公开(公告)号：CN119832415A

公开(公告)日：2025-04-15

申请号：CN202411837137.2

申请日：2024-12-13

Applicant: 东北林业大学 ,  黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院)

Inventor： 景维鹏 ,  李超 ,  谷俊涛 ,  陈广胜 ,  张晓燕 ,  邹为涛 ,  于鸣 ,  吴晓强 ,  张文钧

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/44 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于RSVMamba与无人机RGB数据实现树种分类方法，属于图像处理技术领域。包括：S1、引入了无人机RGB树种分类数据集，构建树种分类数据集；S2、构建树种分类模型RSVMamba，结合改进的VSS模块和AutoDownsampling模块，并在该模型上实现基于构建的数据集的有效分类。本发明引入无人机RGB树种分类数据集，验证了单时相无人机RGB数据在复杂异质性森林中实现多树种分类的有效性，降低了树种分类任务对高光谱数据的依赖。本发明提出了RSVMamba模型，实现了复杂森林环境下基于单时相无人机RGB数据的树种分类，对8种树种、枯死树木和其他阔叶树的分类精度达到84.28％。

公开(公告)号：CN119693753A

公开(公告)日：2025-03-25

申请号：CN202411796300.5

申请日：2024-12-09

Applicant: 东北林业大学 ,  黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) ,  中国科学院空天信息创新研究院

Inventor： 景维鹏 ,  李超 ,  陈广胜 ,  徐慧铭 ,  邹为涛 ,  于鸣 ,  吴晓强 ,  谷俊涛 ,  王建

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/774 ,  G06N3/048 ,  G06N3/084 ,  G06V10/764 ,  G06V20/10

Abstract: 本发明提供一种基于特征融合网络的细粒度物候参数提取方法，包括以下步骤：(1)对物候相机中拍摄的照片进行收集和预处理，构建出适用于训练的数据集；(2)物候参数提取；首先，引入ResNet18，通过3×3的卷积核进行全局特征提取；其次，针对轻量级提取局部特征部分；(3)在两个分支各自提取全局和局部特征后，采用自适应特征融合模块将两部分特征进行融合，利用GELU激活函数对拼接后的特征进行处理，生成综合的特征；(4)分类层使用Softmax函数，加入Dropout技术将融合后的特征映射到不同物候期的类别空间，实现对多种物候期的精确分类。本发明实现了高精度的物候期监测框架，操作简单，物候期提取细粒度高，适用于植物生长过程的生态研究。

公开(公告)号：CN112925789A

公开(公告)日：2021-06-08

申请号：CN202110208391.6

申请日：2021-02-24

Applicant: 东北林业大学

Inventor： 陈广胜 ,  景维鹏 ,  邹为涛 ,  李林辉 ,  徐泽堃

IPC: G06F16/22 ,  G06F16/2457 ,  G06F16/2458 ,  G06F16/25 ,  G06F16/29

Abstract: 本发明提出一种基于Spark的空间矢量数据内存存储查询方法及系统，所述方法及系统为海量空间矢量数据在Spark内存中的存储结构和空间查询操作提供了新的解决方案，针对数据空间分布不均衡以及跨分区存储的现象，提出了一种带有buffer分区的非均匀网格分区方法。在每个分区中引入四叉网格树的结构进行数据的局部索引，通过合理剪枝，其有效提高每个分区的本地查询效率。基于本发明提出的空间数据内存结构，可以将Spark扩展为支持KNN和范围查询的分布式系统。通过对存储和查询过程进行封装，该执行过程对用户透明，用户可以通过传递参数直接调用对应的算子。

公开(公告)号：CN119693248A

公开(公告)日：2025-03-25

申请号：CN202411796112.2

申请日：2024-12-09

Applicant: 东北林业大学 ,  黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) ,  中国科学院空天信息创新研究院

Inventor： 李超 ,  景维鹏 ,  陈广胜 ,  路海亮 ,  邹为涛 ,  于鸣 ,  谷俊涛 ,  王建 ,  吴晓强

IPC: G06T5/50 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/045 ,  G06T7/11 ,  G06N3/048 ,  G06N3/084 ,  G06T3/4076

Abstract: 本发明提供一种基于超分辨率技术的无监督遥感影像空谱融合方法，包括以下步骤：对需要融合的低空间分辨率多光谱遥感影像和高空间分辨率全色遥感影像进行预处理和归一化；基于原始输入的多光谱和全色影像构建训练数据；构建超分辨率网络模型并基于步骤2获得的预训练数据集对模型进行预训练；预训练模型在原始输入数据上进行微调；微调后的深度学习网络，输入原始分割的多光谱和全色影像，得到融合后的遥感影像块；通过将所有融合的影像块进行组合，并进行反归一化，最终获得融合的多光谱遥感影像。本发明实现了高效率的空谱融合，所构建的无监督学习框架无需额外收集训练数据，可以大大减少人力和资金成本。

公开(公告)号：CN112925789B

公开(公告)日：2022-12-20

申请号：CN202110208391.6

申请日：2021-02-24

Applicant: 东北林业大学

Inventor： 陈广胜 ,  景维鹏 ,  邹为涛 ,  李林辉 ,  徐泽堃

IPC: G06F16/22 ,  G06F16/2457 ,  G06F16/2458 ,  G06F16/25 ,  G06F16/29

Abstract: 本发明提出一种基于Spark的空间矢量数据内存存储查询方法及系统，所述方法及系统为海量空间矢量数据在Spark内存中的存储结构和空间查询操作提供了新的解决方案，针对数据空间分布不均衡以及跨分区存储的现象，提出了一种带有buffer分区的非均匀网格分区方法。在每个分区中引入四叉网格树的结构进行数据的局部索引，通过合理剪枝，其有效提高每个分区的本地查询效率。基于本发明提出的空间数据内存结构，可以将Spark扩展为支持KNN和范围查询的分布式系统。通过对存储和查询过程进行封装，该执行过程对用户透明，用户可以通过传递参数直接调用对应的算子。