-
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：CN118096624B
公开(公告)日：2025-01-28
申请号：CN202311543201.1
申请日：2023-11-20
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) , 武汉大学深圳研究院
IPC: G06T5/92 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种基于Retinex的低光遥感影像增强方法，所述方法基于Retinex理论将待增强的低光遥感影像分解为反射图和光照图，然后分别对光照图与反射图进行特征提取，得到反射特征图以及光照特征图。再将反射特征图以及光照特征图进行融合与重建，得到重建光照图以及重建反射图。然后设计神经网络模块对重建光照图以及重建反射图进行增强以及融合，将增强后的反射图和光照图融合成正常光影像，再设计局部重建神经网络模块对其进行局部微调，得到最终增强影像。不仅提升了算法的可解释性以及影像的增强效果，而且解决了目前低光遥感影像增强方法普适性差、鲁棒性低以及增强后影像存在噪声、模糊、质量不足、偏色等问题。
-
公开(公告)号：CN117746871A
公开(公告)日：2024-03-22
申请号：CN202410191354.2
申请日：2024-02-21
Applicant: 南方科技大学 , 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)
IPC: G10L17/26 , G10L17/18 , G10L17/04 , G10L17/02 , G10L25/18 , G10L25/24 , G10L25/30 , G10L21/0272 , G10L21/0308 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于云端检测鸟类鸣声的方法及系统，所述方法包括：接收智能终端获取的原始声音数据；对所述原始声音数据进行处理，分离得到鸟类鸣声数据；以及根据所述鸟类鸣声数据，确定与所述鸟类鸣声数据对应的鸟类信息，并将所述鸟类信息发送给所述智能终端。本发明通过用户随身携带的智能终端采集环境声音，再在云端通过两组不同的神经网络模型对环境声音中的鸟类鸣声分别进行分离与识别，从而确定相应的鸟类信息，可以精准识别鸟类声纹特征，无需额外的硬件设备即可实时处理、分析和反馈环境中的鸟类信息，方便随身使用、应用范围广，易于推广及科普鸟类信息。
-
公开(公告)号：CN117746871B
公开(公告)日：2024-07-16
申请号：CN202410191354.2
申请日：2024-02-21
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) , 南方科技大学
IPC: G10L17/26 , G10L17/18 , G10L17/04 , G10L17/02 , G10L25/18 , G10L25/24 , G10L25/30 , G10L21/0272 , G10L21/0308 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于云端检测鸟类鸣声的方法及系统，所述方法包括：接收智能终端获取的原始声音数据；对所述原始声音数据进行处理，分离得到鸟类鸣声数据；以及根据所述鸟类鸣声数据，确定与所述鸟类鸣声数据对应的鸟类信息，并将所述鸟类信息发送给所述智能终端。本发明通过用户随身携带的智能终端采集环境声音，再在云端通过两组不同的神经网络模型对环境声音中的鸟类鸣声分别进行分离与识别，从而确定相应的鸟类信息，可以精准识别鸟类声纹特征，无需额外的硬件设备即可实时处理、分析和反馈环境中的鸟类信息，方便随身使用、应用范围广，易于推广及科普鸟类信息。
-
公开(公告)号：CN118096624A
公开(公告)日：2024-05-28
申请号：CN202311543201.1
申请日：2023-11-20
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) , 武汉大学深圳研究院
IPC: G06T5/92 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种基于Retinex的低光遥感影像增强方法，所述方法基于Retinex理论将待增强的低光遥感影像分解为反射图和光照图，然后分别对光照图与反射图进行特征提取，得到反射特征图以及光照特征图。再将反射特征图以及光照特征图进行融合与重建，得到重建光照图以及重建反射图。然后设计神经网络模块对重建光照图以及重建反射图进行增强以及融合，将增强后的反射图和光照图融合成正常光影像，再设计局部重建神经网络模块对其进行局部微调，得到最终增强影像。不仅提升了算法的可解释性以及影像的增强效果，而且解决了目前低光遥感影像增强方法普适性差、鲁棒性低以及增强后影像存在噪声、模糊、质量不足、偏色等问题。
-
Patent Agency Ranking
公开(公告)号：CN117011561A
公开(公告)日：2023-11-07
申请号：CN202310958186.0
申请日：2023-07-31
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) , 哈尔滨工业大学
Abstract: 本发明公开了一种基于几何约束与卷积神经网络的影像匹配优化方法及系统，首先将初始匹配影像三维点分别投影到参考影像和搜索影像，获得初始匹配影像对像点坐标，以初始匹配影像对为中心确定参考影像窗口与匹配搜索范围；然后以初始匹配影像窗口为基准，利用卷积神经网络，在匹配搜索范围内寻找最佳匹配点位；最后将最优匹配像对位置坐标带入前方交会误差方程，计算对应拍摄地物点精确三维坐标。本发明采用空间几何投影关系约束匹配搜索范围，削弱了重复纹理造成的误匹配；利用卷积神经网络代替传统的基于影像灰度的匹配优化方法，降低了匹配失败与误匹配的概率，提高了匹配优化精度与重建点云完整度。
-
-
公开(公告)号：CN115861635A
公开(公告)日：2023-03-28
申请号：CN202310125661.6
申请日：2023-02-17
Applicant: 武汉大学 , 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)
Abstract: 该发明公开了一种抗透射畸变的无人机倾斜影像语义信息提取方法及设备。设计了一种密集上下文学习网络以鲁棒地提取无人机倾斜影像中对象的语义信息。该网络主要以通用的编码器‑解码器为主体框架进行无人机倾斜影像中对象的特征学习和语义预测。采用并行的双分支特征提取器构建编码器，以不同分辨率的图像对作为输入分别提取同层级和不同层级的多尺度特征。构建了跨尺度的上下文选择器以自适应地融合来自不同分辨率输入编码的多尺度特征。采用了编码器‑解码器联合监督的模式，在训练过程中分别对双分支特征提取器编码的语义特征和解码器得到的语义预测图进行迭代优化，从而增强多尺度特征的有效性和预测结果的鲁棒性。
-
公开(公告)号：CN116246038B
公开(公告)日：2023-08-01
申请号：CN202310526283.2
申请日：2023-05-11
Applicant: 西南交通大学 , 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)
Abstract: 本发明属于三维重建技术领域，其目的在于提供一种多视影像三维线段重建方法、系统、电子设备及介质。本发明能够高效地重建高场景覆盖度的三维线段，不仅可以用于构建准确的线框模型，还能用于构建约束来优化基于点云的三维网格模型。具体地，在进行二维线段匹配时，本发明通过利用先验信息来减小二维线段匹配的搜索范围，将候选线段匹配的搜索范围大大缩小，有助于提高二维线段匹配的效率、精度和召回率，从而提高三维线段的重建效率和空间覆盖率；然后为每个二维线段确定唯一的三维估计结果；最后生成三维线段。本发明避免了多视影像中一些不可靠、不准确的冗余候选匹配对重建三维线段精度的影响，同时保证了三维线段重建的可靠性。
-
公开(公告)号：CN116052019B
公开(公告)日：2023-07-25
申请号：CN202310331820.8
申请日：2023-03-31
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)
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了适合于大区域高分辨率卫星影像的建成区高质量检测方法，包括以下步骤：S1)构建建成区和非建成区的样本集；S2）构建融合多层级特征的轻量级卷积神经网络模型并对其进行训练；S3）对研究区影像进行多模式的划分；S4）采用S2构建和训练的模型，对S3中影像块进行逐块的预测，获得各划分模式下的每个影像块隶属建成区的隶属度；S5）集成覆盖每个像素的多个影像块的隶属度确定其类别标签，获得最终的像素水平的高质量的建成区检测结果。本发明基于多模式划分的影像处理与集成分类识别框架，对每个像素能够利用多尺度、多方向的上下文信息，通过集成多模式块的类别标签实现像素级的分类，使得建成区检测结果更加精细和完整。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.038 seconds)
