-
公开(公告)号：CN117893924A
公开(公告)日：2024-04-16
申请号：CN202311487560.X
申请日：2023-11-09
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于树冠形态的无人机激光雷达点云单木分割方法，该方法使用无人机激光雷达获取的林地数据，首先在基于区域增长算法从CHM中提取出初始的树冠区域，然后根据每个树冠内的局部密度最大值点的数量判断初始树冠是否为正确分割的树冠，然后根据树冠的形态对错误分割树冠进行精细分割，得到更新后的树顶点集，最后将更新后的树顶点作为种子点应用区域增长算法得到最终的单木分割结果。本发明可以充分利用树木点云中包含的高度信息和密度信息，并且在密度信息的引导下，可以更准确地识别出错误分割树，摆脱了传统方法对点云信息的低利用率。
-
公开(公告)号：CN117036941A
公开(公告)日：2023-11-10
申请号：CN202310987900.9
申请日：2023-08-07
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于变化检测技术领域，公开了一种基于孪生Unet模型的建筑物变化检测方法及系统，构建基于Unet的孪生网络结构；融合差分特征金字塔和注意力机制，得到基于D‑Unet的变化检测模型；基于与公开的遥感数据集，对构建的变化检测模型进行训练与测试，得到训练好的变化检测模型；将不同时相的遥感图输入训练好的变化检测模型，获取最终检测结果。实验结果表明，与Unet和FC‑Siam‑diff等变化检测方法相比，本发明提出的基于D‑Unet的变化检测模型可达到更高的准确率和F1系数，并且只增加了较少的运算量，非常利于实现。本发明通过构建差分特征金字塔，引入注意力机制，进一步提升建筑物变化检测精度。
-
公开(公告)号：CN117593644A
公开(公告)日：2024-02-23
申请号：CN202311610054.5
申请日：2023-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/776 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/764 , G06Q50/16 , G06N3/0985 , G06N3/0464
Abstract: 本发明属于土地变化检测技术领域，公开了一种结合矩阵分解和自适应传播的土地变化检测方法及系统，结合矩阵分解和自适应传播的深度学习语义分割模型，用于检测土地变化。该模型采用孪生双分支结构，能够同时接受前时间和后时间遥感影像数据集的输入并共享网络参数，该结构具有端到端特征学习的优点。本发明利用一种矩阵分解的注意力方法替代传统的手动设计注意力的方法，同时结合临近点像素偏移量的自适应传播技术，建立一种深度学习孪生差分的语义分割网络，在高分辨率光学数据上实现自动化，精准化的土地利用/土地覆盖变化检测。
-
Patent Agency Ranking
公开(公告)号：CN117557579A
公开(公告)日：2024-02-13
申请号：CN202311567395.9
申请日：2023-11-23
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/10 , G06V10/762 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/088 , G06N3/048
Abstract: 本发明属于数字图像处理技术领域，公开了一种空洞金字塔协同注意力机制助力无监督超像素分割方法及系统。将图像RGB通道信息同像素点的位置信息结合；利用注意力机制构建通道注意力模块；利用空洞空间金字塔池化对注意力机制的结果进行处理；构建损失函数，构建聚类损失项，利用空间平滑损失项，构建重构损失项；利用Adam优化器进行模型的参数更新，将最后一次分离得到的有效深度特征用于超像素生成；利用argmax函数获得通道维度的最大值，将argmax函数处理结果转为二维数组并在CPU中根据限定条件完成自适应超像素分割。本发明的复杂度低、自适应以及泛化能力强，为提高图像处理效率和精确度提供有效支撑。
-
公开(公告)号：CN117538868A
公开(公告)日：2024-02-09
申请号：CN202311484164.1
申请日：2023-11-08
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于星载雷达数据处理技术领域，尤其涉及一种基于雷达时序观测的农作物抽穗期识别方法及系统，通过指标计算获得去极化指数，通过谐波分解实现时序去极化指数的周期性参数提取，通过权重分析确定时序去极化指数的主导周期性分量，通过波峰探测对农作物抽穗期进行识别，结合土地利用产品实现农作物抽穗期制图。本发明通过权重分析确定时序去极化指数的主导周期性分量，通过波峰探测对农作物抽穗期进行识别，结合土地利用产品实现农作物抽穗期制图，适用于耕作实践复杂多样、云雾气象干扰频繁的大面积农作物抽穗期识别，解决了目前使用雷达数据进行农作物抽穗期识别存在的先验物候信息缺乏、抽穗期特征模糊、非抽穗期特征干扰三大问题。
-
公开(公告)号：CN117078928A
公开(公告)日：2023-11-17
申请号：CN202310980612.0
申请日：2023-08-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V10/762 , G06V20/10 , G01S17/89 , G01S7/48
Abstract: 本发明属于地面激光雷达林业数据处理技术领域，公开了一种基于枝干信息引导的阔叶林单木分割方法及系统，以地基激光雷达阔叶林点云为处理对象，利用RANSAC圆柱拟合结合树干生长特点进行树干探测；从低植被区树干顶部开始通过枝干分段增长并结合枝干段粗细变化提取树木枝干；从分枝末端开始通过逐层增长对树冠叶片点云进行分割。本发明在茂盛低矮植被和复杂地形条件下具备更强的树干探测能力；另一方面，本发明在大小树冠交织和多树冠紧密围绕时能够准确分割树冠。算法效率较高，简单易用，对于提升森林场景语义理解能力，助力森林资源调查、植被生态研究、以及卫星遥感产品校准与验证等方面具有重大的现实意义。
-
公开(公告)号：CN119181017A
公开(公告)日：2024-12-24
申请号：CN202411173432.2
申请日：2024-08-26
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于遥感数据处理与制图技术领域，公开了一种基于超像素无监督线性判别分析的遥感图像分类方法及系统，本发明通过利用超像素生成的结果进行局部重建实现遥感图像去噪，通过超像素与线性判别分析结合实现无监督全局特征降维，通过超像素与局部Fisher判别分析结合实现无监督局部特征降维，将最后提取到的全局特征与局部特征进行通道连接得到全局‑局部特征，并结合支持向量机实现遥感图像的分类。解决了现有遥感图像分类中去噪方法参数调整困难、训练样本不足以及泛化能力不足的问题；解决了现有降维方法缺乏数据表示能力和损害降维后特征的判别能力的问题。
-
公开(公告)号：CN117523396A
公开(公告)日：2024-02-06
申请号：CN202311491921.8
申请日：2023-11-09
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种聚合多层注意力机制与边缘特征的耕地地块分割方法，包括：采集原始图像，对原始图像进行预处理，获取预处理后的原始图像；构建聚合多层注意力机制与边缘特征的深度学习模型，将预处理后的原始图像输入深度学习模型并采用编码器进行分层处理，提取边缘特征图和自注意力特征图；通过解码器对边缘特征图和自注意力特征图进行特征增强，获取空间特征图；空间特征图与预处理后的原始特征图的映射进行加权求和，获取加权融合特征图；解码器对加权融合特征图进行跨越连接，获取空间增强特征图；基于空间增强特征图，通过调整通道维数，获取耕地分割结果；将交叉熵函数和dice函数的加权和对耕地分割结果进行评估，获取评价结果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.032 seconds)
