-
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
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：CN110348383B
公开(公告)日：2020-07-31
申请号：CN201910625253.0
申请日：2019-07-11
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 , 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
Abstract: 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：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。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN112862774A
公开(公告)日：2021-05-28
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。
-
公开(公告)号：CN110427836B
公开(公告)日：2020-12-01
申请号：CN201910625252.6
申请日：2019-07-11
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： 曾安明 , 李朋龙 , 丁忆 , 胡翔云 , 张泽烈 , 胡艳 , 段伦豪 , 张觅 , 李晓龙 , 段松江 , 罗鼎 , 吴凤敏 , 刘金龙 , 刘建 , 黄印 , 陈雪洋 , 钱进 , 魏文杰 , 张黎 , 黄潇莹
Abstract: 本发明公开了一种基于多尺度优化的高分辨率遥感影像水体提取方法，包括如下步骤：搭建待训练卷积神经网络，基于该网络从输入遥感影像中提取多尺度特征，从最低分辨率的特征中获取初始粗糙水体分割结果；通过擦除注意力方法，结合多尺度特征和初始分割结果，输出全分辨率下的水体提取结果；构建多尺度损失函数，获得训练好的卷积神经网络；将待提取的高分辨率遥感影像输入训练好的网络，得到水体提取结果。该方法通过对具有真实水体标注的遥感影像训练数据集进行学习与训练，通过擦除注意力机制的引导，结合多尺度优化策略，在显著提高了总体水体提取精度的同时，还加强了对细小水体的识别与提取。
-
公开(公告)号：CN110427836A
公开(公告)日：2019-11-08
申请号：CN201910625252.6
申请日：2019-07-11
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： 曾安明 , 李朋龙 , 丁忆 , 胡翔云 , 张泽烈 , 胡艳 , 段伦豪 , 张觅 , 李晓龙 , 段松江 , 罗鼎 , 吴凤敏 , 刘金龙 , 刘建 , 黄印 , 陈雪洋 , 钱进 , 魏文杰 , 张黎 , 黄潇莹
Abstract: 本发明公开了一种基于多尺度优化的高分辨率遥感影像水体提取方法，包括如下步骤：搭建待训练卷积神经网络，基于该网络从输入遥感影像中提取多尺度特征，从最低分辨率的特征中获取初始粗糙水体分割结果；通过擦除注意力方法，结合多尺度特征和初始分割结果，输出全分辨率下的水体提取结果；构建多尺度损失函数，获得训练好的卷积神经网络；将待提取的高分辨率遥感影像输入训练好的网络，得到水体提取结果。该方法通过对具有真实水体标注的遥感影像训练数据集进行学习与训练，通过擦除注意力机制的引导，结合多尺度优化策略，在显著提高了总体水体提取精度的同时，还加强了对细小水体的识别与提取。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.053 seconds)
