-
公开(公告)号：CN113139532B
公开(公告)日：2021-09-21
申请号：CN202110690722.4
申请日：2021-06-22
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于多输出分类模型的分类方法、计算机设备及介质，包括获取标定矿区的遥感数据，从所述标定矿区的遥感数据中提取多光谱影像和DEM数据，基于所述多光谱影像和所述DEM数据提取浅层特征，其中，所述浅层特征包括浅层光谱‑空间特征和浅层地形特征；将所述浅层光谱‑空间特征进行堆叠、将所述浅层地形特征进行堆叠，分别输入至多分支深度置信网络模型，获得融合特征；将所述融合特征分别输入至少两个分类器，获得至少两个二级地物标签，可以有效提取并融合不同模态的深度特征，结合多模型融合和多输出策略，有利于提高复杂景观区土地覆盖精细分类的精度。
-
公开(公告)号：CN113139532A
公开(公告)日：2021-07-20
申请号：CN202110690722.4
申请日：2021-06-22
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于多输出分类模型的分类方法、计算机设备及介质，包括获取标定矿区的遥感数据，从所述标定矿区的遥感数据中提取多光谱影像和DEM数据，基于所述多光谱影像和所述DEM数据提取浅层特征，其中，所述浅层特征包括浅层光谱‑空间特征和浅层地形特征；将所述浅层光谱‑空间特征进行堆叠、将所述浅层地形特征进行堆叠，分别输入至多分支深度置信网络模型，获得融合特征；将所述融合特征分别输入至少两个分类器，获得至少两个二级地物标签，可以有效提取并融合不同模态的深度特征，结合多模型融合和多输出策略，有利于提高复杂景观区土地覆盖精细分类的精度。
-
公开(公告)号：CN111339862B
公开(公告)日：2021-04-27
申请号：CN202010097209.X
申请日：2020-02-17
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于通道注意力机制的遥感场景分类方法及装置，属于遥感图像信息提取领域。本发明主要包括以下步骤：1.数据集预处理。将公开的场景数据集进行增强和归一化等预处理，增强网络的鲁棒性；2.建立基于通道注意力的密集连接网络。基于通道注意力的密集连接网络包括密集连接网络，通道注意力机制，和标签平滑损失函数三个部分。3.训练网络后进行精度评价。将预处理后的数据输入特征复用网络进行训练，然后利用训练完成后的网络完成对待分类的遥感场景数据的场景分类。
-
公开(公告)号：CN111665487A
公开(公告)日：2020-09-15
申请号：CN202010452608.3
申请日：2020-05-26
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种单光子激光雷达水下光子位移校正、测深方法及装置，涉及海洋测绘技术领域，包括：获取单光子激光雷达发射光子的指向角、单光子激光雷达发射光子返回的水面光子信号和水底光子信号的坐标；根据水面光子信号进行海浪波拟合，确定海浪波模型；根据任意一个水底光子的坐标、指向角和海浪波模型，确定光子与水气界面的交点；根据交点、海浪波模型和指向角确定光子的水下位移误差；根据水下位移误差对水底光子信号的坐标进行校正。本发明通过水面光子信号进行海浪波建模，并确定光子与水气界面交点。通过光子传播路径的空间结构关系确定水下光子位移误差。本发明有效避免海浪波引起的折射和光子速度变化导致的位移，提高数据准确性。
-
公开(公告)号：CN111325660A
公开(公告)日：2020-06-23
申请号：CN202010104072.6
申请日：2020-02-20
Applicant: 中国地质大学(武汉)
IPC: G06T3/00 , G06K9/62 , G06F40/205 , G06N3/04
Abstract: 本发明提供一种基于文本数据的遥感图像风格转换方法，包括：构建数据集，获取文本数据集和待转换图像数据集；生成低分辨率的图像，根据文本数据提取句子特征，然后结合噪声生成低分辨率的遥感图像和对应的图像特征；生成高分辨率的图像，根据文本数据提取单词特征，然后结合上一层低分辨率的特征生成下一层的高分辨率的遥感图像和图像特征；计算损失函数，检测生成的图像和文本的匹配程度，生成相应的损失函数；图像风格转换，以生成的高分辨率图像作为参考风格图像，依据循环一致性原理和对抗损失函数进行风格转换。本发明的有益效果是：从文本数据逐层生成高分辨率图像，极大地提高了文本到图像的生成精度，弥补了文本数据进行风格转换的空缺。
-
Patent Agency Ranking
公开(公告)号：CN102819023A
公开(公告)日：2012-12-12
申请号：CN201210265541.8
申请日：2012-07-27
Applicant: 中国地质大学(武汉)
IPC: G01S17/89
Abstract: 本发明公开了一种基于LiDAR的复杂地质背景区滑坡识别的方法及系统，其中方法包括以下步骤：S1、对LiDAR数据进行处理生成消除植被影响后裸地表的DEM数据；S2、提取传统的地貌特征参数以及计算纹理特征参数，生成特征参数文件；S3、确定最优特征参数组合；S4、获得满足预设精度条件的平衡系数；S5、计算平均用户精度、平均生产者精度和总体精度；S6、若满足精度要求，则使用边缘检测算子计算滑坡边界，实现滑坡识别。本发明的实现对数据需求少，可充分挖掘LiDAR-DEM数据在滑坡地形分析中的应用潜力；模型分类精度很高，能够实现复杂地质背景区滑坡边界的自动识别。
-
公开(公告)号：CN119888475A
公开(公告)日：2025-04-25
申请号：CN202411773503.2
申请日：2024-12-05
Applicant: 中国自然资源航空物探遥感中心 , 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种岩性识别方法及特征预测网络构建方法，涉及岩性智能识别技术领域，岩性识别方法包括：获取岩性分类区域的多源遥感数据，并对多源遥感数据进行特征提取，得到岩性融合特征表示；通过类别共现矩阵，对多源遥感数据中每个图像中的地质单元进行遍历，得到岩性共现矩阵；将岩性融合特征表示和岩性共现矩阵输入图卷积网络，进行全局上下文建模，得到岩性分类区域的全局‑局部岩性特征表示；将全局‑局部岩性特征表示输入特征预测网络进行预测，得到岩性分类区域的最终岩性识别结果。本发明解决了多源遥感数据异质性问题，充分利用了每种数据源的优势，结合全局和局部特征信息，显著提高了岩性识别的精度。
-
公开(公告)号：CN119169447B
公开(公告)日：2025-03-18
申请号：CN202411017834.3
申请日：2024-07-29
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种岩性场景分类方法、电子设备及存储介质，涉及图像处理技术领域，方法包括：将获取的岩性场景的遥感图像和知识数据输入到训练好的岩性场景分类模型中，得到岩性场景分类结果，其中，岩性场景分类模型包括transformer模块、图注意力网络模块、跨模态交叉注意力模块、自适应特征降维模块以及输出模块；图注意力网络模块用于挖掘知识数据的知识特征；跨模态交叉注意力模块用于融合图像特征和知识特征，生成岩性敏感特征数据；自适应特征降维模块用于降维岩性敏感特征数据，生成降维特征；输出模块用于根据降维特征，生成岩性场景分类结果。本发明可以提高岩性场景分类的精度。
-
公开(公告)号：CN119168864A
公开(公告)日：2024-12-20
申请号：CN202411292080.2
申请日：2024-09-14
Applicant: 中国地质大学(武汉)
IPC: G06T3/4053 , G06T7/11
Abstract: 本发明公开了一种基于多尺度超像素低秩表示的高光谱图像稀疏解混方法，包括具体如下步骤：引入Frobenius范数计算得到重建高光谱图像与原始高光谱图像之间的差异值，取最小差异值作为目标函数的数据保真项；引入L1范数自适应构建丰度矩阵的光谱加权因子和空间加权因子得到目标函数的稀疏正则化项；基于超像素分割算法得到不同分割尺度的多个分割图；对每个分割图的超像素区域引入加权核范数约束得到目标函数的低秩表示正则化项；构建目标函数；通过交替方向乘子法求解目标函数。本发明通过构建多尺度超像素引导的低秩正则化项，自适应地整合来自多个分割尺度的互补信息，从而提高解混算法的性能和结果的准确性。
-
公开(公告)号：CN117765297B
公开(公告)日：2024-06-07
申请号：CN202311558732.8
申请日：2023-11-20
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V20/10
Abstract: 本发明涉及图像处理技术领域，具体而言，提供了一种高光谱图像分类方法、装置、设备及存储介质，高光谱图像分类方法包括：获取高光谱数据集，对高光谱数据集进行动态切片构建光谱立方体；将光谱立方体进行分离投影和特征变换，得到光谱特征矩阵和空间特征矩阵；对光谱特征矩阵进行绝对位置编码，对空间特征矩阵进行相对位置编码；将光谱特征矩阵和空间特征矩阵分别输入两个独立的训练好的Transformer学习器，得到光谱特征注意力矩阵和空间特征注意力矩阵；将光谱特征注意力矩阵和空间特征注意力矩阵融合后进行分类，得到分类结果。本发明的技术方案通过对高光谱图像在光谱维度和空间维度的特征信息进行提取处理，有效提升高光谱图像分类结果的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.027 seconds)
