一种基于对抗神经网络高光谱遥感数据扩充方法

    公开(公告)号:CN119831844A

    公开(公告)日:2025-04-15

    申请号:CN202510007531.1

    申请日:2025-01-03

    Applicant: 滁州学院

    Abstract: 本发明涉及一种基于对抗神经网络高光谱遥感数据扩充方法,包括:(1)根据多地类分别获取同地类光谱像元集合,针对异常像元进行剔除与光谱归一化处理;(2)将拟合光谱信息与真实地类光谱信息输入至光谱对抗生成网络判别器,输出拟合光谱与真实光谱样本距离,反向传播更新网络判别器,后计算拟合光谱与真实光谱样本之间的均方根误差,反向传播更新网络生成器,迭代得到优化的多地类光谱对抗生成网络集合;(3)针对不同地类光谱对抗生成网络,逐地类输出预测光谱信息,优选符合精度需求的预测光谱,构建不同地类的高光谱像元库。本发明设计了基于地类的光谱超分优化对抗神经网络,可为遥感图像光谱超分相关研究提供样本支持。

    一种基于BIM的室内爬壁机器人路径规划方法

    公开(公告)号:CN118348994A

    公开(公告)日:2024-07-16

    申请号:CN202410588481.6

    申请日:2024-05-13

    Applicant: 滁州学院

    Abstract: 本发明公开了一种基于BIM的室内爬壁机器人路径规划方法,涉及BIM与路径规划技术领域,包括如下步骤:S1:构建室内三维地图模型:根据建筑信息模型BIM数据,通过交互方式半自动获取室内爬壁机器人所需表面环境特征,形成所需的室内三维地图模型BIMMWC;S2:初始化参数:设置室内爬壁机器人参数半径r和高度h,生成基于体素的圆柱体集合用于估计爬壁机器人的几何特征,设置爬壁机器人起始Start和目标点坐标Goal,获取对应的体素Voxel(Start)和Voxel(Goal);本发明利用体素化方式表达室内场景,考虑了BIM构件语义、爬壁机器人几何特征和跨墙体特性,提升了其室内路径规划的有效性和合理性,可为后续导航、自动化监测等业务化应用提供技术支撑。

    一种顾及地类的多光谱遥感图像深度光谱超分方法

    公开(公告)号:CN119831843A

    公开(公告)日:2025-04-15

    申请号:CN202510007530.7

    申请日:2025-01-03

    Applicant: 滁州学院

    Abstract: 本发明涉及一种顾及地类的多光谱遥感图像深度光谱超分方法,包括:构建一维卷积‑上采样融合光谱超分网络模型,采用一维上采样卷积网络架构,包括光谱卷积层、线性光谱空间全连接层及光谱特征上采样层;逐地类建立多光谱‑高光谱非单射网络集合,针对不同地类的多光谱‑高光谱像元对,输入网络模型训练得到不同地类多光谱‑高光谱非单射权重;加权对抗像元光谱预测与图像重构,利用光谱非单射网络集合逐像元进行光谱预测,得到不同地类光谱预测结果,根据光谱系数加权平均法与光谱角最小值对抗比较,选择最优像元光谱预测结果,逐像元进行预测得到重构高光谱图像。本申请设计多光谱图像的重构方案,实现了多光谱遥感图像的光谱分辨率增强。

Patent Agency Ranking