-
公开(公告)号：CN114913411B
公开(公告)日：2025-03-07
申请号：CN202210393717.1
申请日：2022-04-15
Applicant: 南京大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种地物光谱指数驱动的无监督遥感图像语义分割方法，包括：基于遥感图像，计算地物的地物光谱指数I，得到地物光谱指数图；对地物光谱指数图进行标记，得到初始逐像元标记；采用拓展阈值e对地物光谱指数图进行阈值化，得到完整地物；利用初始逐像元标记训练语义分割网络模型，得到目标地物的预测结果；将目标地物的预测结果与完整地物进行整合，得到拓展区域，采用该拓展区域对初始逐像元标记进行更新，得到拓展标记；利用拓展标记继续训练语义分割网络模型，得到目标地物的预测结果，进入下一次迭代；直至达到最大迭代次数，得到可使用的逐像元标记；利用可使用的逐像元标记训练语义分割网络模型，用于语义分割。
-
-
公开(公告)号：CN115641513A
公开(公告)日：2023-01-24
申请号：CN202211179253.0
申请日：2022-09-27
Applicant: 南京大学
IPC: G06V20/13 , G06V10/764 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/0895
Abstract: 本发明公开了一种基于稀疏点标记的全卷积深度神经网络遥感图像分类方法，包括以下步骤：步骤1：获取待分类的遥感图像；步骤2：将待分类的遥感图像以一定重叠率进行重叠裁切，得到固定大小的图像块；步骤3：利用一定数量的稀疏点标记对全卷积深度神经网络进行训练；步骤4：采用训练好的全卷积深度神经网络对步骤2得到的图像块进行分类预测，得到图像块的分类结果，该分类结果为每个像元属于每类地物类别的概率；步骤5：根据每个图像块的分类结果，得到整幅待分类的遥感图像的分类结果。
-
公开(公告)号：CN102855487B
公开(公告)日：2015-04-22
申请号：CN201210307230.3
申请日：2012-08-27
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明公开了一种高分辨率遥感图像新增建设用地变化图斑自动提取的方法，包含如下步骤：输入同一区域不同时期的两幅高分辨率遥感图像，进行几何精校正与相对辐射校正；分别计算两期图像各波段的纹理特征，将该纹理特征与图像的光谱特征逐波段进行差值运算获得差值图像并进行阈值分割，将获得的各波段二值结果图进行逻辑合并；对逻辑合并后的二值结果图依次进行形态学闭运算、孔洞填充和小面积图斑去除处理，获得土地利用变化图斑；对土地利用变化图斑进行区域标记以生成图斑对象，计算新时期遥感图像中各图斑对象的纹理特征，提取新增建设用地变化图斑。本发明主要解决提取新增建设用地这一问题，同时具有探测建设用地内部变化的能力。
-
公开(公告)号：CN102857829B
公开(公告)日：2015-03-11
申请号：CN201210398948.8
申请日：2012-10-19
Applicant: 南京大学
IPC: H04N21/63 , H04N21/643 , H04N21/647
Abstract: 本发明公开了一种基于3G网络的无线视频信息多路径传输方法，将区域内的无线视频传感器节点通过wifi组成一个自组织网络，每个节点分别与相邻的节点和远程的视频接收端建立通信。当自组织网络中某个无线视频传感器节点Na捕捉到区域内的某事件，节点Na开始将视频数据实时地向客户端传送，同时广播消息La给附近的其他节点。其他节点接收到消息L后，如果自己没有正在传送视频数据，就回复可以转发视频数据的信息。节点Na与上述节点N1,N2,…,Nm通过wifi进行tcp连接，然后节点将视频数据分成M+1份，每份标记上相关信息，然后分发给自己和先前发送回复消息的M个节点；M+1个节点通过3G网络将视频数据发送到客户端。本发明增强了视频传输的实时性并且提高了QoS保障，视频传输的带宽。
-
Patent Agency Ranking
公开(公告)号：CN118015448A
公开(公告)日：2024-05-10
申请号：CN202311790553.7
申请日：2023-12-25
Applicant: 南京大学
IPC: G06V20/10 , G06V10/52 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种耦合多尺度高低频特征的遥感图像建筑物提取方法，包括：搭建CICF‑Net模型；选取遥感建筑物数据集，将该遥感建筑物数据集划分为训练集、验证集和测试集；采用训练集对搭建的CICF‑Net模型进行训练，在训练过程中通过验证集进行验证，以及CICF‑Net模型的参数调整，在测试集中进行测试，选取测试结果最优的CICF‑Net模型作为最终CICF‑Net模型；将待建筑物提取的遥感图像输入至最终CICF‑Net模型中，得到建筑物提取结果；其中，CICF‑Net模型包括编码器和解码器；编码器包括多个Patch Embedding操作和多个多尺度融合阶段；在每个多尺度融合阶段内，均包括第一高低频特征聚合器、第一下采样、第二高低频特征聚合器、第二下采样、聚焦块和一转换块。
-
公开(公告)号：CN117011701A
公开(公告)日：2023-11-07
申请号：CN202310782744.2
申请日：2023-06-29
Applicant: 南京大学
Abstract: 本发明公开了一种层次化特征自主学习的遥感图像特征提取方法，包括：对输入遥感图像x进行两次随机裁剪，得到输入遥感图像x的两个不同视图，记为xa,xb；对视图xa进行随机掩码，得到掩码图像xm；对视图xb进行随机图像变换，得到变换图像xg；将掩码图像xm输入至学生模型中，得到掩码图像xm的特征图fm；将变换图像xg输入至教师模型中，得到变换图像xg的特征图fg；依据特征图fm，学习像素级别的图像特征；依据特征图fm和特征图fg，学习对象级别的目标可分性特征和学习场景级特征。
-
公开(公告)号：CN111104976A
公开(公告)日：2020-05-05
申请号：CN201911288523.X
申请日：2019-12-12
Applicant: 南京大学
Abstract: 本发明公开了一种基于时间序列图像的蓝藻覆盖率计算方法，包括以下步骤：S10：输入时间序列蓝藻图像；S20：对输入的时间序列蓝藻图像按照n种不同分块像素进行分块，构成n个分块集，一个分块集对应一种分块像素；S30：将每个分块集批量输入至其对应的卷积神经网络中进行计算，得到分块集中各图像块的分类结果，所述分类结果至少包括蓝藻；根据分类结果，计算每个分块集中分类结果为蓝藻的图像块的数量占比，得到对应的分块像素下的时间序列蓝藻图像的蓝藻覆盖率；S40：将n个分块集的海藻覆盖率进行合并，得到最终的该时间序列蓝藻图像的蓝藻覆盖率。
-
公开(公告)号：CN102855487A
公开(公告)日：2013-01-02
申请号：CN201210307230.3
申请日：2012-08-27
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明公开了一种高分辨率遥感图像新增建设用地变化图斑自动提取的方法，包含如下步骤：输入同一区域不同时期的两幅高分辨率遥感图像，进行几何精校正与相对辐射校正；分别计算两期图像各波段的纹理特征，将该纹理特征与图像的光谱特征逐波段进行差值运算获得差值图像并进行阈值分割，将获得的各波段二值结果图进行逻辑合并；对逻辑合并后的二值结果图依次进行形态学闭运算、孔洞填充和小面积图斑去除处理，获得土地利用变化图斑；对土地利用变化图斑进行区域标记以生成图斑对象，计算新时期遥感图像中各图斑对象的纹理特征，提取新增建设用地变化图斑。本发明主要解决提取新增建设用地这一问题，同时具有探测建设用地内部变化的能力。
-
公开(公告)号：CN102156984A
公开(公告)日：2011-08-17
申请号：CN201110084902.4
申请日：2011-04-06
Applicant: 南京大学
IPC: G06T7/00
Abstract: 本发明公开了一种利用自适应阈值分割确定最优标记图像的方法，包含如下步骤：计算待标记梯度图像f(x，y)的均值E和方差σ；以均值E为中心，以方差σ的一定倍数为步长，建立均值E和方差σ的不同组合Hλ；以该不同组合Hλ对梯度图像进行阈值分割，获得相应的二值图像序列f′(x，y)；统计所述二值图像序列f′(x，y)中面积大于最小区域面积参数的封闭连通区域的数目Cλ；选择数目Cλ最大的二值图像作为标记图像。本发明只需简单地设定一个最小区域面积参数，即可根据最大区域数原理自适应地生成分水岭变化的最优标记图像，算法简单快捷，而且最小区域面积参数对图像分割结果不敏感，设定后一般无需改变。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.023 seconds)
