-
公开(公告)号：CN107092877B
公开(公告)日：2020-01-24
申请号：CN201710237766.5
申请日：2017-04-12
Abstract: 本发明公开了一种基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，包括利用已有建筑物基底矢量图斑获取轮廓多边形；根据所述轮廓多边形生成待匹配建筑物屋顶的轮廓约束模板；针对待提取的遥感影像，选择符合建筑物特性的影像特征；基于相似性测度，利用轮廓约束模板和影像特征，采用匹配优化方法搜寻最佳匹配位置，获取建筑物屋顶轮廓图像等步骤。本发明技术方案实现了遥感影像中建筑物基底矢量与屋顶影像的轮廓匹配，可自动获取遥感影像中建筑物屋顶，同时还可以快速检测已有建筑物变化情况，对后续进一步开展违法建筑动态监测具有重要意义。
-
公开(公告)号：CN110348383A
公开(公告)日：2019-10-18
申请号：CN201910625253.0
申请日：2019-07-11
Inventor： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
Abstract: 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
公开(公告)号：CN107092871B
公开(公告)日：2018-01-16
申请号：CN201710220588.5
申请日：2017-04-06
IPC: G06K9/00
Abstract: 本发明公开了一种基于多尺度多特征融合的遥感影像建筑物检测方法，包括对高分辨率遥感影像降采样，获得由不同尺度的影像构成的影像金字塔；计算影像金字塔的边缘影像；对不同尺度的边缘影像进行多组特征计算并进行融合建立特征模型；根据特征模型与邻域局部非极大值抑制进行窗口选取获得目标窗口；对目标窗口进行小范围内的膨胀/收缩计算获得矩形窗口；根据目标窗口的主方向旋转所述矩形窗口得到最优目标窗口，并根据最优目标窗口提取出建筑物。其显著效果是：在高斯金字塔影像上进行多尺度的建筑物检测，对大小、形状、朝向各异的建筑物的检测具有普适性；且有效地提高了建筑物自动检测的精度和效率。
-
公开(公告)号：CN107092877A
公开(公告)日：2017-08-25
申请号：CN201710237766.5
申请日：2017-04-12
Abstract: 本发明公开了一种基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，包括利用已有建筑物基底矢量图斑获取轮廓多边形；根据所述轮廓多边形生成待匹配建筑物屋顶的轮廓约束模板；针对待提取的遥感影像，选择符合建筑物特性的影像特征；基于相似性测度，利用轮廓约束模板和影像特征，采用匹配优化方法搜寻最佳匹配位置，获取建筑物屋顶轮廓图像等步骤。本发明技术方案实现了遥感影像中建筑物基底矢量与屋顶影像的轮廓匹配，可自动获取遥感影像中建筑物屋顶，同时还可以快速检测已有建筑物变化情况，对后续进一步开展违法建筑动态监测具有重要意义。
-
公开(公告)号：CN107092871A
公开(公告)日：2017-08-25
申请号：CN201710220588.5
申请日：2017-04-06
IPC: G06K9/00
CPC classification number: G06K9/00637 , G06K9/00671
Abstract: 本发明公开了一种基于多尺度多特征融合的遥感影像建筑物检测方法，包括对高分辨率遥感影像降采样，获得由不同尺度的影像构成的影像金字塔；计算影像金字塔的边缘影像；对不同尺度的边缘影像进行多组特征计算并进行融合建立特征模型；根据特征模型与邻域局部非极大值抑制进行窗口选取获得目标窗口；对目标窗口进行小范围内的膨胀/收缩计算获得矩形窗口；根据目标窗口的主方向旋转所述矩形窗口得到最优目标窗口，并根据最优目标窗口提取出建筑物。其显著效果是：在高斯金字塔影像上进行多尺度的建筑物检测，对大小、形状、朝向各异的建筑物的检测具有普适性；且有效地提高了建筑物自动检测的精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN108230326B
公开(公告)日：2018-11-30
申请号：CN201810126230.0
申请日：2018-02-08
Applicant: 重庆市地理信息中心
Abstract: 本发明公开了一种基于GPU‑CPU协同的卫星影像拉花变形快速检测方法，包括CPU端加载原始卫片、RPC参数和数字高程模型DEM，迭代求解校正后正射影像的大小和范围；CPU端设计GPU线程格网的分配，并将相应数据从内存拷贝入对应显存；GPU端按线程格网并行计算每个像素对应原始卫片上的像素坐标；GPU端统计当前像素与周边像素重叠次数，并进行拉花像素判断；GPU端按线程格网对二值图像进行腐蚀处理与膨胀处理；CPU端将二值图像结果从全局存储器拷到内存并矢量化，获得拉花变形区域矢量数据等步骤。其显著效果是：实现了卫星影像中拉花变形区域的快速自动检测，大大提高了光学遥感卫星正射影像中拉花变形的查找和质检效率。
-
公开(公告)号：CN108335261A
公开(公告)日：2018-07-27
申请号：CN201810126231.5
申请日：2018-02-08
Applicant: 重庆市地理信息中心
CPC classification number: G06T3/0006 , G01C11/04 , G06T7/40 , G06T7/75 , G06T2207/10032
Abstract: 本发明公开了一种光学遥感卫星正射影像拉花区域自动检测方法，首先加载原始卫片、RPC参数和数字高程模型DEM，并迭代计算正射校正后正射影像的大小和范围；然后利用反解法逐像素反算每个像素对应原始影像上像素的坐标；最后逐像素统计并判断是否为拉花像素点，形成拉花区域二值标记图像并进行矢量化，得到拉花区域矢量文件，达到光学遥感卫星正射影像上拉花区域自动检测的目的。其显著效果是：实现了光学遥感卫星正射影像中拉花区域的自动检测，解决了传统人工目视辨别拉花区域费时费力，效率低下的问题，大大提高了光学遥感卫星正射影像的质量检查效率。
-
公开(公告)号：CN108230326A
公开(公告)日：2018-06-29
申请号：CN201810126230.0
申请日：2018-02-08
Applicant: 重庆市地理信息中心
CPC classification number: G06T7/0002 , G06T1/20 , G06T1/60 , G06T7/11 , G06T7/187 , G06T2200/28 , G06T2207/30181
Abstract: 本发明公开了一种基于GPU‑CPU协同的卫星影像拉花变形快速检测方法，包括CPU端加载原始卫片、RPC参数和数字高程模型DEM，迭代求解校正后正射影像的大小和范围；CPU端设计GPU线程格网的分配，并将相应数据从内存拷贝入对应显存；GPU端按线程格网并行计算每个像素对应原始卫片上的像素坐标；GPU端统计当前像素与周边像素重叠次数，并进行拉花像素判断；GPU端按线程格网对二值图像进行腐蚀处理与膨胀处理；CPU端将二值图像结果从全局存储器拷到内存并矢量化，获得拉花变形区域矢量数据等步骤。其显著效果是：实现了卫星影像中拉花变形区域的快速自动检测，大大提高了光学遥感卫星正射影像中拉花变形的查找和质检效率。
-
公开(公告)号：CN106846251A
公开(公告)日：2017-06-13
申请号：CN201710059088.8
申请日：2017-01-24
Applicant: 重庆市地理信息中心
CPC classification number: G06T3/4038 , G06T5/50 , G06T2207/10032 , G06T2207/20221
Abstract: 本发明公开了一种基于建筑物房顶矢量的正射影像镶嵌线网络自动选择方法，包括建筑物房顶矢量结合数字高程模型DEM自动生成建筑物简易模型；利用建筑物简易模型计算建筑物在单片DOM上的成像区域；利用测区所有影像像底点位置自动生成测区初始Voronoi图镶嵌线网络，并简化处理；利用建筑物在单片DOM上的成像区域，对所有节点进行优化选择，得到次优镶嵌线网络；再对次优镶嵌线网络中所有镶嵌线进行优化选择，得到整个测区绕开建筑物成像区域的最优镶嵌线网络。其显著效果是：突破了传统先进行单张正射纠正，再利用单片DOM进行镶嵌线网络选择的模式，解决了测区镶嵌线网络无法自动绕过建筑物成像区域而造成纹理错位以及现有方法自动选择效率低的问题。
-
公开(公告)号：CN108269228B
公开(公告)日：2019-01-29
申请号：CN201810126064.4
申请日：2018-02-08
Applicant: 重庆市地理信息中心
Inventor： 李朋龙 , 胡艳 , 张泽烈 , 徐永书 , 丁忆 , 李静 , 罗鼎 , 段松江 , 吴凤敏 , 李晓龙 , 刘朝晖 , 谭攀 , 魏文杰 , 曾远文 , 王亚林 , 陈晓飞 , 张士勇 , 唐辉
IPC: G06T1/20
Abstract: 本发明公开了一种基于GPU并行计算的无人机影像拉花区域自动探测方法，包括CPU端加载原始无人机影像、影像内方位元素、外方位元素和数字高程模型DEM，并根据中心投影构像方程计算正射纠正后正射影像的大小和范围；CPU端创建GPU线程格网、开辟相应的显存，并拷入数据；GPU端按线程格网从纠正后影像像素反算其对应原始影像上的像素坐标；GPU端进行拉花像素判断；GPU端按线程格网对探测结果二值图像进行图像腐蚀和图像膨胀处理；CPU端将拉花检测后的二值图像结果从GPU全局存储器拷到内存，并将二值图像矢量化，获得拉花变形区域矢量数据等步骤。其显著效果是：实现了无人机单片正射影像中拉花变形区域探测的自动化，极大提高了无人机单片正射影像拉花区域探测效率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.049 seconds)
