-
公开(公告)号：CN116740151A
公开(公告)日：2023-09-12
申请号：CN202310718666.X
申请日：2023-06-16
Applicant: 中南大学
IPC: G06T7/30 , G06V10/762
Abstract: 本申请适用于点云配准技术领域，提供了一种InSAR点云的配准方法及终端设备，分别利用MT‑InSAR技术估计InSAR监测点的高度值，并结合InSAR监测点在外部DEM中的坐标得到不同轨道下的InSAR点云；分别利用不同聚类半径的DBSCAN聚类算法对InSAR点云数据进行聚类，得到多个点云类；分别针对每个点云类，提取其所有建筑物的立面点和屋顶点，将各点投影到北东坐标系中，得到InSAR点云的二维投影，并根据该点云类对应的对应点查找方法和二维投影，得到对应点；对对应点进行匹配，得到对应点对；基于ICP算法和对应点对，对InSAR点云数据进行配准。本申请能够提高InSAR点云的配准的普适性和准确性。
-
公开(公告)号：CN114913435A
公开(公告)日：2022-08-16
申请号：CN202210645673.7
申请日：2022-06-09
Applicant: 中南大学
IPC: G06V20/13 , G06V10/77 , G06V10/764 , G06V10/762
Abstract: 本公开实施例中提供了一种基于极化统计散射成分迁移的极化SAR影像变化检测方法，属于遥感影像数据处理技术领域，具体包括：获取时序极化SAR数据，其中，时序极化SAR数据包括源域S的时序A极化SAR影像标注样本和目标域T的时序B无标注极化SAR影像数据；时序数据统计散射成分SSC特征提取；源域SSC特征和目标域SSC特征无监督域适应；源域训练模型；基于源域样本的多时相目标域T的极化SAR影像数据跨域分类；多时相数据变化区域获取及变化类别跟踪。通过本公开的方案，将有限的标注样本在不同时相数据之间进行重复使用，以获取快速准确的地物变化检测和地物类别具体转变信息，提高了检测的效率、精准度和适应性。
-
公开(公告)号：CN118428737A
公开(公告)日：2024-08-02
申请号：CN202410664456.1
申请日：2024-05-27
Applicant: 中南大学
IPC: G06Q10/0635 , G06Q50/08 , G06T17/00 , G06T3/18
Abstract: 本申请适用于点云处理技术领域，提供了一种基于InSAR点云的建筑物风险评估方法及相关设备，其中，该方法包括获取研究区域的多轨道SAR数据，提取研究区域内多个建筑物的多轨道InSAR点云；构建点云配准损失函数，对多轨道InSAR点云进行配准，得到多个建筑物中每个建筑物配准后的多轨道InSAR点云；构建三维变形分解模型，并根据三维变形分解模型和配准后的多轨道InSAR点云，计算每个建筑物的多维变形速率和多维变形时间序列；根据多维变形速率和多维变形时间序列，计算每个建筑物对应的变形特征参数；根据变形特征参数，对每个建筑物的风险等级进行评估。本申请能提高建筑物风险评估的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114578356A
公开(公告)日：2022-06-03
申请号：CN202210205045.7
申请日：2022-03-02
Applicant: 中南大学
IPC: G01S13/90 , G01B15/06 , G06T7/30 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本公开实施例中提供了一种基于深度学习的分布式散射体形变监测方法、系统及设备，属于图像处理技术领域，具体包括：采集目标区域的多景时间序列的SAR图像；对全部SAR图像进行配准和干涉；利用配准后的SAR图像训练SAE网络，得到分类模型；使用分类模型对时域平均SAR图像进行分类，得到分类结果；根据分类结果提取与其对应的SAR图像中每个像素的同质像素，并记录每个像素的同质像素和位置索引；根据全部同质像素和位置索引进行相位优化和相干性估计后，计算InSAR监测点上的绝对参数。通过本公开实施方案，将深度学习影像分类的结果用于同质像素选择及分布式散射体形变监测，提高了InSAR点密度和形变监测精准度。
-
公开(公告)号：CN114578356B
公开(公告)日：2024-11-08
申请号：CN202210205045.7
申请日：2022-03-02
Applicant: 中南大学
IPC: G01S13/90 , G01B15/06 , G06T7/30 , G06N3/088 , G06N3/09 , G06N3/0455 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本公开实施例中提供了一种基于深度学习的分布式散射体形变监测方法、系统及设备，属于图像处理技术领域，具体包括：采集目标区域的多景时间序列的SAR图像；对全部SAR图像进行配准和干涉；利用配准后的SAR图像训练SAE网络，得到分类模型；使用分类模型对时域平均SAR图像进行分类，得到分类结果；根据分类结果提取与其对应的SAR图像中每个像素的同质像素，并记录每个像素的同质像素和位置索引；根据全部同质像素和位置索引进行相位优化和相干性估计后，计算InSAR监测点上的绝对参数。通过本公开实施方案，将深度学习影像分类的结果用于同质像素选择及分布式散射体形变监测，提高了InSAR点密度和形变监测精准度。
-
公开(公告)号：CN115017991A
公开(公告)日：2022-09-06
申请号：CN202210646706.X
申请日：2022-06-09
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种极化SAR影像无监督跨域推理分类方法，属于雷达遥感影像数据处理技术领域，具体包括：步骤1，获取时序极化SAR数据，其中，所述时序极化SAR数据包括源域S的极化SAR影像标注样本和目标域T的时序B无标注极化SAR影像数据；步骤2，利用极化统计散射分量创建极化SAR地物类别SCS的语义表达；步骤3，基于SAE网络提取源域S和目标域T的特征；步骤4，基于分类概率排序与语义相似度对目标域T进行类别分类和类别推理。通过本公开的方案，利用源域少量类别的标注样本，实现无标注目标域数据中更多地物类别的推理识别，提高了适应性和分类性能。
-
公开(公告)号：CN110058237B
公开(公告)日：2020-10-09
申请号：CN201910427521.8
申请日：2019-05-22
Applicant: 中南大学
Abstract: 本发明提供了一种面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法，包括：选择合适的时序DS‑InSAR技术分别对每个平台的多时域数据根据时空基线进行干涉对组合和单视干涉处理，引入外部DEM数据来削弱区域地形引起的密集条纹，对得到的差分干涉图进行nonLocal滤波和相干性重估计，得到最佳的参数估计值；利用地形残差估计值纠正每个分布式散射体的编码高程值，获取所有DS的三维大地坐标，利用ICP技术对多个平台DS点云进行精确配准融合。本发明通过对多源SAR数据进行精确融合，减少了参数估计过程的观测值误匹配率，提高了监测的精度和准确性，结合少量地面控制点，可以获得研究区三维立体增强信息。
-
公开(公告)号：CN110058237A
公开(公告)日：2019-07-26
申请号：CN201910427521.8
申请日：2019-05-22
Applicant: 中南大学
Abstract: 本发明提供了一种面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法，包括：选择合适的时序DS-InSAR技术分别对每个平台的多时域数据根据时空基线进行干涉对组合和单视干涉处理，引入外部DEM数据来削弱区域地形引起的密集条纹，对得到的差分干涉图进行nonLocal滤波和相干性重估计，得到最佳的参数估计值；利用地形残差估计值纠正每个分布式散射体的编码高程值，获取所有DS的三维大地坐标，利用ICP技术对多个平台DS点云进行精确配准融合。本发明通过对多源SAR数据进行精确融合，减少了参数估计过程的观测值误匹配率，提高了监测的精度和准确性，结合少量地面控制点，可以获得研究区三维立体增强信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
