-
公开(公告)号：CN118172291A
公开(公告)日：2024-06-11
申请号：CN202410591652.0
申请日：2024-05-14
Applicant: 浙江国遥地理信息技术有限公司 , 北京国遥新天地信息技术股份有限公司
Abstract: 本说明书实施例公开了一种遥感影像的图像去云方法、装置及电子设备。该方法包括训练得到云检测模型，训练得到图像修复模型；确定目标遥感影像，将目标遥感影像划分为至少两个第二影像；基于云检测模型依次处理各第二影像，并在每个第一影像对应的所有第二影像均被处理后，基于图像修复模型处理各目标第二影像，得到各第一修复影像；对各目标第二影像的云检测结果进行融合，得到云检测掩膜区域，并基于各第一修复影像覆盖云检测掩膜区域，得到第二修复影像；整合各第二修复影像，得到去云图像。本说明书实施例实现了即使在遥感影像的有云区域占比较大和/或遥感影像尺寸较大的情况下，仍能快速准确的对影像进行去云修复。
-
公开(公告)号：CN119295863B
公开(公告)日：2025-03-18
申请号：CN202411823205.X
申请日：2024-12-12
Applicant: 浙江国遥地理信息技术有限公司
IPC: G06F30/27
Abstract: 本说明书实施例公开了一种雷达微波图像数据集生成方法、装置及电子设备。该方法包括通过构建、训练的双向转换深度学习模型，再将待转换的大批量光学图像数据集通过训练好的双向转换深度学习模型进行转换，得到严重缺失的微波图像大数据集。在以上深度学习生成模型方式中，通过在双向转换深度学习模型中通过设置正向生成对抗网络模型和反向生成对抗网络模型，以及设置失真自适应函数不断调整深度学习模型参数，使得最后生成的雷达微波图像数据集具有高保真度，细节丰富，结构逼真，增强了对应光学图像和微波图像在不同视角下的一致性和真实性，满足了后续深度学习在星载合成孔径雷达智能应用中对大批量、高质量训练样本的需求。
-
公开(公告)号：CN118446938A
公开(公告)日：2024-08-06
申请号：CN202410903223.2
申请日：2024-07-08
Applicant: 浙江国遥地理信息技术有限公司
IPC: G06T5/77 , G06V10/764 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本说明书实施例公开了一种遥感影像的阴影区域修复方法、装置及电子设备。该方法包括获取待修复的遥感影像，基于多任务神经网络模型处理遥感影像；对第一区域掩膜进行超像素分割；搜索与阴影超像素区域最近邻的同类地物非阴影超像素区域，并将阴影超像素区域与同类地物非阴影超像素区域组成匹配对；将匹配对的阴影区域统计量映射成非阴影区域统计量；整合各区域修复影像和非阴影超像素区域影像，得到遥感影像对应的阴影修复影像。本说明书实施例对遥感影像的阴影区域修复效果更好，得到的修复影像的数据质量高，且具有通用性，能够应用的领域范围广。
-
公开(公告)号：CN119295863A
公开(公告)日：2025-01-10
申请号：CN202411823205.X
申请日：2024-12-12
Applicant: 浙江国遥地理信息技术有限公司
IPC: G06V10/774 , G01S13/90 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本说明书实施例公开了一种雷达微波图像数据集生成方法、装置及电子设备。该方法包括通过构建、训练的双向转换深度学习模型，再将待转换的大批量光学图像数据集通过训练好的双向转换深度学习模型进行转换，得到严重缺失的微波图像大数据集。在以上深度学习生成模型方式中，通过在双向转换深度学习模型中通过设置正向生成对抗网络模型和反向生成对抗网络模型，以及设置失真自适应函数不断调整深度学习模型参数，使得最后生成的雷达微波图像数据集具有高保真度，细节丰富，结构逼真，增强了对应光学图像和微波图像在不同视角下的一致性和真实性，满足了后续深度学习在星载合成孔径雷达智能应用中对大批量、高质量训练样本的需求。
-
公开(公告)号：CN116434071B
公开(公告)日：2023-09-12
申请号：CN202310666819.0
申请日：2023-06-07
Applicant: 浙江国遥地理信息技术有限公司
Abstract: 本申请提供了一种规整化建筑掩膜的确定方法、确定装置、设备及介质，应用于图像处理技术领域，该方法包括：针对于目标遥感影像中每个建筑对应的初始掩膜，在目标遥感影像中对该初始掩膜进行分割，以得到组成该初始掩膜对应的区域的至少一个目标矩形区域；针对于该初始掩膜在每个目标矩形区域内的部分掩膜，分别对该部分掩膜进行横向群聚分割和纵向群聚分割，得到该目标矩形区域内的规整化掩膜；将每个目标矩形区域内的规整化掩膜进行组合，得到该建筑对应的目标掩膜，以在目标遥感影像中形成该建筑对应的规整化建筑矢量轮廓。根据所述方法和装置，解决了现有技术中提取建筑掩膜时存在的扭曲、变形且带毛刺的问题。
-
Patent Agency Ranking
公开(公告)号：CN118334264B
公开(公告)日：2024-08-23
申请号：CN202410756170.6
申请日：2024-06-13
Applicant: 浙江国遥地理信息技术有限公司
Abstract: 本说明书实施例公开了一种基于遥感数据的区域化房屋三维重建方法及装置。该方法包括提取遥感数据的道路掩膜，将遥感数据划分为多个重建区域；针对任意重建区域，确定重建区域的主体方向；针对重建区域中的任意建筑，确定建筑的建筑净高度，并根据建筑净高度对应的建筑类别选取分割规则进行单体化分割，得到各单体区域；针对重建区域中的任意单体区域，确定每个建筑的建筑方向，并基于单体区域的高程数据对各建筑进行三维重建。本说明书实施例实现了无需依赖各类经验参数和大量训练数据即可快速精准的实现对房屋的三维重建，并且能够使得重建的房屋贴合其真实朝向，整体重建效果好。
-
公开(公告)号：CN116363319B
公开(公告)日：2023-08-04
申请号：CN202310638882.3
申请日：2023-06-01
Applicant: 浙江国遥地理信息技术有限公司
IPC: G06T17/00 , G06Q50/08 , G06N3/0455 , G06N3/0464
Abstract: 本申请提供了一种建筑物屋顶的建模方法、建模装置、设备及介质，可应用于计算机建筑建模技术领域，该方法包括：将建筑物掩膜分割图输入到屋顶结构识别模型中，确定出每个建筑物所包含的至少一个屋顶结构对应的结构类型，以及每个屋顶结构对应的屋顶边界框；针对于每个屋顶结构，基于该屋顶结构对应的结构类型以及模型数据，生成该屋顶结构对应的初始结构模型；基于该建筑物对应的规整化掩膜对该屋顶结构对应的初始结构模型的位置和尺寸进行调整，得到该屋顶结构对应的屋顶三维模型。根据所述方法和装置，解决了现有技术中建筑屋顶建模不准确且效率较低的问题。
-
公开(公告)号：CN116434071A
公开(公告)日：2023-07-14
申请号：CN202310666819.0
申请日：2023-06-07
Applicant: 浙江国遥地理信息技术有限公司
Abstract: 本申请提供了一种规整化建筑掩膜的确定方法、确定装置、设备及介质，应用于图像处理技术领域，该方法包括：针对于目标遥感影像中每个建筑对应的初始掩膜，在目标遥感影像中对该初始掩膜进行分割，以得到组成该初始掩膜对应的区域的至少一个目标矩形区域；针对于该初始掩膜在每个目标矩形区域内的部分掩膜，分别对该部分掩膜进行横向群聚分割和纵向群聚分割，得到该目标矩形区域内的规整化掩膜；将每个目标矩形区域内的规整化掩膜进行组合，得到该建筑对应的目标掩膜，以在目标遥感影像中形成该建筑对应的规整化建筑矢量轮廓。根据所述方法和装置，解决了现有技术中提取建筑掩膜时存在的扭曲、变形且带毛刺的问题。
-
公开(公告)号：CN118446938B
公开(公告)日：2024-09-10
申请号：CN202410903223.2
申请日：2024-07-08
Applicant: 浙江国遥地理信息技术有限公司
IPC: G06T5/77 , G06V10/764 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本说明书实施例公开了一种遥感影像的阴影区域修复方法、装置及电子设备。该方法包括获取待修复的遥感影像，基于多任务神经网络模型处理遥感影像；对第一区域掩膜进行超像素分割；搜索与阴影超像素区域最近邻的同类地物非阴影超像素区域，并将阴影超像素区域与同类地物非阴影超像素区域组成匹配对；将匹配对的阴影区域统计量映射成非阴影区域统计量；整合各区域修复影像和非阴影超像素区域影像，得到遥感影像对应的阴影修复影像。本说明书实施例对遥感影像的阴影区域修复效果更好，得到的修复影像的数据质量高，且具有通用性，能够应用的领域范围广。
-
公开(公告)号：CN118172291B
公开(公告)日：2024-08-13
申请号：CN202410591652.0
申请日：2024-05-14
Applicant: 浙江国遥地理信息技术有限公司 , 北京国遥新天地信息技术股份有限公司
Abstract: 本说明书实施例公开了一种遥感影像的图像去云方法、装置及电子设备。该方法包括训练得到云检测模型，训练得到图像修复模型；确定目标遥感影像，将目标遥感影像划分为至少两个第二影像；基于云检测模型依次处理各第二影像，并在每个第一影像对应的所有第二影像均被处理后，基于图像修复模型处理各目标第二影像，得到各第一修复影像；对各目标第二影像的云检测结果进行融合，得到云检测掩膜区域，并基于各第一修复影像覆盖云检测掩膜区域，得到第二修复影像；整合各第二修复影像，得到去云图像。本说明书实施例实现了即使在遥感影像的有云区域占比较大和/或遥感影像尺寸较大的情况下，仍能快速准确的对影像进行去云修复。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.041 seconds)
