-
公开(公告)号：CN116883651B
公开(公告)日：2025-03-28
申请号：CN202310667361.0
申请日：2023-06-06
Applicant: 西北农林科技大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于深度学习语义分割的流域划分方法，其通过采集预设数量的不同地貌类型的流域图像数据样本，并进行预处理得到多个预设尺寸的子图像样本，标注后得到多个流域图像标注样本；通过将多个子图像样本和对应的子图像标注样本划分为训练集和验证集，建立深度学习语义分割模型；分别利用训练集训练深度学习语义分割模型的各变量值和利用验证集验证深度学习语义分割模型的Accuracy，MPA和FwIou准确度，得到最佳的深度学习语义分割模型；采集不同地貌类型的待检测图像数据，并进行预处理得到多个预设尺寸的待测子图像，待测子图像利用最佳的深度学习语义分割模型预测得到对应流域划分预测图像。
-
公开(公告)号：CN110990780B
公开(公告)日：2021-11-02
申请号：CN201911036530.0
申请日：2019-10-29
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种基于SRTM数据的坡度提取方法，该方法按照以下步骤进行：步骤一，读取数据；步骤二，无值点和洼地填充；步骤三，遍历二维数组，计算坡度值：对经过无值点和洼地填充的SRTM高程数据遍历二维数组，根据最陡坡降法确定坡度值：周围某个栅格与当前栅格所成角度angle＝deg·arctan((DC‑DO)/CellStep)；将周围8个栅格计算出的angle最大值确定为当前栅格的坡度值。本发明的方法直接对原始的SRTM数据进行分析，计算出坡度值，这样提取坡度的效率更高。将计算得到的坡度结果进行投影转换，与平面坐标下的DEM数据得到的坡度结果99％以上误差在0.5°以内，本算法计算结果可接受。
-
公开(公告)号：CN111177917B
公开(公告)日：2021-11-02
申请号：CN201911365426.6
申请日：2019-12-26
Applicant: 西北农林科技大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于SRTM的坡长提取方法，通过建立地理坐标下栅格模型，从该模型中直接推导出SRTM栅格边长的计算方式。计算坡长时考虑坡度截断、河网截断影响，使结果尽可能符合实际情况，最后使用正反遍历计算SRTM的累计坡长。与传统方法相比，本方法不再经过投影坐标变换，从而提高坡长的提取效率；同时也能保证原始数据的精度不下降，坡长提取结果相对精确，坡长结果与现有的DEM计算结果对比显示，坡长差值范围集中，具有规律性。
-
公开(公告)号：CN110990780A
公开(公告)日：2020-04-10
申请号：CN201911036530.0
申请日：2019-10-29
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种基于SRTM数据的坡度提取方法，该方法按照以下步骤进行：步骤一，读取数据；步骤二，无值点和洼地填充；步骤三，遍历二维数组，计算坡度值：对经过无值点和洼地填充的SRTM高程数据遍历二维数组，根据最陡坡降法确定坡度值：周围某个栅格与当前栅格所成角度angle＝deg·arctan((DC-DO)/CellStep)；将周围8个栅格计算出的angle最大值确定为当前栅格的坡度值。本发明的方法直接对原始的SRTM数据进行分析，计算出坡度值，这样提取坡度的效率更高。将计算得到的坡度结果进行投影转换，与平面坐标下的DEM数据得到的坡度结果99％以上误差在0.5°以内，本算法计算结果可接受。
-
Patent Agency Ranking
公开(公告)号：CN116883651A
公开(公告)日：2023-10-13
申请号：CN202310667361.0
申请日：2023-06-06
Applicant: 西北农林科技大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于深度学习语义分割的流域划分方法，其通过采集预设数量的不同地貌类型的流域图像数据样本，并进行预处理得到多个预设尺寸的子图像样本，标注后得到多个流域图像标注样本；通过将多个子图像样本和对应的子图像标注样本划分为训练集和验证集，建立深度学习语义分割模型；分别利用训练集训练深度学习语义分割模型的各变量值和利用验证集验证深度学习语义分割模型的Accuracy，MPA和FwIou准确度，得到最佳的深度学习语义分割模型；采集不同地貌类型的待检测图像数据，并进行预处理得到多个预设尺寸的待测子图像，待测子图像利用最佳的深度学习语义分割模型预测得到对应流域划分预测图像。
-
公开(公告)号：CN113379828A
公开(公告)日：2021-09-10
申请号：CN202110623398.4
申请日：2021-06-04
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种融合地表形态特征的坡长提取方法，包括：步骤一，DEM数据预处理：步骤二，根据正DEM计算D8流向和等高线曲率,步骤三，根据负DEM计算up_iGD8上坡向：步骤四，根据D8计算汇水面积并设置阈值确定沟道截断矩阵：步骤五，根据up_iGD8上坡向计算坡度并确定坡度截断矩阵：步骤六，根据up_iGD8上坡向计算上坡坡度线长度：步骤七，根据坡长计算公式计算得到坡长。坡长计算公式为：本发明的方法在连续的解空间中推导了坡长理论模型，可以得到一种直接的坡长计算方法，避免了对上坡汇水面积和有效等高线宽度的估计来提取坡长，有效降低了计算原理中潜在的误差风险。
-
公开(公告)号：CN116580045A
公开(公告)日：2023-08-11
申请号：CN202310423552.2
申请日：2023-04-19
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种基于高分辨率DEM的淤地坝提取方法，包括：步骤一，数据预处理；步骤二，提取河道网络；步骤三，基于山体阴影图进行改进LSD检测；步骤四，基于步骤二得到的河道网络，对步骤三得到的轮廓直线进行角度滤波；步骤五，根据经过步骤四角度滤波后的轮廓直线构建十字模型识别淤地坝。本发明基于流量进行区域生长提取河道网络，缩小淤地坝检测的研究区域，避免了山地中具有相同线性特征的梯田和道路的影响，有效降低了检测过程中的误判。本发明综合考虑了淤地坝自身的形态特征和淤地坝所处位置的形态特征，并将LSD算法应用于淤地坝检测，改进LSD算法分离不同斜率的轮廓直线。
-
公开(公告)号：CN113379828B
公开(公告)日：2023-02-10
申请号：CN202110623398.4
申请日：2021-06-04
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种融合地表形态特征的坡长提取方法，包括：步骤一，DEM数据预处理：步骤二，根据正DEM计算D8流向和等高线曲率：步骤三，根据负DEM计算up_iGD8上坡向：步骤四，根据D8计算汇水面积并设置阈值确定沟道截断矩阵：步骤五，根据up_iGD8上坡向计算坡度并确定坡度截断矩阵：步骤六，根据up_iGD8上坡向计算上坡坡度线长度：步骤七，根据坡长计算公式计算得到坡长。坡长计算公式为：本发明的方法在连续的解空间中推导了坡长理论模型，可以得到一种直接的坡长计算方法，避免了对上坡汇水面积和有效等高线宽度的估计来提取坡长，有效降低了计算原理中潜在的误差风险。
-
公开(公告)号：CN111177917A
公开(公告)日：2020-05-19
申请号：CN201911365426.6
申请日：2019-12-26
Applicant: 西北农林科技大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于SRTM的坡长提取方法，通过建立地理坐标下栅格模型，从该模型中直接推导出SRTM栅格边长的计算方式。计算坡长时考虑坡度截断、河网截断影响，使结果尽可能符合实际情况，最后使用正反遍历计算SRTM的累计坡长。与传统方法相比，本方法不再经过投影坐标变换，从而提高坡长的提取效率；同时也能保证原始数据的精度不下降，坡长提取结果相对精确，坡长结果与现有的DEM计算结果对比显示，坡长差值范围集中，具有规律性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
