-
公开(公告)号：CN109801304A
公开(公告)日：2019-05-24
申请号：CN201910027175.4
申请日：2019-01-11
Applicant: 重庆邮电大学
IPC: G06T7/136
Abstract: 本发明请求保护一种基于Landsat OLI多光谱影像的建筑指数构建及建筑快速提取方法，包括如下步骤：1)Landsat OLI多光谱数据的预处理，包括辐射定标、几何校正、大气校正和裁剪；2)构建1个建筑指数模型，包括两个二级指数；3)为指数模型选择最优阈值，提取建筑区域信息；4)导出连续建筑区域信息，生成建筑区域矢量数据；5)使用建筑区域矢量数据裁剪Landsat OLI多光谱影像，获得建筑区域数据。本发明的建筑区域信息提取方法综合利用了Landsat OLI第二、第三、第四、第五、第六和第七波段信息，最大程度地排除了裸地信息的影像，提高了建筑区域信息提取的速度和精度，为后续研究提供相关数据。
-
公开(公告)号：CN102074833A
公开(公告)日：2011-05-25
申请号：CN201010616035.X
申请日：2010-12-30
Applicant: 重庆邮电大学
IPC: H01R13/11 , H01R13/52 , H01R13/707 , H01R13/713
Abstract: 本发明涉及电器设备领域，提供了一种安全插座，在插座底盒(10)与带插头片口(21)的插座上盖(20)形成的插座腔体内还包括电源离合装置(30)、传压板(40)、连接导线(70)和插座支撑筒(50)；所述传压板(40)设置在插座底盒(10)上，一端伸入电源离合装置(30)腔体内，另一端伸入插座支撑筒(50)腔体内，插座支撑筒(50)与电源离合装置(30)通过连接导线(70)电气连接，本发明使得在无意触碰或部分插头片插入到底的情况下，均不会导通电源，使得应用更加安全；进一步地，本发明使得整个通电线路都处于绝缘环境中，即使有水进入插座腔体内，甚至以上线路都处于浸水状态，都能够避免出现短路的现象。
-
公开(公告)号：CN114494097B
公开(公告)日：2025-03-07
申请号：CN202210132572.X
申请日：2022-02-14
Applicant: 重庆邮电大学
Abstract: 本发明属于遥感图像融合领域，具体涉及一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法；该方法包括：获取合成孔径雷达图像和多光谱图像；对合成孔径雷达图像分别进行高斯曲率滤波分解和高斯滤波分解，得到小尺度图像、大尺度图像和基尺度图像；对多光谱图像进行色彩饱和强度变换，得到强度图像；对基尺度图像和强度图像进行融合，得到近似图像；将近似图像、小尺度图像和大尺度图像融合，得到融合后的强度图像；对融合后的强度图像进行重构，得到融合后的遥感图像；本发明将尺度形态学梯度与自适应简化脉冲耦合神经网络结合，避免了块状效应和图像局部模糊的现象。
-
公开(公告)号：CN117953299A
公开(公告)日：2024-04-30
申请号：CN202410149741.X
申请日：2024-02-02
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/13 , G06V10/82
Abstract: 本发明涉及基于多尺度的遥感影像土地利用分类方法，属于遥感图像处理技术领域。首先，获取公开的遥感土地利用分类数据集，并进行预处理，随机划分训练集、验证集和测试集。接着，基于Deeplabv3+模型构建MFC‑Net模型，主干网络为ResNet‑50，并对其进行改进，如改变计算比例、使用深度可分离卷积等。桥接网络部分加入基于点积注意力的空洞空间金字塔池化模块DPA‑ASPP，解码网络中加入注意力增强融合模块AEFM。最后，将预处理的训练集输入模型进行训练，得到土地利用分类模型。测试集用于进行分割测试，得到分类结果。本发明提高分类准确性、降低时间复杂度、增强特征融合能力、增强泛化能力和简化模型设计。
-
公开(公告)号：CN117876240A
公开(公告)日：2024-04-12
申请号：CN202410163906.9
申请日：2024-02-05
Applicant: 重庆邮电大学
IPC: G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/045 , G06T3/4053 , G06T3/4046 , G06V10/52 , G06V10/54 , G06V10/62
Abstract: 本发明涉及一种基于多尺度和混合卷积网络的遥感图像时空融合方法，属于图像处理领域，为解决当前遥感卫星图像由于技术限制不能够同时获取高空间高时间分辨率图像的缺点，搭建一个双分支卷积神经网络融合模型用于提取遥感图像中时间变化信息和空间特征信息。引入多尺度机制，使用具有不同感受野的卷积核组成的多尺度机制来同时提取图像时间变化信息和空间纹理信息，从而提高融合精度；使用可分离的三维卷积模块，提取图像的时间变化信息，并减少训练参数；引入了注意力机制，使用空间和通道注意力混合模块确定网络模型参数的权重分配，并增强特征区域的表征。本发明提高了遥感图像时空融合模型的有效性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117035066A
公开(公告)日：2023-11-10
申请号：CN202311004642.4
申请日：2023-08-10
Applicant: 重庆邮电大学
IPC: G06N5/01 , G06N20/00 , G06F17/18 , G06T3/40 , G06Q10/0639
Abstract: 本发明涉及一种耦合地理加权与随机森林的地表温度降尺度方法，属于遥感图像处理技术领域。该方法包括以下步骤：获取遥感数据及预处理；尺度因子的选择及计算；地理加权随机森林降尺度模型的建立与参数优化；将预处理后的高分辨率尺度因子及残差输入到地理加权随机森林降尺度模型得到高分辨率地表温度，最后通过决定系数，均方根误差，平均绝对误差评估模型精度。本发明在地理加权回归模型的基础上通过引入随机森林回归模型，表达地表温度与尺度因子的非平稳性以及非线性。
-
公开(公告)号：CN109903234B
公开(公告)日：2023-04-07
申请号：CN201910048935.X
申请日：2019-01-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种城市热力景观定量描述及多尺度特征分析方法，包括：通过现有的辐射定标、大气校正、几何校正等方法对Landsat‑8 OLI/TIRS遥感影像进行预处理，经过预处理的图像采用现有方法反演为地表温度影像。针对研究区使用改进的“均值‑标准差”方法将地表温度影像划分为热力景观，在斑块、类型和景观三个水平计算景观指数并依据指数结果分析城市热力景观空间格局。对两个或多个研究区进行尺度变化，包含空间粒度变换和空间幅度变化，在空间粒度和幅度上计算所选取的景观指数并分析其多尺度特征，最后对于多尺度特征在不同研究区的变化趋势进行对比分析。本方法可用于对单个或多个研究区的城市热力景观进行分析，本方法分析更为全面和具体。
-
公开(公告)号：CN109801304B
公开(公告)日：2022-12-27
申请号：CN201910027175.4
申请日：2019-01-11
Applicant: 重庆邮电大学
IPC: G06T7/136
Abstract: 本发明请求保护一种基于Landsat OLI多光谱影像的建筑指数构建及建筑快速提取方法，包括如下步骤：1)Landsat OLI多光谱数据的预处理，包括辐射定标、几何校正、大气校正和裁剪；2)构建1个建筑指数模型，包括两个二级指数；3)为指数模型选择最优阈值，提取建筑区域信息；4)导出连续建筑区域信息，生成建筑区域矢量数据；5)使用建筑区域矢量数据裁剪Landsat OLI多光谱影像，获得建筑区域数据。本发明的建筑区域信息提取方法综合利用了Landsat OLI第二、第三、第四、第五、第六和第七波段信息，最大程度地排除了裸地信息的影像，提高了建筑区域信息提取的速度和精度，为后续研究提供相关数据。
-
公开(公告)号：CN114549385A
公开(公告)日：2022-05-27
申请号：CN202210174565.6
申请日：2022-02-24
Applicant: 重庆邮电大学
Abstract: 本发明属于遥感图像去云领域，具体涉及一种基于深度稠密残差网络的光学与SAR图像融合的去云方法，该方法包括：获取待去云的图像，对待去云图像进行预处理；将预处理好的图像输入到训练好的去云模型中，得到去云图像；根据去云图像对目标区域进行标记处理；去云模型包括深度残差网络和RDN网络；在进行光学与SAR图像融合去云前，先进行了SAR图像到光学图像的转换，使得光学图像与SAR图像直接由于成像原因引起的差异得到降低，提升了SAR图像中信息的利用和最终的去云精度。
-
公开(公告)号：CN111414942A
公开(公告)日：2020-07-14
申请号：CN202010149956.3
申请日：2020-03-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于主动学习和卷积神经网络的遥感图像分类方法，该方法包括：通过主成分分析方法对高光谱遥感图像进行波段处理，随后将图像处理成块。将数据按照一定比例分为训练集、未标记样本集、验证集和测试集。使用训练集对卷积神经网络进行训练，对未标记样本集中样本的所属类别进行预测，引入主动学习对样本进行评估。然后将其评估的结果进行排序，挑选出其中置信度低的样本，专家赋予其标签，对于置信度高的样本计算机自动赋予其标签。通过调节预测标签系数来构建高质量的训练样本集，使用挑选出的训练样本集迭代优化分类器模型。满足停止条件便停止迭代，输出最终的分类结果。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.022 seconds)
