-
公开(公告)号：CN104915549A
公开(公告)日：2015-09-16
申请号：CN201510272029.X
申请日：2015-05-25
Applicant: 同济大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于半参数模型的InSAR干涉相位解缠方法，用于在InSAR或DInSAR数据处理过程中从干涉相位获取解缠相位，具体包括以下步骤：1)半参数相位解缠模型的建立；2)半参数相位解缠模型的解算及解缠相位的估计。与现有技术相比，本发明顾及InSAR/DInSAR干涉相位中的系统误差，考虑采用半参数模型的非参数分量对其建模和补偿，从而消除其对解缠相位估计的影响，弥补传统的基于最小二乘相位解缠算法的缺陷，减少系统误差对相位解缠结果的影响，提高地形估计及形变监测的精度。
-
公开(公告)号：CN104298737A
公开(公告)日：2015-01-21
申请号：CN201410525469.7
申请日：2014-10-08
Applicant: 同济大学
IPC: G06F17/30
CPC classification number: G06F17/50
Abstract: 本发明涉及一种基于抽样最大核密度稳健模型的离散点云拟合方法，其特征在于，包括以下步骤：1)获取离散点云数据X0，确定所需拟合的几何对象，确定几何对象的理论数学模型；2)建立抽样最大核密度稳健模型；3)对获取的最优候选参数和最优候选点，应用最小二乘算法估计获取最优平面拟合参数；4)应用最优模型拟合参数对离散点云进行拟合，获取几何对象参数。与现有技术相比，本发明具有运算效率高、计算精度高、稳健性高等优点。
-
公开(公告)号：CN103824287A
公开(公告)日：2014-05-28
申请号：CN201410051994.X
申请日：2014-02-14
Applicant: 同济大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于稳健平面拟合的相位相关亚像素匹配方法，采用基于最小费用网络流的相位解缠算法对相位角矩阵进行解缠，利用高效的随机抽样一致算法拟合二维相位角平面，无需预先的整像素匹配，直接利用相位差信息的理论特性估计出影像块间的亚像素偏移值。与现有技术相比，本发明具有精度与稳定性高等优点，通过模拟影像密集匹配实验，本发明方法在精度与稳定度方面都体现出优势，达到了优于1/50像素的匹配精度，且对Pixel？locking现象系统误差也有较好的抑制作用。
-
公开(公告)号：CN119810663A
公开(公告)日：2025-04-11
申请号：CN202411976276.3
申请日：2024-12-31
Applicant: 同济大学
IPC: G06V20/10 , G06V10/44 , G06V10/52 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06V10/80 , G06N3/084
Abstract: 本发明涉及一种基于混合注意力机制与方向先验的道路提取方法，包括以下步骤：获取遥感影像，输入训练好的基于混合注意力机制与方向先验的道路提取模型，获得道路提取结果；上述模型包括编码器和解码器，其中编码器包括多个依次相连的混合注意力模块，每个混合注意力模块中，输入数据首先通过多个依次相连的稀疏注意力层提取局部特征，最后通过一个改进密集注意力层捕获全局语义关联；解码器包括方向增强融合模块和多个轻量混合注意力模块，所述方向增强融合模块在多个方向上进行卷积操作，并通过动态调整获得融合特征图。与现有技术相比，本发明可以在提高计算效率的同时，确保道路提取结果的连续性和精确性。
-
公开(公告)号：CN118411538A
公开(公告)日：2024-07-30
申请号：CN202410290981.1
申请日：2024-03-14
Applicant: 同济大学
IPC: G06V10/75 , G06F30/20 , G06T5/50 , G06F111/04
Abstract: 本发明涉及一种基于先像后点的大规模轨道器影像多重连接点提取方法，包括如下步骤：针对每个大规模轨道器的多视影像对，筛选得到立体像对；基于所述立体像对，以每个多视影像作为基准影像，通过遍历全部多视影像，提取得到多重影像集；针对所述多重影像集中的每个立体像对进行匹配点提取，通过匹配点关联得到多重连接点；基于哈希表加速搜索多重连接点之间存在的公共点，实现多重连接点的合并与去重，完成全部影像的多重连接点提取。与现有技术相比，本发明可实现大规模轨道器影像高效广覆盖的多重连接点提取。
-
Patent Agency Ranking
公开(公告)号：CN118194536A
公开(公告)日：2024-06-14
申请号：CN202410290982.6
申请日：2024-03-14
Applicant: 同济大学
IPC: G06F30/20 , G06V10/74 , G06F17/11 , G06F17/16 , G06F111/04
Abstract: 本发明涉及一种基于多重几何约束的深空轨道器影像误匹配剔除方法，利用轨道器影像的成像模型，结合匹配点反投影残差的全局分布特性，构建了每个匹配点的干净邻域；通过反投影差异向量间的相似性，实现对目标匹配点与干净邻域内匹配点的几何关系判断；通过将反投影差异向量间的相似性与局部最小几何多边形的仿射一致性相结合，剔除初始匹配中的错误匹配点。通过本方法，可实现深空轨道器影像高效准确的误匹配剔除。与现有技术相比，本发明可以有效地应对存在局部畸变的影像，在局部匹配稀疏或存在大量重复纹理的特殊像对中能有效兼顾匹配的精度与召回率，并未额外增加计算复杂度。
-
公开(公告)号：CN118154911A
公开(公告)日：2024-06-07
申请号：CN202410364710.6
申请日：2024-03-28
Applicant: 同济大学
Abstract: 本发明涉及一种针对月球轨道器高分辨率多视遥感影像的大区域匹配方法，包括：获取由多时、多视的高分辨率月球轨道器影像组成的数据集合，结合相关信息进行影像筛选并计算构成立体像对；采用多节点并行方式传入各立体像对信息，基于主‑从结构通讯模式，多节点并行开展匹配任务；在各节点内完成单次匹配任务，基于预设的几何约束，在GPU空间进行关键点提取、关键点描述子构建、描述子匹配，获得初步连接点结果并回传至CPU空间；基于RANSAC对连接点进行粗差点剔除，生成得到连接点文件，即匹配完成。与现有技术相比，本发明能够在保证月球高分辨率遥感影像匹配精度的同时，极大地提高匹配效率，满足大范围月球DEM制作的连接点匹配需求。
-
公开(公告)号：CN118153332A
公开(公告)日：2024-06-07
申请号：CN202410364711.0
申请日：2024-03-28
Applicant: 同济大学
Abstract: 本发明涉及一种基于多变量主导因素筛选的火星矿物空间分布分析方法，包括：获取目标研究区域对应的火星全球矿物光谱参数图及火星表面DEM数据；针对火星全球矿物光谱参数图进行数据预处理，得到矿物填图数据集；基于火星表面DEM数据，通过计算地形因子并进行离散化处理，生成地形因子专题图；针对矿物填图数据集和地形因子专题图进行空间格局的相关性分析和因子计算，筛选出主导地形因子；采用多元回归分析方法，建立地形地貌与矿物分布的关系模型，确定出各主导地形因子对矿物分布的影响程度。与现有技术相比，本发明构建了火星矿物分布模式与地形相关变量之间关系的综合分析框架，能有效利用已有数据集全面分析地形特征与矿物空间格局之间的关系。
-
公开(公告)号：CN117129465A
公开(公告)日：2023-11-28
申请号：CN202311024436.X
申请日：2023-08-15
Applicant: 同济大学
Abstract: 本发明涉及一种跨仪器LIBS光谱的交叉定标方法。与现有技术相比，包括以下步骤：提取参考光谱与待定标光谱在相同波长范围通道的LIBS光谱，使用数据内插方法进行数据处理；计算光谱强度单位的换算关系，将待定标光谱的强度单位换算至参考光谱的强度单位；计算对同一目标获取的LIBS光谱逐像素上的强度比值，并将该比值用于修正待定标光谱的强度；以参考光谱为参照，对待定标光谱进行谱峰位置校正。本发明保护了待定标数据的光谱形状，避免了特征峰的丢失，可以应用于不同类型的LIBS设备，修正由于仪器参数与探测环境产生的强度差异，提高了交叉定标前后特征峰位置的一致性，降低了仪器参数与探测环境差异对特征峰位置差异的影响。
-
公开(公告)号：CN116522048A
公开(公告)日：2023-08-01
申请号：CN202310355102.4
申请日：2023-04-04
Applicant: 同济大学
Abstract: 本发明涉及一种深空轨道器弱交会多视影像的自适应区域网平差方法，包括：S1、构建深空轨道器严格成像几何模型，将连接点按照立体几何和多视几何分为两类，并利用先验数字高程模型DEM计算每个连接点的初始三维坐标，考虑不同几何关系进行自适应区域网构网；S2、根据平差的参数构建平差的误差方程，包括连接点的误差方程以及求解参数的误差方程，按照多视几何连接点的重叠程度来进行自适应的定权；S3、在平差过程中，利用DEM的先验精度和高程起伏信息来求解三维点改正值的权重，结合DEM的高程信息来进行选权迭代方式的误匹配剔除。与现有技术相比，本发明能够有效提升平差后的几何一致性，在剔除误匹配点的同时，保证区域网平差的准确性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
228
records
(took 0.059 seconds)
