-
公开(公告)号：CN119206475A
公开(公告)日：2024-12-27
申请号：CN202411137449.2
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
Abstract: 本申请公开了一种基于面线融合的耕地地块提取方法、系统及介质，其中方法包括：根据预设的SAM模型，对初始地块数据进行区域面的分类和地块提取，得到地块‑面数据；根据预设的线模型，对初始地块数据进行田垄线的提取和边界连接，得到地块‑线数据；对地块‑面数据和地块‑线数据进行面线融合处理，得到耕地地块提取结果。本申请针对不同地域的地块，使用SAM模型进行不同特征地块的区域面提取，使用线模型进行耕地边界线的提取，再进行面线融合得到精确度更高的耕地地块区域，为耕地保护提供准确的数据支撑。
-
公开(公告)号：CN119181016A
公开(公告)日：2024-12-24
申请号：CN202411137452.4
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06V20/10 , G06V10/762 , G06T17/05
Abstract: 本发明公开了一种基于点云数据的陡坎线识别方法及系统，包括：获取待识别地理区域对应的若干个第一点云并对其进行排序，计算排序后的相邻点云间的高差值和每一个所述第一点云对应的地形坡度值从若干个所述第一点云中筛选出若干个陡坎点云；根据点云间的水平距离及每一个所述陡坎点云的高程值对若干个所述陡坎点云进行聚类，获得若干个陡坎点云簇；根据若干个所述陡坎点云簇拟合第一曲线，并计算所述第一曲线两侧一定范围内的高差值，以根据所述高差值调整所述第一曲线的方向，获得第二曲线；对所述第二曲线进行简化，获得所述待识别地理区域对应的陡坎线，提高陡坎线识别的效率及精准度。
-
公开(公告)号：CN117152619A
公开(公告)日：2023-12-01
申请号：CN202311401963.8
申请日：2023-10-27
Applicant: 广州蓝图地理信息技术有限公司 , 广东国地规划科技股份有限公司
IPC: G06V20/10 , G06V10/54 , G06V10/74 , G06V10/774 , G06V10/80
Abstract: 本发明提供了基于高分辨率建筑物遥感影像数据的优化训练方法，包括：获取高分辨率建筑物遥感影像，并基于多特征角度对高分辨率建筑物遥感影像进行分析，得到高分辨率建筑物遥感影像中建筑物的多个特征属性；基于检测要求确定多个特征属性的检测顺序，根据检测顺序对高分辨率建筑物遥感影像进行分析，得到目标建筑物影像；将两个不同时期的高分辨率建筑物遥感影像中的目标建筑物影像进行特征融合，确定两个不同时期的目标建筑物影像的相似度，依据相似度得到目标建筑物变化检测结果。保障了建筑物提取的准确率以及高效性，为实现建筑物变化检测提供了便利与保障。
-
公开(公告)号：CN113191179A
公开(公告)日：2021-07-30
申请号：CN202011522434.X
申请日：2020-12-21
Applicant: 广州蓝图地理信息技术有限公司 , 广东国地规划科技股份有限公司
Abstract: 本发明公开了一种基于灰度共生矩阵和BP神经网络的遥感图像分类方法及系统，所述方法包括：获取采样点地区的遥感图像数据，并对所述遥感图像数据进行批量截图，得到截图数据集；根据灰度共生矩阵提取所述截图数据集中每张图片的纹理特征，并采用统计学的方法，计算得到所述截图数据集中每张图片的灰度统计特征；将所述纹理特征和所述灰度统计特征通过预设的BP神经网络，得到遥感图像分类结果。本发明能够快速获取采样点地区的遥感图像，通过灰度共生矩阵提取遥感图像的纹理特征，并采用统计学的方法，计算得到遥感图像灰度统计特征，将所述纹理特征与灰度统计特征输入到预设BP神经网络实现遥感图像的自动分类，提高了遥感图像的分类精度。
-
公开(公告)号：CN113160239A
公开(公告)日：2021-07-23
申请号：CN202110252730.0
申请日：2021-03-08
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司
Abstract: 本发明公开了一种违法用地检测方法及装置，通过对两期中分辨率遥感影像进行粗变化区域提取，并根据粗变化区域提取两期高分辨率遥感影像的变化区域图。对提取后的高分辨率影像的变化区域图进行裁剪并计算差值图，再输入预训练的深度学习模型以实现对待检测区域进行违法用地检测。采用本发明实施例，利用不同尺度的多源遥感影像与深度学习技术，建立深度学习模型并提取违法用地的特征，输出违法用地的区域值。最后，对模型输出结果运用超像素分割，输出更准确的违法用地边界，实现违法用地的自动化识别，提高识别准确率，从而减轻人工工作量。
-
Patent Agency Ranking
公开(公告)号：CN106780089B
公开(公告)日：2020-10-16
申请号：CN201611227495.7
申请日：2016-12-27
Applicant: 广州蓝图地理信息技术有限公司
Inventor： 陈广亮
Abstract: 本发明提出了一种基于神经网络元胞自动机模型的永久性基本农田划定方法，该方法一方面利用了神经网络元胞自动机模型科学地模拟出城市未来复杂发展和扩张的情形，识别出了被城市侵占风险较高的优质农田，另一方面该方法考虑了耕地分等定级多因子的影响，提取出符合条件的优质的耕地，结合改进的模糊纹理指数划定出了连片性较高的永久性基本农田区域。该方法将识别优质农田与保护城市周边的优质农田相结合，能较好地协调城市扩张与基本农田划定保护的矛盾，更科学合理地划定永久基本农田。本发明的方法还保护了农田的景观功能，得到了连片度较高的永久基本农田划分结果，是一种科学合理的永久性基本农田划分方法。
-
公开(公告)号：CN112927360A
公开(公告)日：2021-06-08
申请号：CN202110311937.0
申请日：2021-03-24
Applicant: 广州蓝图地理信息技术有限公司
IPC: G06T17/00
Abstract: 本发明公开了一种基于倾斜模型与激光点云数据融合的三维建模方法和系统，通过数据处理模块，读取、存储和算法处理所述倾斜摄影测量模块和三维激光扫描模块获取任务目标区域三维建模的基础数据源，输出任务目标区域高精度的三维模型；将无人机倾斜影像匹配的点云与近景影像匹配的点云统一到相同空间参考基准下实现点云数据的有效融合，通过地面激光点云修补倾斜摄影建模缺失的影像点云，在点云基础上构建三角网，同时对三角网进行平滑和简化，最后基于倾斜摄影影像自动映射纹理，即可生成高精度的三维模型，这种基于倾斜摄影与地面激光点云融合建模的方法可以明显地提高模型的精细度。
-
公开(公告)号：CN118521736B
公开(公告)日：2024-12-10
申请号：CN202410968672.5
申请日：2024-07-19
Applicant: 广州蓝图地理信息技术有限公司
Abstract: 本发明实施例涉及三维建模技术领域，具体公开了物质文化遗产三维建模方法及系统，采用激光雷达对待建模的物质文化遗产扫描得到点云数据，基于点云数据生成物质文化遗产的初始三维模型，采用摄像头对物质文化遗产采集彩色图像，将初始三维模型进行分割得到多个子块，从彩色图像中提取多个子块的纹理信息，对初始三维模型的子块进行纹理映射，得到物质文化遗产的目标三维模型。实现了对物质文化遗产建立三维模型，通过三维模型可以直观获取物质文化遗产的外形尺寸，并且通过纹理信息可以获取到物质文化遗产的外观色彩，能够从所建立的三维模型中获取到物质文化遗产的准确外观尺寸和色彩数据，以作为维护保护和复制提供准确参考。
-
公开(公告)号：CN117422936B
公开(公告)日：2024-04-02
申请号：CN202311722766.6
申请日：2023-12-15
Applicant: 广州蓝图地理信息技术有限公司
IPC: G06V10/764 , G06N3/0464 , G06N3/0499 , G06N3/098 , G06V10/20 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明涉及遥感图像技术领域，具体为一种遥感图像分类方法及系统，包括以下步骤：通过自适应图像预处理技术处理遥感数据，使用高级灰度共生矩阵和深度卷积神经网络提取特征，应用多模态数据融合技术分析这些特征，生成时空分析特征数据集，利用集成学习算法和增强BP神经网络训练优化分类模型，实现遥感图像的高效分类。本发明中，自适应图像预处理显著提升数据质量，高级灰度共生矩阵与深度卷积神经网络深入提取纹理和特征，多模态数据融合丰富信息源，助力全面分析，时空分析方法捕捉动态变化，为环境预测提供关键依据，集成学习和增强BP神经网络优化模型训练，提高遥感图像分类的准确性和效率，实现强大的特征表达和高效的数据处理。
-
公开(公告)号：CN117422936A
公开(公告)日：2024-01-19
申请号：CN202311722766.6
申请日：2023-12-15
Applicant: 广州蓝图地理信息技术有限公司
IPC: G06V10/764 , G06N3/0464 , G06N3/0499 , G06N3/098 , G06V10/20 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明涉及遥感图像技术领域，具体为一种遥感图像分类方法及系统，包括以下步骤：通过自适应图像预处理技术处理遥感数据，使用高级灰度共生矩阵和深度卷积神经网络提取特征，应用多模态数据融合技术分析这些特征，生成时空分析特征数据集，利用集成学习算法和增强BP神经网络训练优化分类模型，实现遥感图像的高效分类。本发明中，自适应图像预处理显著提升数据质量，高级灰度共生矩阵与深度卷积神经网络深入提取纹理和特征，多模态数据融合丰富信息源，助力全面分析，时空分析方法捕捉动态变化，为环境预测提供关键依据，集成学习和增强BP神经网络优化模型训练，提高遥感图像分类的准确性和效率，实现强大的特征表达和高效的数据处理。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.099 seconds)
