公开(公告)号：CN114821334B

公开(公告)日：2023-08-04

申请号：CN202210540282.9

申请日：2022-05-17

Applicant: 重庆市地理信息和遥感应用中心

Inventor： 丁忆 ,  敖影 ,  罗鼎 ,  胡艳 ,  李朋龙 ,  马泽忠 ,  李晓龙 ,  肖禾 ,  刘金龙 ,  段松江 ,  王小攀 ,  连蓉 ,  李晓 ,  曾攀 ,  殷明

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/56 ,  G06V10/48 ,  G06V10/54 ,  G06V10/74

Abstract: 本发明公开了一种基于区域定位和局部特征匹配的楼顶加盖违建识别方法，包括利用已有的建筑物基底矢量数据，对建筑物进行编码，并在前后两期影像上分别定位同一建筑物的楼顶区域；对定位的两期影像同一建筑物楼顶区域进行局部特征提取；基于提取的特征信息，分别构建前后期正射影像建筑物顶部区域特征向量，并计算两个特征向量之间的相似性测度；将计算得出的相似性测度作为变化阈值，提取出变化的建筑物楼顶区域，识别出楼顶加盖型违法建筑影像等步骤。其显著效果是：能够精确检测屋顶加盖型违法建筑，为该类违法建筑的行政执法提供了有力支撑。

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

Inventor： 张滔 ,  李朋龙 ,  丁忆 ,  马泽忠 ,  李晓龙 ,  罗鼎 ,  肖禾 ,  文力 ,  李胜 ,  王亚林 ,  敖影 ,  段松江 ,  曾攀 ,  舒文强 ,  贾雯

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。

公开(公告)号：CN112883839B

公开(公告)日：2021-10-22

申请号：CN202110140498.1

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

Inventor： 胡艳 ,  李朋龙 ,  丁忆 ,  胡翔云 ,  马泽忠 ,  肖禾 ,  张觅 ,  张泽烈 ,  荣子豪 ,  李晓龙 ,  罗鼎 ,  陈静 ,  段松江 ,  刘朝晖 ,  曾攀 ,  殷明

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应样本集构造与深度学习的遥感影像解译方法，包括步骤：对样本总集进行特征提取，并对提取的特征进行聚类，构建视觉词袋模型的特征词典，得到样本子集；构建基于深度学习网络的解译模型，并先后输入样本总集和聚类的样本子集对解译模型进行训练，分别得到总解译模型和与各样本子集相对应的子解译模型；采用总解译模型以及根据待解译遥感影像的影像特征选取的合适的若干子解译模型，对待解译遥感影像进行自适应解译。其显著效果是：通过聚类的自动化、分布式手段快速建立海量遥感影像的样本库，并利用机器深度学习技术对样本库数据进行训练，获得适应于不同场景的智能解译模型，解译精度高，鲁棒性好。

公开(公告)号：CN113469052A

公开(公告)日：2021-10-01

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

Inventor： 张滔 ,  李朋龙 ,  丁忆 ,  马泽忠 ,  李晓龙 ,  罗鼎 ,  肖禾 ,  文力 ,  李胜 ,  王亚林 ,  敖影 ,  段松江 ,  曾攀 ,  舒文强 ,  贾雯

IPC: G06K9/00 ,  G06K9/62 ,  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。

公开(公告)号：CN110443770A

公开(公告)日：2019-11-12

申请号：CN201910737998.6

申请日：2019-08-12

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) ,  武汉大学

Inventor： 丁忆 ,  李朋龙 ,  连蓉 ,  王亚林 ,  徐永书 ,  张泽烈 ,  叶立志 ,  胡翔云 ,  胡艳 ,  陈静 ,  罗鼎 ,  段松江 ,  刘金龙 ,  陈甲全 ,  吴凤敏 ,  王小攀 ,  钱进 ,  魏文杰 ,  曾远文 ,  李晓龙

IPC: G06T5/00

Abstract: 本发明公开了一种基于离散粗糙度估计的机载激光点云数据噪声检测方法，包括步骤：读取机载激光点云数据，并构建离散点云TIN模型；根据离散点云TIN模型，获取模型中各顶点的一环邻域、二环邻域；采用离散粗糙度估计算子，计算各点的离散粗糙度；计算各点的二环邻域离散粗糙度均值和二环邻域粗糙度标准差；计算各点的二环邻域高程均值和二环邻域高程标准差；标记噪声点。其显著效果是：提高了机载激光点云数据噪声检测的智能化程度，极大地提高了机载激光点云数据处理效率及后续处理精度。