-
公开(公告)号：CN113723465B
公开(公告)日：2024-04-05
申请号：CN202110883189.3
申请日：2021-08-02
Applicant: 哈尔滨工业大学
IPC: G06V10/771 , G06T5/50 , G06T7/33 , G06V10/46
Abstract: 一种改进的特征提取方法以及基于该方法的图像拼接方法，属于数字图像处理技术领域。本发明在不降低拼接精度的条件下，提高了对航拍图像的拼接速度。所述特征提取方法利用FAST‑9算法对待拼接图像IA和IB进行特征提取，利用Harris角点检测获得特征点，通过改进的BRISK算法获得特征串，实现特征提取。所述图像拼接方法基于ORB的图像拼接算法并结合无人机返回的航拍图像的特点，提出了一种改进的基于ORB的快速图像拼接算法，实现了快速高效的得到全景图的技术效果，通过仿真实验验证，本发明在不损失精度的情况下能够有效的提高多种拼接算法的拼接速度。本发明可以广泛应用于对航拍图像的拼接处理。能够快速准确的获得航拍区域的全局影像。
-
公开(公告)号：CN113723465A
公开(公告)日：2021-11-30
申请号：CN202110883189.3
申请日：2021-08-02
Applicant: 哈尔滨工业大学
Abstract: 一种改进的特征提取方法以及基于该方法的图像拼接方法，属于数字图像处理技术领域。本发明在不降低拼接精度的条件下，提高了对航拍图像的拼接速度。所述特征提取方法利用FAST‑9算法对待拼接图像IA和IB进行特征提取，利用Harris角点检测获得特征点，通过改进的BRISK算法获得特征串，实现特征提取。所述图像拼接方法基于ORB的图像拼接算法并结合无人机返回的航拍图像的特点，提出了一种改进的基于ORB的快速图像拼接算法，实现了快速高效的得到全景图的技术效果，通过仿真实验验证，本发明在不损失精度的情况下能够有效的提高多种拼接算法的拼接速度。本发明可以广泛应用于对航拍图像的拼接处理。能够快速准确的获得航拍区域的全局影像。
-
公开(公告)号：CN110543719B
公开(公告)日：2022-09-27
申请号：CN201910814487.X
申请日：2019-08-30
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F30/28 , G06F113/14 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于空间计量模型的供水管道漏失预测方法，属于供水管道漏失技术领域。所述方法从管道性状、环境因素、运行因素确定了影响供水管道发生漏损的指标体系。基于建立的指标体系，利用EPANET软件模拟某市供水管道某一天的指标值，获取该市漏损情况最为严重的供水区域A的管道数据，按管道的编号分为不同的空间，针对供水管道进行空间相关性分析、定义空间权重矩阵，确定空间计量模型，建立供水管道漏损评价体系，预测管道的漏损情况。
-
Patent Agency Ranking
公开(公告)号：CN113657214B
公开(公告)日：2024-04-02
申请号：CN202110876141.X
申请日：2021-07-30
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于Mask RCNN的建筑损伤评估方法，涉及建筑物的损伤评估领域。解决了神经网络模型在建筑损伤评估任务中的精度低的问题。本发明应用ResNet50‑vd辅以特征金字塔网络的主干网络架构作为特征提取部分，实现灾后图像的强语义和强分辨率的特征提取；强语义特征输入到区域推荐网络，得到建议框及建议框类别并生成多个特征矩阵，形成共享特征层，强分辨率的特征输入到RoIAlign层；每个特征矩阵输到RoIAlign层，缩放特征矩阵至k×k后获得多个特征图；多个特征图同时处理，通过全卷积神经网络生成Mask RCNN，非极大值抑制算法去除冗余；得到建筑在卫星图像中所在的位置，建筑损伤程度大小以及预测结果的可靠性打分。本发明主要是实现对建筑损伤程度的分级评估，应用到灾害损失评估上。
-
公开(公告)号：CN110516883B
公开(公告)日：2022-07-15
申请号：CN201910815361.4
申请日：2019-08-30
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于空间计量模型的供水管网区域漏失预测方法，属于供水管网区域漏失预测技术领域。所述方法首先从管道性状、环境因素和运行因素三个方面选取了7个可能影响供水管网漏损的相关指标，然后分别依据地理位置及漏损率定义两种空间权重矩阵，并基于不同的空间权重矩阵，进行空间自相关性分析及空间面板模型的建立，最后综合统计检验指标及信息准则指标确定较优空间面板模型。本发明以某市整个供水管网为例，探究了供水区域漏损的影响因素及影响程度，完成了对区域漏损的排序，验证了模型的可靠性。
-
公开(公告)号：CN113657214A
公开(公告)日：2021-11-16
申请号：CN202110876141.X
申请日：2021-07-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于Mask RCNN的建筑损伤评估方法，涉及建筑物的损伤评估领域。解决了神经网络模型在建筑损伤评估任务中的精度低的问题。本发明应用ResNet50‑vd辅以特征金字塔网络的主干网络架构作为特征提取部分，实现灾后图像的强语义和强分辨率的特征提取；强语义特征输入到区域推荐网络，得到建议框及建议框类别并生成多个特征矩阵，形成共享特征层，强分辨率的特征输入到RoIAlign层；每个特征矩阵输到RoIAlign层，缩放特征矩阵至k×k后获得多个特征图；多个特征图同时处理，通过全卷积神经网络生成Mask RCNN，非极大值抑制算法去除冗余；得到建筑在卫星图像中所在的位置，建筑损伤程度大小以及预测结果的可靠性打分。本发明主要是实现对建筑损伤程度的分级评估，应用到灾害损失评估上。
-
公开(公告)号：CN113657732B
公开(公告)日：2023-11-17
申请号：CN202110876131.6
申请日：2021-07-30
Applicant: 哈尔滨工业大学
IPC: G06Q10/0639 , G06Q50/26 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于层次分析法的灾度指数计算方法和设备，属于灾害评估技术领域，解决解决现有灾害评估模型的通用性和可扩展性收到限制的问题。本发明的方法包括：通过建立评估指标，获取用于计算灾度指数的所述评估指标被量化后对应的数值；利用层次分析法建立灾度指数模型；根据所述建筑物损伤程度数值、所述生命损失程度数值、所述受灾面积程度数值和所述经济损失程度数值，利用所述灾度指数模型获得灾度指数。本发明适用于各种受灾区域和各种灾害类型的灾后综合损失程度评估。
-
公开(公告)号：CN113657732A
公开(公告)日：2021-11-16
申请号：CN202110876131.6
申请日：2021-07-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于层次分析法的灾度指数计算方法和设备，属于灾害评估技术领域，解决解决现有灾害评估模型的通用性和可扩展性收到限制的问题。本发明的方法包括：通过建立评估指标，获取用于计算灾度指数的所述评估指标被量化后对应的数值；利用层次分析法建立灾度指数模型；根据所述建筑物损伤程度数值、所述生命损失程度数值、所述受灾面积程度数值和所述经济损失程度数值，利用所述灾度指数模型获得灾度指数。本发明适用于各种受灾区域和各种灾害类型的灾后综合损失程度评估。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
