-
公开(公告)号：CN117933825B
公开(公告)日：2025-01-07
申请号：CN202410201622.4
申请日：2024-02-23
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)
IPC: G06Q10/0639 , G06Q50/26
Abstract: 本发明提供一种基于多光谱无人机的森林保护修复生态成效评估方法，包括：获取相关数据得到评估区域的空间范围，并基于评估区域选定参照生态系统；根据评估区域和参照生态系统划定多光谱无人机的影像采集范围，得到多光谱遥感数据；结合森林保护修复措施，选定生态指标，基于生态指标构建森林保护修复生态成效评估指标体系；将必选指标和至少两个选择性指标作为评估指标，建立森林保护修复生态成效指数；根据多光谱遥感数据，计算评估区域和参照生态系统的评估指标，并对评估指标进行分级和赋权；根据所有评估指标及对应权重计算生态成效综合得分，分析得到评估结果。本发明能够实现对修复成效的快速量化评估，提高评估工作的便捷性和科学性。
-
公开(公告)号：CN117933825A
公开(公告)日：2024-04-26
申请号：CN202410201622.4
申请日：2024-02-23
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)
IPC: G06Q10/0639 , G06Q50/26
Abstract: 本发明提供一种基于多光谱无人机的森林保护修复生态成效评估方法，包括：获取相关数据得到评估区域的空间范围，并基于评估区域选定参照生态系统；根据评估区域和参照生态系统划定多光谱无人机的影像采集范围，得到多光谱遥感数据；结合森林保护修复措施，选定生态指标，基于生态指标构建森林保护修复生态成效评估指标体系；将必选指标和至少两个选择性指标作为评估指标，建立森林保护修复生态成效指数；根据多光谱遥感数据，计算评估区域和参照生态系统的评估指标，并对评估指标进行分级和赋权；根据所有评估指标及对应权重计算生态成效综合得分，分析得到评估结果。本发明能够实现对修复成效的快速量化评估，提高评估工作的便捷性和科学性。
-
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：CN117973836A
公开(公告)日：2024-05-03
申请号：CN202311720552.5
申请日：2023-12-14
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) , 中国科学院、水利部成都山地灾害与环境研究所
IPC: G06Q10/0635 , G06Q50/26
Abstract: 本发明提供一种基于生态系统服务供需平衡的生态风险识别方法，包括：根据研究区确定生态服务类型，生态服务类型包括土壤保持、水源涵养、粮食服务和释氧服务；基于生态系统服务类型，计算得到研究区评估期间对应的生态系统服务供需值，采用归一化和加权叠加分析得到研究区生态系统服务供需综合评价指标；根据得到的生态系统服务供需综合评价指标，计算得到研究区生态服务供需比和协调度；根据供需比及协调度，利用趋势检验分析法分别得到评估期间供需比和协调度的变化趋势；基于供需比和协调度的变化趋势，对研究区的生态风险进行识别，得到生态风险识别结果。本发明能够充分考虑生态系统服务供需平衡的变化，提高生态风险识别的准确性。
-
公开(公告)号：CN113723281A
公开(公告)日：2021-11-30
申请号：CN202111001772.3
申请日：2021-08-30
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于局部自适应尺度集成学习的高分辨率影像分类方法，包括步骤：获取工作区的样本和高分辨率遥感影像；通过不同分割尺度下影像对象平均局部同质性的变化率曲线，获取若干个优选尺度分割结果；计算不同优选尺度分割结果下每个分割对象的分类特征，构建整幅影像的覆盖特征矩阵；计算覆盖特征矩阵中各个覆盖特征对于每个像元分类时的贡献度；整幅影像的局部自适应尺度的集成学习并分割影像；构建分类器对局部自适应尺度分割结果下影像对象进行集成学习并分类。其显著效果是：巧妙的避开了在基于对象分类范式中最佳分割参数的选择问题，实现了不同尺度下分类信息的集成，提高了高分率遥感影像的地物识别精度。
-
Patent Agency Ranking
公开(公告)号：CN112884791A
公开(公告)日：2021-06-01
申请号：CN202110140509.6
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种构建大规模遥感影像语义分割模型训练样本集的方法，将已有的遥感影像矢量数据与多期遥感影像进行配准，并依据图斑密度分别通过滑窗算法自动切割提取初级样本集；对初级样本集中每一张图像进行特征提取，并采用聚类算法进行分类，剔除图像质量不佳的样本，获得中间样本集；将中间样本集分批次输入语义分割模型进行迭代优化训练，并在每次迭代优化完成后对样本进行预测，剔除中间样本集中的错误样本，获得目标样本集。其显著效果是：能够避免生成整幅影像且占用空间极大的掩膜，减少滑窗的滑动次数，提高样本的提取速度与数据质量；提高了正确样本在样本集中的纯度，大幅降低了制作大规模样本集的成本。
-
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：CN111079604A
公开(公告)日：2020-04-28
申请号：CN201911243920.5
申请日：2019-12-06
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)
Inventor： 丁忆 , 李朋龙 , 罗鼎 , 张泽烈 , 李晓龙 , 肖禾 , 马泽忠 , 段松江 , 刘金龙 , 王亚林 , 吴凤敏 , 钱进 , 刘朝晖 , 曾远文 , 魏文杰 , 林熙 , 范文武 , 刘建 , 黄印 , 卢建洪
Abstract: 本发明公开了一种面向大尺度遥感图像的微小目标快速检测方法，包括步骤：利用轻量级的残差结构构建Tiny-Net模块，并对输入的遥感图像进行特征图提取；搭建全局注意力模块；在全局注意力模块后依次连接分类器与检测器，并利用分类器检测当前输入图像块中的目标；对检测出的目标采用k-means聚类方法得到k个尺度的先验框；使用区域提案网络得到提案区域，并采用位置敏感的ROI池化对提案区域进行池化；训练网络，并利用训练好的网络对新输入的遥感图像进行微小目标的精确检测定位。其显著效果是：实现了快速精确的检测大尺度遥感图像中的微小目标，使得对大尺度遥感图像的目标实时检测成为可能。
-
公开(公告)号：CN113723281B
公开(公告)日：2022-07-22
申请号：CN202111001772.3
申请日：2021-08-30
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V10/26 , G06V20/13 , G06V10/764 , G06V10/77 , G06K9/62
Abstract: 本发明公开了一种基于局部自适应尺度集成学习的高分辨率影像分类方法，包括步骤：获取工作区的样本和高分辨率遥感影像；通过不同分割尺度下影像对象平均局部同质性的变化率曲线，获取若干个优选尺度分割结果；计算不同优选尺度分割结果下每个分割对象的分类特征，构建整幅影像的覆盖特征矩阵；计算覆盖特征矩阵中各个覆盖特征对于每个像元分类时的贡献度；整幅影像的局部自适应尺度的集成学习并分割影像；构建分类器对局部自适应尺度分割结果下影像对象进行集成学习并分类。其显著效果是：巧妙的避开了在基于对象分类范式中最佳分割参数的选择问题，实现了不同尺度下分类信息的集成，提高了高分率遥感影像的地物识别精度。
-
公开(公告)号：CN113469052B
公开(公告)日：2022-01-11
申请号：CN202110747982.0
申请日：2021-07-02
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/13 , G06V10/774 , G06N3/04 , G06N3/08 , G06T7/10
Abstract: 本发明公开了一种基于多尺度特征反卷积的超分辨率建筑物精细识别方法，包括步骤：制作训练样本集；构建包括编码器模块、解码器模块、多尺度特征反卷积模块、特征融合模块与类别判定模块的超分辨率语义分割卷积神经网络；输入所述训练样本集对超分辨率语义分割卷积神经网络进行训练；采用训练后的超分辨率语义分割卷积神经网络对待识别影像进行处理，获得识别结果。其显著效果是：提出了基于多尺度特征反卷积的超分辨率语义分割网络MLSRSS‑Net，综合了编码器的多尺度初级特征反卷积上采样和解码器的高级对象语义特征反卷积上采样，实现了输入为较低空间分辨率的遥感影像，输出为高空间分辨率的建筑物语义图，显著提高了目标提取精度。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.051 seconds)
