公开(公告)号：CN118348592A

公开(公告)日：2024-07-16

申请号：CN202410469301.2

申请日：2024-04-18

Applicant: 中北大学

Inventor： 李剑 ,  刘瑞 ,  郭陈莉 ,  马明星 ,  臧丹枫 ,  张鑫

IPC: G01V1/30 ,  G01V1/28 ,  G01V1/104 ,  G01V1/18 ,  G06T11/00 ,  G06V10/40

Abstract: 本发明公开了一种衰减层析的地下浅层震动能量场重建方法，包括：在爆炸震源点周围的预设范围内布设检波器，采集原始震动波信号；对所述原始震动波信号进行震动阵列化信号预处理和分析，得到震动波信号；构建衰减层析模型；提取所述衰减层析模型中反映震动波色散效应的能量比特征向量；基于射线追踪法，求解所述衰减层析模型中描述震动波传播路径的衰减层析核函数矩阵；基于组稀疏正则化的迭代成像算法，求解所述衰减层析模型中描述震动波衰减特性的衰减特征向量；将所述衰减特征向量与几何衰减特征结合，建立能量场重建计算模型。本发明能够实现地下爆炸震动能量的高精度、低误差重建，有效降低计算量，减少计算耗时。

公开(公告)号：CN117150222A

公开(公告)日：2023-12-01

申请号：CN202311109144.6

申请日：2023-08-31

Applicant: 中北大学

Inventor： 李剑 ,  马明星 ,  李传坤 ,  孔庆珊 ,  柴松 ,  曾援 ,  张鑫 ,  聂鹏飞

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G01V1/28 ,  G01V1/30

Abstract: 本发明涉及一种基于扩散模型的地下震动场测量数据智能修复方法，首先使用小当量弹药地下浅层爆炸实验方案获取震动场信号，通过VMD算法对信号进行去噪，提高震动场信号信噪比；通过4次小当量弹药地下浅层爆炸实验获取真实样本，保证样本的有效性，降低训练复杂度，提升模型可靠性；将缺失的共炮点道集作为扩散模型的输入样本，通过改变随机掩码模拟出不同状况下的缺失情况，增加了输入样本的多样性，提高模型泛化性，保证即使在实验数据缺失的条件下，仍能有较高的数据多样性；本发明使用的扩散模型在加噪和去噪过程中都是对整个道集进行处理，故模型可以更好地提取全局特征，对不同的缺失状况更加稳定。

公开(公告)号：CN113838199B

公开(公告)日：2023-07-11

申请号：CN202111109019.6

申请日：2021-09-22

Applicant: 中北大学

Inventor： 熊风光 ,  张鑫 ,  刘欢乐 ,  尹宇慧 ,  况立群 ,  韩燮

IPC: G06T17/05 ,  G06T7/90 ,  G06T7/66 ,  G06T7/13 ,  G06V10/44 ,  G06V10/26 ,  G06V10/74 ,  G06V20/10

Abstract: 本发明属于三维图形领域，公开了一种三维地形生成方法。为了应对游戏、影视、军事仿真、飞行器模拟等领域的快速发展促使地形生成需求急剧增加，如何高效地生成高质量地形以满足大量需求的问题以及传统建模方法，需要繁杂的摄像过程以及人工手动建模，需要浪费大量的人力物力的问题。本发明利用现有的建筑物模型，将建筑物遥感图像中的建筑物图像剪切，使用哈希算法与建筑物模型进行匹配并保存为json文件，使用Unity引擎中的Terrain地形编辑器，根据高度图及遥感图像分割后的图片生成相应的地形及贴图，读取json文件生成建筑物，实现三维地形的生成。有效地解决了当下3D实景建模需要复杂工序的问题。

公开(公告)号：CN112489054A

公开(公告)日：2021-03-12

申请号：CN202011359068.0

申请日：2020-11-27

Applicant: 中北大学

Inventor： 熊风光 ,  张鑫 ,  刘欢乐 ,  韩燮 ,  况立群

IPC: G06T7/11 ,  G06T5/00 ,  G06T7/90 ,  G06T3/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的遥感图像语义分割方法，属于机器视觉技术领域。针对主流深度卷积神经网络的语义分割方法，所存在的对小物体的特征获取困难、分割精度不足的问题，本发明通过改进Deeplabv3算法，改进单一的上采样层，利用主干网络中得到的残差进行多层上采样，保证图像在分辨率上的语义完整；同时，修改ASPP层中4层膨胀卷积的膨胀率，使得网络对小物体分割有更好的效果。结果表明：改进的Deeplabv3语义分割算法在自制的数据集上mIou和像素准确率达到了94.92％和98.01％，较原算法分别提高了3.77％和2.40％，不仅拥有更高的准确性，且对各类地形的分割有更好的鲁棒性；适用于复杂的城市遥感图像环境，能够很好地用于城市规划、农业规划、军事战争等领域。

公开(公告)号：CN113838199A

公开(公告)日：2021-12-24

申请号：CN202111109019.6

申请日：2021-09-22

Applicant: 中北大学

Inventor： 熊风光 ,  张鑫 ,  刘欢乐 ,  尹宇慧 ,  况立群 ,  韩燮

IPC: G06T17/05 ,  G06T7/90 ,  G06T7/66 ,  G06T7/13 ,  G06K9/62 ,  G06K9/46 ,  G06K9/34 ,  G06K9/00

Abstract: 本发明属于三维图形领域，公开了一种三维地形生成方法。为了应对游戏、影视、军事仿真、飞行器模拟等领域的快速发展促使地形生成需求急剧增加，如何高效地生成高质量地形以满足大量需求的问题以及传统建模方法，需要繁杂的摄像过程以及人工手动建模，需要浪费大量的人力物力的问题。本发明利用现有的建筑物模型，将建筑物遥感图像中的建筑物图像剪切，使用哈希算法与建筑物模型进行匹配并保存为json文件，使用Unity引擎中的Terrain地形编辑器，根据高度图及遥感图像分割后的图片生成相应的地形及贴图，读取json文件生成建筑物，实现三维地形的生成。有效地解决了当下3D实景建模需要复杂工序的问题。