公开(公告)号：CN115796045A

公开(公告)日：2023-03-14

申请号：CN202211583963.X

申请日：2022-12-10

Applicant: 西南交通大学

Inventor： 张瑞 ,  王天宇 ,  吕继超 ,  吴仁哲 ,  王晓文 ,  张波 ,  符茵 ,  詹君玉 ,  谢凌霄 ,  李松

IPC: G06F30/27 ,  G06T17/05 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于深度学习网络与半监督学习的冰川识别模型建模方法，属于测绘技术领域。本发明包括步骤S1：建立冰川识别遥感影像数据集，分割冰川识别遥感影像数据集，得到有标签数据与无标签数据；S2：采用深度残差网络构建深度学习卷积神经网络模型，对深度学习卷积神经网络模型进行预训练；S3：采用半监督学习模型对数据进行一致性正则化，得到半监督学习数据集，通过半监督学习数据集深度学习卷积神经网络模型结合，构建冰川识别模型。本发明实现从高分辨率遥感影像中自动化地识别与检测冰川面积变化，把人力研究识别、查找的工作交给经过深度学习模型训练的计算机去批量系统地完成，为分析冰川消融速度及监测全球气候变化提供依据。

公开(公告)号：CN115908897A

公开(公告)日：2023-04-04

申请号：CN202211339322.X

申请日：2022-10-28

Applicant: 西南交通大学

Inventor： 张瑞 ,  刘安梦云 ,  包馨 ,  王婷 ,  刘国祥 ,  于来波 ,  吴仁哲 ,  吕继超 ,  杨云杰 ,  王天宇

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/77 ,  G06V10/82 ,  G06V20/13

Abstract: 本发明涉及遥感影像图像处理技术领域，涉及一种基于高分辨率遥感影像的高速铁路供电设施智能识别方法，其包括以下步骤：步骤S1：选取高分辨率遥感影像，在高速列车站周围区域判读勾绘样本；步骤S2：设置初始参数，利用带有供电网杆真实位置边界框的样本进行损失函数的计算以及参与反向传播过程中参数权重W以及偏移值b的迭代以及更新，从而完成对模型的训练；步骤S3：采用路网搜索的方式进行计算；步骤S4：随机选用一些车站影像放入训练好的模型中进行供电网杆的识别，并对识别结果进行检验。本发明能够实现对高速铁路供电设施的自动识别提取，大大提高识别效率的同时和保证了目标检测的稳定性。

公开(公告)号：CN115908897B

公开(公告)日：2023-09-12

申请号：CN202211339322.X

申请日：2022-10-28

Applicant: 西南交通大学

Inventor： 张瑞 ,  刘安梦云 ,  包馨 ,  王婷 ,  刘国祥 ,  于来波 ,  吴仁哲 ,  吕继超 ,  杨云杰 ,  王天宇

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/77 ,  G06V10/82 ,  G06V20/13

Abstract: 本发明涉及遥感影像图像处理技术领域，涉及一种基于高分辨率遥感影像的高速铁路供电设施智能识别方法，其包括以下步骤：步骤S1：选取高分辨率遥感影像，在高速列车站周围区域判读勾绘样本；步骤S2：设置初始参数，利用带有供电网杆真实位置边界框的样本进行损失函数的计算以及参与反向传播过程中参数权重W以及偏移值b的迭代以及更新，从而完成对模型的训练；步骤S3：采用路网搜索的方式进行计算；步骤S4：随机选用一些车站影像放入训练好的模型中进行供电网杆的识别，并对识别结果进行检验。本发明能够实现对高速铁路供电设施的自动识别提取，大大提高识别效率的同时和保证了目标检测的稳定性。

公开(公告)号：CN115222629A

公开(公告)日：2022-10-21

申请号：CN202210942914.4

申请日：2022-08-08

Applicant: 西南交通大学 ,  成都市国土资源执法监察支队

Inventor： 张瑞 ,  吴仁哲 ,  韩艳 ,  展润青 ,  宋云帆 ,  刘慧 ,  吕继超 ,  包馨 ,  符茵 ,  刘安梦云 ,  王天宇 ,  杨云杰

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于云厚度估计与深度学习的单幅遥感影像云去除方法，属于遥感影像图像处理技术领域。本发明包括：S1：选取多景覆盖海面的有云卫星遥感影像，建立色彩范围模型提取云图，并根据图像叠加公式生成模拟遥感影像云去除数据集；S2：构建显著性检测卷积神经网络模型,估计遥感图像云厚度、亮度信息，并获得去云遥感影像；S3：基于半监督学习，构建用于判断遥感图像中有云或无云状态的鉴别器模型，实现对遥感影像云去除结果的评估以及鉴别器模型无监督微调。本发明可以在厚云与薄云共存的情况下保持遥感影像去云结果的可靠性；无需额外的辅助数据，去云结果不会对无云区域影像造成干扰。

公开(公告)号：CN115222629B

公开(公告)日：2023-05-05

申请号：CN202210942914.4

申请日：2022-08-08

Applicant: 西南交通大学 ,  成都市国土资源执法监察支队

Inventor： 张瑞 ,  吴仁哲 ,  韩艳 ,  展润青 ,  宋云帆 ,  刘慧 ,  吕继超 ,  包馨 ,  符茵 ,  刘安梦云 ,  王天宇 ,  杨云杰

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于云厚度估计与深度学习的单幅遥感影像云去除方法，属于遥感影像图像处理技术领域。本发明包括：S1：选取多景覆盖海面的有云卫星遥感影像，建立色彩范围模型提取云图，并根据图像叠加公式生成模拟遥感影像云去除数据集；S2：构建显著性检测卷积神经网络模型,估计遥感图像云厚度、亮度信息，并获得去云遥感影像；S3：基于半监督学习，构建用于判断遥感图像中有云或无云状态的鉴别器模型，实现对遥感影像云去除结果的评估以及鉴别器模型无监督微调。本发明可以在厚云与薄云共存的情况下保持遥感影像去云结果的可靠性；无需额外的辅助数据，去云结果不会对无云区域影像造成干扰。