：首先，建立多源卫星影像数据组织格式信息表；其次，对服务器资源池进行持续动态监控，及时发现最新接收到的卫星影像；然后，基于接收的多源卫星影像及其配置文件，自动获取多源卫星影像数据信息；最后，按日自动统计影像信息并生成卫星影像接收情况简报，定时将影像简报传输至私有云并推送至相关用户手机端。其显著效果是：实现了多源卫星影像数据接收实时监控、信息自动提取与统计、卫星影像接收情况简报生成与推送，显著提高了多源卫星影像接收情况推送工作的自动化程度与效率，解决了现有工作模式中人工作业周期长、效率低、影像信息提取易漏易错等问题。
-
公开(公告)号：CN112883839A
公开(公告)日：2021-06-01
申请号：CN202110140498.1
申请日：2021-02-02
申请人： 重庆市地理信息和遥感应用中心 , 武汉大学
摘要： 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：CN112017178A
公开(公告)日：2020-12-01
申请号：CN202010936212.6
申请日：2020-09-08
申请人： 重庆市地理信息和遥感应用中心
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于双时相差值图像法的遥感图像区域变化检测方法，包括步骤：构建包括差值图像生成模块、特征提取网络、提案区生成网络、对齐层与变化区域检测模块的卷积神经网络模型，输入训练样本数据，初始化并采用端到端的方式训练卷积神经网络模型；输入待检测遥感图像，获得变化区域检测结果。其显著效果是：有效解决了出现错误变化、伪变化的问题；减少了池化带来的特征不重合，能够大大地提高了检测精度和kappa系数。
-
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：CN117932547A
公开(公告)日：2024-04-26
申请号：CN202410198542.8
申请日：2024-02-22
IPC分类号： G06F18/25 , G06N3/0442 , G06N3/08 , G06N3/047
摘要： 本发明提供了一种基于深度学习的植被叶面积指数动态估算方法，通过采用基于深度学习算法LSTM模型，利用多个LAI遥感产品和地表反射率数据，反演了不同时间的LAI数据，得到完整的LAI时间序列。该方法不仅可以准确的估算LAI值，而且能够提高LAI的时空连续性，实现了时间和空间连续的LAI的反演。在运用LSTM模型前，先利用双重logistic函数对所选择的LAI遥感观测数据进行融合，双重logistic函数融合技术能够进一步提高原始LAI遥感数据的质量，保证了输入数据的准确性，较大程度上提高了利用LSTM模型估算的可靠性和稳定性。引入了贝叶斯模型平均法以融合基于LSTM模型的多种LAI估算数据，生成最终的LAI数据，进一步保证了LAI数据的时空连续性和一致性，提高了LAI估算数据的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
91 条记录 (耗时 0.096 秒)
