-
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。
-
Patent Agency Ranking
公开(公告)号：CN108257130B
公开(公告)日：2018-11-30
申请号：CN201810126093.0
申请日：2018-02-08
Applicant: 重庆市地理信息中心
Inventor： 丁忆 , 李朋龙 , 张泽烈 , 李静 , 胡艳 , 徐永书 , 吴凤敏 , 罗鼎 , 李晓龙 , 连蓉 , 陈静 , 刘金龙 , 张灿 , 范文武 , 林熙 , 王小攀 , 舒文强 , 卢建洪 , 王静
Abstract: 本发明公开了一种航空正射影像全景图拉花区域快速检测方法，包括加载测区原始航摄影像及其内、外方位元素和测区数字高程模型DEM，逐张检测该张影像对应正射影像上的拉花区域，并生成与之对应的拉花区域检测结果二值图像；对正射影像全景图镶嵌线网络进行简化处理，并对单片正射影像拉花区域检测结果二值图像进行镶嵌；对正射影像全景图拉花区域检测结果二值图像进行形态学处理，并进行矢量化后存储为矢量数据等步骤，以实现正射影像全景图拉花区域的自动检测。其显著效果是：解决了传统人工目视辨别查找费时费力和人为遗漏的问题，提高了航空正射影像全景图拉花区域查找效率。
-
公开(公告)号：CN108257130A
公开(公告)日：2018-07-06
申请号：CN201810126093.0
申请日：2018-02-08
Applicant: 重庆市地理信息中心
Inventor： 丁忆 , 李朋龙 , 张泽烈 , 李静 , 胡艳 , 徐永书 , 吴凤敏 , 罗鼎 , 李晓龙 , 连蓉 , 陈静 , 刘金龙 , 张灿 , 范文武 , 林熙 , 王小攀 , 舒文强 , 卢建洪 , 王静
CPC classification number: G06T7/0002 , G06K9/38 , G06T3/4038 , G06T2207/10004 , G06T2207/30181
Abstract: 本发明公开了一种航空正射影像全景图拉花区域快速检测方法，包括加载测区原始航摄影像及其内、外方位元素和测区数字高程模型DEM，逐张检测该张影像对应正射影像上的拉花区域，并生成与之对应的拉花区域检测结果二值图像；对正射影像全景图镶嵌线网络进行简化处理，并对单片正射影像拉花区域检测结果二值图像进行镶嵌；对正射影像全景图拉花区域检测结果二值图像进行形态学处理，并进行矢量化后存储为矢量数据等步骤，以实现正射影像全景图拉花区域的自动检测。其显著效果是：解决了传统人工目视辨别查找费时费力和人为遗漏的问题，提高了航空正射影像全景图拉花区域查找效率。
-
公开(公告)号：CN110348383B
公开(公告)日：2020-07-31
申请号：CN201910625253.0
申请日：2019-07-11
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) , 武汉大学
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：CN112862774A
公开(公告)日：2021-05-28
申请号：CN202110140476.5
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
公开(公告)号：CN112862774B
公开(公告)日：2021-12-07
申请号：CN202110140476.5
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
-
-
-
-
Search Results
6
records
(took 0.041 seconds)
