-
公开(公告)号：CN118570551B
公开(公告)日：2025-01-03
申请号：CN202410785210.X
申请日：2024-06-18
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06V10/40
Abstract: 本发明公开了一种融合多模态时序数据的城市功能区识别方法及系统，属于遥感影像处理技术领域。所述方法包括：获取研究区域的多时相遥感影像并进行第一预处理，得到四个季节的遥感影像；获取路网数据并进行第二预处理，并叠加到四个季节的遥感影像上；从叠加路网数据的单季节遥感影像中提取空间特征，从四个季节的遥感影像中提取时间特征，得到时空融合特征；获取POI数据并进行第三预处理，从POI数据中提取社会职能语义特征；将时空融合特征与社会职能语义特征融合，得到城市功能区分类结果。本发明通过融合多模态时序数据进行城市功能区识别，可以弥补仅依靠单模态数据在城市功能区分类研究中信息不足的缺陷，增强识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN117196922A
公开(公告)日：2023-12-08
申请号：CN202311407093.5
申请日：2023-10-27
Applicant: 南京信息工程大学
IPC: G06Q50/26
Abstract: 本发明公开了一种连续评估自然保护区生态质量的遥感方法，具体为：获取Landsat8OLI/TIRS卫星遥感数据集、MODIS卫星遥感数据集和土地覆盖类型数据集，并对获取的数据集及进行预处理；根据处理后的数据计算湿度指标WET，干度指标NDBSI，绿度指标NDVI，热度指标LST，高分辨率丰度指标AI；并对绿度指标和热度指标进行时相变换；基于提取的指标对自然保护区生态质量进行评估。本发明能够反映更为精细的生态环境质量空间分布格局，为生态环境质量保护与可持续发展提供技术支撑。
-
公开(公告)号：CN114118565A
公开(公告)日：2022-03-01
申请号：CN202111396427.4
申请日：2021-11-23
Applicant: 南京信息工程大学
Abstract: 本发明涉及水文、海洋技术领域，尤其是一种基于双向长短时记忆耦合模型的日径流预报方法，现提出如下方案，其包括对于目标区域内的每一个径流观测站点均建立不同的遥相关因子和降雨站点数据的联系，筛选出影响降雨站点数据的最终遥相关因子；将BiLSTM及Encoder‑Decoder模型耦合形成BiLSTM‑ED模型，将所述最终遥相关因子输入BiLSTM‑ED模型，预测未来多时间步长的降雨站点数据；计算目标区域的水文气象因子与径流之间的相关关系，筛选出影响径流的水文气象因子作为预报因子；建立日径流预报模型，将所述降雨站点数据和预报因子输入日径流预报模型，预测未来多个时间步长的径流信息。本发明通过双向长短时记忆模型的构建，提供了未来多时间步长的、高精度的日径流预报方法。
-
公开(公告)号：CN118570551A
公开(公告)日：2024-08-30
申请号：CN202410785210.X
申请日：2024-06-18
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06V10/40
Abstract: 本发明公开了一种融合多模态时序数据的城市功能区识别方法及系统，属于遥感影像处理技术领域。所述方法包括：获取研究区域的多时相遥感影像并进行第一预处理，得到四个季节的遥感影像；获取路网数据并进行第二预处理，并叠加到四个季节的遥感影像上；从叠加路网数据的单季节遥感影像中提取空间特征，从四个季节的遥感影像中提取时间特征，得到时空融合特征；获取POI数据并进行第三预处理，从POI数据中提取社会职能语义特征；将时空融合特征与社会职能语义特征融合，得到城市功能区分类结果。本发明通过融合多模态时序数据进行城市功能区识别，可以弥补仅依靠单模态数据在城市功能区分类研究中信息不足的缺陷，增强识别的精度。
-
公开(公告)号：CN119782930A
公开(公告)日：2025-04-08
申请号：CN202411777197.X
申请日：2024-12-05
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/082 , G06F18/25
Abstract: 本发明公开了一种融合多模态数据的建筑物混合用途分类方法及系统，属于遥感影像数据处理技术领域，所述方法包括：分别获取研究区域的多模态数据并进行预处理；构建基于卷积神经网络的混合网络模型，所述混合网络模型包括依次连接的并行分支网络、缓冲区模块和预测器；将预处理后的多模态数据输入所述混合网络模型，通过所述并行分支网络提取多模态数据的多尺度特征图，通过所述缓冲区模块提取所述多尺度特征图中建筑物周围主要环境特征区域的语义信息，通过所述预测器输出建筑物属于每个类别的概率。本发明基于多模态数据实现了对建筑物混合用途的识别，可以弥补仅依靠单模态数据在城市建筑物分类研究中存在的缺陷，提高识别的准确度。
-
公开(公告)号：CN119942324A
公开(公告)日：2025-05-06
申请号：CN202510002926.2
申请日：2025-01-02
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/25 , G06N3/08
Abstract: 本发明公开了一种基于多源遥感地理数据的城市混合功能区识别方法与系统，属于遥感影像识别技术领域。所述方法包括：获取研究区域的遥感影像数据和路网数据并进行预处理和数据叠加，得到研究区域的基本街区单元；获取研究区域的POI数据并进行预处理，使用POI分布信息熵引导的样本提取方法从所述基本街区单元中提取第一数据集；获取研究区域的AOI数据并进行预处理，通过多视图差异信息学习法从所述基本街区单元中提取第三数据集；将所述第一数据集与所述第三数据集合并得到综合数据集；通过所述综合数据集训练神经网络模型，用于城市功能区分类。本发明提升了单一功能区识别精度，并能在复杂城市环境中准确捕捉各混合功能区的真实布局。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
