龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国科学院空天信息创新研究院
申请日：2024-04-10
公开（公告）日：2024-06-25
公开（公告）号：CN118247664A
主分类号：G06V20/10
分类号：G06V20/10;G06V20/13;G06V10/764;G06V10/774;G06V10/82;G06V10/26;G06V10/54;G06N3/0464
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本申请公开了一种基于深度学习的城市开放空间制图方法及装置。将利用Unet网络识别研究区影像的植被区域，对研究区影像的植被区域数据进行面向对象的图像分割，获得分割对象；根据研究区历史影像选取植被样本数据，并结合分割对象，获得样本对象；将研究区的纹理特征、光谱特征、指数特征和植被物候特征作为样本对象的特征值；根据样本对象的特征值对待分类对象进行随机森林分类，获得绿地分类结果；根据多源数据和绿地分类结果，获得城市开放空间图。在此过程中，将样本数据与面向对象分割相结合，更好地分出植被混合区域；通过多种特征进行优选，并基于优选特征进行随机森林分类，使得随机森林模型获取更多的图像特征，从而提高分类效果。
主权项：1.一种基于深度学习的城市开放空间制图方法，其特征在于，包括：将预处理后的研究区第一影像输入至植被模型中，获得植被区域数据，所述植被模型为训练完成的U-net深度神经网络模型，所述训练样本包括所述研究区第一影像的植被指数样本数据集；对所述植被区域数据进行面向对象的图像分割，获得分割对象；根据研究区历史影像选取植被样本数据，并根据所述植被样本数据和所述分割对象，获得多类别样本对象；将所述研究区第一影像提取出的纹理特征、光谱特征和指数特征以及预处理后的研究区第二影像提取出的植被物候特征进行波段叠加，获得特征集，并将所述特征集中各特征的均值作为所述多类别样本对象的特征值；根据所述多类别样本对象的特征值对所述植被区域数据中待分类对象进行随机森林分类和重分类，获得绿地分类结果；根据研究区的路网面状数据、公园绿地数据、水体区域数据以及所述绿地分类结果，获得城市开放空间图。
全文数据：
权利要求：
百度查询： 中国科学院空天信息创新研究院 一种基于深度学习的城市开放空间制图方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号