-
公开(公告)号：CN119293059A
公开(公告)日：2025-01-10
申请号：CN202411832901.7
申请日：2024-12-13
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 重庆交通大学
Abstract: 本发明公开了一种地图信息更新方法及系统，涉及地图更新技术领域，包括：根据每个路标对象，使用编辑距离与余弦相似度衡量路标对象的元素集合中的符号元素与地图元素集合中的符号元素之间的第一相似度；使用欧式距离衡量路标对象的元素集合中的颜色元素与地图元素集合中的颜色元素之间的第二相似度；使用豪斯多夫距离衡量路标对象的元素集合中的中心点位置元素与地图元素集合中的中心点位置元素之间的第三相似度；将路标对象的元素集合中的轮廓框元素与地图元素集合中的轮廓框元素的交并比作为第四相似度；通过四个相似度确定是否匹配；若匹配则更新地图。本发明能够及时对地图进行更新，实时性较好。
-
公开(公告)号：CN118968223A
公开(公告)日：2024-11-15
申请号：CN202411098438.8
申请日：2024-08-12
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 武汉大学
IPC: G06V10/774 , G06V10/82 , G06N3/0895 , G06V20/10
Abstract: 本发明公开一种深度网络模型自监督训练、土地利用变化检测方法及装置，属于遥感图像处理领域。其中训练方法包括：获取第一时相训练图像和第二时相训练图像；将第一时相训练图像和第二时相训练图像输入深度网络模型，获取第一时相图像特征和第二时相图像特征；将第一时相图像特征和第二时相图像特征中同一场景、不同角度的图像特征构造正样本对，不同场景的图像特征构造负样本对；构造多角度对比损失函数；根据正样本对、负样本对和多角度对比损失函数，对深度网络模型进行自监督训练。本发明从多视角影像中构建自监督学习范式，以土地利用变化检测为下游任务，在不依赖或仅依赖较少人工标注样本的前提下实现土地利用监测。
-
公开(公告)号：CN118608975B
公开(公告)日：2024-11-05
申请号：CN202411066838.0
申请日：2024-08-06
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)
Abstract: 本发明公开了一种遥感影像真伪鉴别方法及系统，涉及图像处理技术领域，所述方法包括：获取遥感影像，基于图像域编码器对所述遥感影像进行图像域特征提取处理，获得图像域特征；基于频率域编码器对所述遥感影像进行频率域特征提取处理，获得频率域特征；基于多域表征统一映射模块对所述图像域特征和频率域特征进行初步融合，获得初步融合特征；基于混合域特征优化模块对所述初步融合特征进行优化，获得目标融合特征；基于线性分类器利用所述目标融合特征进行遥感影像的真伪鉴别处理，获得真伪鉴别结果。本发明实现更为先进的遥感影像真伪鉴别精度，捕获了关于不同虚假图像的泛化性特征。
-
公开(公告)号：CN118504850A
公开(公告)日：2024-08-16
申请号：CN202410981318.6
申请日：2024-07-22
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 中南大学
IPC: G06Q10/063 , G06Q10/04 , G06F18/27 , G06F17/10
Abstract: 本发明公开了基于足迹模型混合线性回归模型的植被总初级生产力模拟优化方法，本发明首先基于FFP模型进行植被总初级生产力观测站点月尺度足迹模拟；而后基于得到的站点观测足迹范围及足迹内各像元权重进行遥感数据NIRV优化，并基于线性回归模型方法构建优化后的遥感数据NIRV与站点植被总初级生产力间的线性回归模型，最终模拟区域月尺度植被总初级生产力。本发明具有如下有益效果：本发明充分考虑了站点观测植被总初级生产力数据与遥感观测数据NIRV的观测尺度差异性，具有良好优化植被总初级生产力估算模型的能力，能够更为准确地进行植被总初级生产力的估算。
-
公开(公告)号：CN117634894B
公开(公告)日：2024-05-10
申请号：CN202410101454.1
申请日：2024-01-25
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)
IPC: G06Q10/0635 , G06Q50/26 , G06F16/36 , G06F16/332
Abstract: 本发明适用于环境风险评估技术领域，提供了一种生态环境风险评估方法、装置、电子设备及存储介质，该方法包括：获取待评估对象的关键词信息；根据关键词信息，从预先建立的生态环境风险领域的知识图谱中确定待评估对象的至少一个评估维度下的评价指标；确定至少一个评估维度和评价指标的权重系数，得到待评估对象对应的评价指标体系；基于评价指标体系，对待评估对象进行风险评估。本发明能够提高对生态环境进行风险评估的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117670961B
公开(公告)日：2024-04-16
申请号：CN202410140397.8
申请日：2024-02-01
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 黑龙江工程学院
IPC: G06T7/33 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的低空遥感影像多视立体匹配方法及系统，首先在初始影像中提取并匹配均匀分布的特征点，通过构建卷积神经网络优化特征匹配获取高精度种子点；然后利用影像像素与物方面元的投影关系扩散种子，将不相邻影像中的对应像点及其周围像素输入卷积神经网络获取最优匹配及对应三维点坐标；最后利用密度约束及特征约束过滤异常匹配点，精化点云模型。本发明利用卷积神经网络学习多视影像在视差突变、灰度突变和弱纹理等不利条件下的稳健匹配以提高匹配精度与重建点云完整度，通过不相邻影像匹配优化降低多视立体匹配算法的时间复杂度，在保证精度与完整度的前提下提高匹配效率。
-
公开(公告)号：CN117634894A
公开(公告)日：2024-03-01
申请号：CN202410101454.1
申请日：2024-01-25
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)
IPC: G06Q10/0635 , G06Q50/26 , G06F16/36 , G06F16/332
Abstract: 本发明适用于环境风险评估技术领域，提供了一种生态环境风险评估方法、装置、电子设备及存储介质，该方法包括：获取待评估对象的关键词信息；根据关键词信息，从预先建立的生态环境风险领域的知识图谱中确定待评估对象的至少一个评估维度下的评价指标；确定至少一个评估维度和评价指标的权重系数，得到待评估对象对应的评价指标体系；基于评价指标体系，对待评估对象进行风险评估。本发明能够提高对生态环境进行风险评估的准确性。
-
公开(公告)号：CN117592793A
公开(公告)日：2024-02-23
申请号：CN202311298926.9
申请日：2023-10-09
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 中国科学院大学 , 青岛大学
IPC: G06Q10/0637 , G06Q50/02 , G06V20/10 , G06F17/10
Abstract: 本发明属于农业遥感技术领域，涉及一种基于改进的遥感‑生态系统模型的生产力模拟方法，先收集研究区域内的遥感数据并进行数据处理，再基于BEPS模型建立包含能量传输模块、水平衡模块、碳循环模块和生理调节模块的改进的遥感‑生态模型，各个模块分别用于模拟不同的生态过程；然后基于构建的模型和处理后的遥感数据，预测出净初级生产力的分布结果，最后根据模拟结果评估生态系统的生产力水平，并进行空间和时间尺度上的分析；综合考虑了多种因素对生态系统生产力的影响，使得模拟结果更加准确和全面，而且将气象数据和环境变量融入模型中，在大的空间范围内获得NPP的季节和年际变化信息，有利于研究气候变化对生态系统的影响。
-
公开(公告)号：CN116975522B
公开(公告)日：2023-12-22
申请号：CN202311225703.X
申请日：2023-09-22
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 南京农业大学
Abstract: 本申请提供一种基于通量数据的叶绿素荧光遥感传感器退化校正方法。本申请分别获取通量站点长期连续观测多年的年度总初级生产力数据和对应的日光诱导叶绿素荧光的遥感数据，并分别对上述两组时间序列数据进行标准化，基于标准化数据的多站点平均值拟合出变化函数，最后，以目标年份 带入变化函数获得该年份所对应的校正系数为 ，利用校正系数 对SIF原始遥感数据的传感器退化影响进行校正。本发明以GPP的长期变化趋势作为基准，根据SIF遥感数据受传感器退化影响逐年递增的规律拟合出SIF遥感数据的校正系数，实现对SIF遥感数据时间变化趋势的校正。相比传统校正手段，本申请可将校正的绝对误差降低一半左右，使校正后年际变化趋势的精度提高约48%。
-
公开(公告)号：CN114708513B
公开(公告)日：2023-12-01
申请号：CN202210213409.6
申请日：2022-03-04
Applicant: 深圳市规划和自然资源数据管理中心 , 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/44 , G06V10/26 , G06V10/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09 , G06F16/29
Abstract: 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.041 seconds)
