-
公开(公告)号：CN115238766A
公开(公告)日：2022-10-25
申请号：CN202210685423.6
申请日：2022-06-17
Applicant: 深圳市规划和自然资源数据管理中心 , 中国地质大学(武汉)
Abstract: 本发明公开了一种基于全序列卷积神经网络的井震联合油层预测方法，包括：获取地震波数据；获取测井数据，并根据测井数据确定油层位置；对地震波数据进行降噪处理，得到降噪后的数据；利用降噪后的数据计算地震波参数，并采用主成分分析法对地震波参数进行降维处理，得到特征数据；对特征数据进行聚类分析，得到初步地下地层位置；将初步地下地层位置和油层位置进行时深转换，统一尺度；利用统一尺度后的数据构建训练数据集，并将训练数据集输入至全序列卷积神经网络进行处理，得到油层预测结果；对油层预测结果进行可视化处理。本发明显著提高了地震勘探数据中的信息利用率，避免信息损失，为精确地油层预测提供了指导意义。
-
公开(公告)号：CN114708513B
公开(公告)日：2023-12-01
申请号：CN202210213409.6
申请日：2022-03-04
Applicant: 深圳市规划和自然资源数据管理中心 , 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/44 , G06V10/26 , G06V10/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09 , G06F16/29
Abstract: 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客
-
公开(公告)号：CN113435461B
公开(公告)日：2023-07-14
申请号：CN202110655516.X
申请日：2021-06-11
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 中国地质大学(武汉)
IPC: G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042
Abstract: 本发明公开了一种点云局部特征提取方法、装置、设备及存储介质，包括以下步骤：首先，本发明提出了一种新的用于点云局部特征提取的图注意网络，该网络可以快速、准确的进行三维点云的语义分割；其次，本发明利用扩展的K近邻搜索算法构造每个点的局部膨胀图区域，利用中心点与其邻域之间的欧式距离几何相关性进行局部特征表达；最后，本发明将注意机制应用到设计的网络层中，称为图注意层，通过对中心点的临近边赋予适当的权值，动态地学习局部扩张图上的上下文注意特征，并通过注意池化操作更好地保留点云的局部几何细节。与现有的点云局部特征提取方法相比，本发明在三维点云形状分类和分割任务上都达到了更好的性能。
-
公开(公告)号：CN114708513A
公开(公告)日：2022-07-05
申请号：CN202210213409.6
申请日：2022-03-04
Applicant: 深圳市规划和自然资源数据管理中心 , 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/44 , G06V10/26 , G06V10/20 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/29
Abstract: 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客观性与真实性。
-
公开(公告)号：CN118334393A
公开(公告)日：2024-07-12
申请号：CN202410507026.9
申请日：2024-04-25
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于Graph‑BERT的建筑物群组模式认知方法、装置与设备，涉及测绘地理信息领域，通过上下文描述信息反映建筑物与相邻要素的相似性关系，采用无监督学习方式获取用于表述建筑物所处群组模式的特征向量，特征向量能够有效区分建筑物所处群组模式是否规则，通过简单的聚类算法即可实现规则群组与不规则群组的划分与认知。本发明的有益效果是：本发明是在无样本条件下对建筑物要素进行模式认知，结合建筑物要素空间分布以及建筑物上下文信息，构建k阶亲密度的采样子图，可保证图顶点表征学习中建筑物与邻接建筑物模式特征相同，提高模式特征学习的有效性，可为建筑物群组模式识别的底层认知模型提供支撑。
-
Patent Agency Ranking
公开(公告)号：CN116797805A
公开(公告)日：2023-09-22
申请号：CN202310674476.2
申请日：2023-06-07
Applicant: 中国地质大学(武汉) , 武汉理工大学
Abstract: 本发明提供一种基于几何约束的自适应地空影像匹配方法及系统，包括：获取原始地空影像，原始地空影像包括：地面街景影像和无人机空中影像；将原始地空影像通过基于单应矩阵的影像校正策略进行校正，获得校正后的地空影像；对校正后的地空影像进行影像自适应分块，获得子块影像；将子块影像进行自适应通道分离和特征提取，获得子块影像特征；通过子块影像特征对各子块影像进行穷举匹配获得第一影像匹配集合，将第一影像匹配集合转换到原始地空影像的坐标平面中，获得第二影像匹配集合；通过对极几何条件对第二影像匹配集合进行筛选，获得最终影像匹配集合。本发明可以实现地面街景影像与无人机空中影像的稳健匹配，显著提升匹配数量和精度。
-
公开(公告)号：CN116486266A
公开(公告)日：2023-07-25
申请号：CN202310493399.0
申请日：2023-04-25
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种建筑物轮廓相似性度量方法，包括：通过将建筑物轮廓的拐点转换为具有区域几何和局部方向特征标签的图模型顶点，构建建筑物轮廓的图模型；利用几何变化型变量定义所述顶点的编辑代价，将所述图模型的顶点之间的编辑操作构建为编辑路径，定义所述编辑代价之和为所述编辑路径的编辑距离；通过最优编辑路径的编辑代价反映建筑物轮廓间的形状差异。本发明的有益效果是：基于图论将最优编辑距离路径问题转化为顶点关联图的最大权团求解问题，并设计了一种启发式的检索方法用于快速准确检索最优编辑路径，认知结果与类认知高度一致，其形状检索效果高于当前主流度量方法，能够有效支持建筑物匹配、检索等应用需求。
-
公开(公告)号：CN113128845B
公开(公告)日：2022-06-24
申请号：CN202110332365.4
申请日：2021-03-29
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于遥感影像和多源数据的屋顶绿化优先级计算方法，包括：获取遥感影像，通过遥感影像采用深度卷积神经网络检测获取计算区域；计算区域即为：需要进行建筑物屋顶绿化优先级判断的区域；基于多源数据对计算区域进行空间叠加，定量计算屋顶绿化的优先级；所述多源数据包括：年均温度、年降雨量、建筑物到公园绿地距离和建筑物交通拥堵程度。本发明从定性与定量角度分析实施屋顶绿化的建筑物，评价每个建筑屋顶的绿化优先级。从建筑属性和绿化需求两个方面构建屋顶绿化指标体系，然后，结合多源数据，给出屋顶绿化指标的定量计算方法，最后进行屋顶绿化优先级评价，结合建筑物的实际情况，定性和定量分析屋顶绿化实施的优先级方案。
-
公开(公告)号：CN110378363A
公开(公告)日：2019-10-25
申请号：CN201910410580.4
申请日：2019-05-16
Applicant: 中国地质大学(武汉)
Abstract: 本发明提出了一种基于匹配控制子图的复合多边形相似性度量方法，该方法以制图精度为基础，利用子多边形匹配结果描述子多边形的分布，定义为匹配位置图；利用简单的形状相似性、子多边形复杂度和邻域支持计算出匹配控制子多边形，其决定了子多边形的匹配。本发明所提出方法可以：(1)通过匹配控制子图协调子图匹配冲突问题，实现复合多边形子图精确匹配；(2)利用匹配位置图描述子多边形之间的拓扑关系；(3)可以度量不同关系的匹配对的形状相似性。
-
公开(公告)号：CN105893703B
公开(公告)日：2019-01-22
申请号：CN201610268365.1
申请日：2016-04-27
Applicant: 中国地质大学(武汉)
IPC: G06F17/50
Abstract: 本发明提供了一种基于多边形的城市道路网主干道选取方法，首先以OSM地图数据作为数据源并进行处理生成区要素；利用紧凑度、宽度、复杂度和圆形度这四个形状描述子组成一个四维向量对生成的区要素道路网数据中的多边形进行描述，同时标记出颗粒型多边形并进行提取；使用非线性SVM分类方法将得到的四维向量进行分类，经过分类后提取出对应的多边形。将提取出的颗粒型多边形和SVM分类后的多边形合并为种子多边形。本发明提出了更能有效描述主干道多边形的形状描述子，分别对不同形态特征的主干道多边形进行处理，最后，基于道路网多边形间的拓扑特征对经过支持向量机提取的种子多边形做进一步处理得到最终主干道多边形。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.043 seconds)
