Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网电力空间技术有限公司;国家电网有限公司田茂杰获国家专利权

国网电力空间技术有限公司;国家电网有限公司田茂杰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉国网电力空间技术有限公司;国家电网有限公司申请的专利融合多源数据与图像处理技术的微地形识别方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121167454B

龙图腾网通过国家知识产权局官网在2026-02-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511697659.1,技术领域涉及:G06F18/2413;该发明授权融合多源数据与图像处理技术的微地形识别方法及装置是由田茂杰;杜伟;杨国柱;孙华敏;刘伟东;孙诗睿;高超;孙鹏超;方平凯;韦恩惠;刘宁;胡伟;李丹;李俊磊;郑思嘉;刘静茹设计研发完成,并于2025-11-19向国家知识产权局提交的专利申请。

融合多源数据与图像处理技术的微地形识别方法及装置在说明书摘要公布了:本发明提出了一种融合多源数据与图像处理技术的微地形识别方法及装置,涉及计算机数据处理技术领域,包括:采集目标地区的多源数据;多源数据包括遥感影像、矢量数据及地形因子;通过微地形识别模型,将目标地区的多源数据作为输入样本,经过识别确定目标地区的微地形信息;微地形识别模型通过以下方法训练得到:建立微地形训练样本库,通过选取地形因子、样本增强处理及图像处理方式对训练样本进行扩充;构建多个不同神经网络结构的初始模型,通过微地形训练样本库的训练样本分别对多个初始模型进行训练,经过多轮次的动态优化训练策略,调整优化模型参数,并确定每个模型对应的性能指标;选取性能指标满足预设条件的模型作为微地形识别模型。

本发明授权融合多源数据与图像处理技术的微地形识别方法及装置在权利要求书中公布了:1.一种融合多源数据与图像处理技术的微地形识别方法,其特征在于,该方法包括: 采集目标地区的多源数据;其中,所述多源数据包括遥感影像、矢量数据及地形因子; 通过微地形识别模型,将目标地区的多源数据作为输入样本,经过识别确定目标地区的微地形信息;其中,所述微地形识别模型通过以下方法训练得到: 建立微地形训练样本库,通过选取地形因子、样本增强处理及图像处理方式对训练样本进行扩充;构建多个不同神经网络结构的初始模型,通过所述微地形训练样本库的训练样本分别对多个初始模型进行训练,经过多轮次的动态优化训练策略,调整优化模型参数,并确定每个模型对应的性能指标;选取所述性能指标满足预设条件的模型作为所述微地形识别模型; 其中,建立微地形训练样本库,通过选取地形因子、样本增强处理及图像处理方式对训练样本进行扩充,包括: 采用以下一种或多种方式进行样本扩充: 选取地形因子,对所述地形因子进行量化分析,保留符合预设要求的地形因子; 基于数字高程模型、数字正射影像图及SHP格式数据进行样本增强处理; 对训练样本进行预处理,预处理方式至少包括投影、裁剪及生成灰度图; 其中,基于数字高程模型、数字正射影像图及SHP格式数据进行样本增强处理,包括: 以数字高程模型的格网中心点的空间坐标作为特征变量,以高程值作为因变量,构建随机森林回归模型;通过在原始格网中插入多个随机点,并以空间坐标为输入,通过空间插值预测高程值,增强数字高程模型;计算格网中心点与格网内部随机点的高程均值差异,作为格网单元的重要性度量指标,筛选出重要性超过预设重要性阈值的格网单元并提取格网中心点作为候选地形特征点; 根据所述候选地形特征点,绘制特征点、线的空间分布图,重构原始分辨率下的数字高程模型;以原始分辨率下的数字高程模型中的所有格网点作为检查点,评估重构的数字高程模型的误差统计指标,并分析特征线的匹配情况; 根据特征点的空间分布、重构的误差统计指标、特征线匹配情况在内的维度对样本增强处理进行评价,确定样本增强效果; 其中,基于数字高程模型、数字正射影像图及SHP格式数据进行样本增强处理,还包括: 采用CART决策树划分训练样本空间,以两个子区域的最小高程离差平方和作为划分标准,采用下式计算最小高程离差平方和: 式中,SS表示两个子区域的最小高程离差平方和;zi为区域内采样点的高程值;为区域内所有采样点的高程值的平均值; 基于划分后的训练样本空间,从原始地形采样点数据中进行有放回随机抽样,生成多个训练样本集;其中,每个训练样本集的容量与原始数据集保持相同,以格网中心点的平面坐标作为输入特征,高程为预测目标,训练CART决策树模型;通过对平面坐标空间的递归划分,将样本数据划分至叶子节点,形成一棵完整的回归树;所述回归树作为地形表面的模拟模型; 通过重复以上抽样与建树过程,构建多棵回归树,形成由多棵回归树组成的随机森林模型;其中,对于同一格网单元内的随机点,随机森林提供多个预测高程值,取所述多个预测高程值的均值作为对应随机点的最终高程估计值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国网电力空间技术有限公司;国家电网有限公司,其通讯地址为:102209 北京市昌平区未来科技城滨河大道18号C座7层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。