申请/专利权人：中国科学院南京地理与湖泊研究所

申请日：2022-06-30

公开（公告）日：2024-04-02

公开（公告）号：CN115115885B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/762;G06V20/10;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.10.18#实质审查的生效;2022.09.27#公开

摘要：本发明公开了一种保留重要极值点的格拉姆角场转换的用地分类方法，涉及城市规划、城市交通技术领域，包括：步骤1、提取研究区内所有表征用地人口数量的时间序列数据；步骤2、确定所有表征用地人口数量的时间序列数据的重要极值点；步骤3、根据重要极值点和人口数量的时间序列数据的分段区间值，聚合用地人口数量的时间序列分布数据；步骤4、对分段后的人口数量的时间序列数据中分段区间内的人口数量进行归一化；步骤5、生成极坐标数据；步骤6、生成格拉姆角场和或格拉姆角场差；步骤7、构建二维图像，并对所构建的全部二维图像进行图像深度学习分类。本发明能够实现城市用地的人口数量分布时间序列数据转换为图像，进而完成用地分类处理。

主权项：1.一种保留重要极值点的格拉姆角场转换的用地分类方法，其特征在于，包括以下步骤：步骤1、提取研究区内所有表征用地人口数量的时间序列数据；步骤2、使用高斯混合模型GMM方法和贝叶斯信息准则BIC来确定所有表征用地人口数量的时间序列数据的重要极值点；步骤3、根据重要极值点和人口数量的时间序列数据的分段区间值，聚合用地人口数量的时间序列分布数据，得到分段后的用地人口数量的时间序列数据和新的时间戳；其中，分段区间值是预先设定的；步骤4、针对每个用地人口数量的时间序列数据，对分段后的用地人口数量的时间序列数据中分段区间内的人口数量进行归一化，得到新的人口数量，所得新的人口数量被记为缩放值；步骤5、针对每个用地人口数量的时间序列数据，将新的时间戳作为半径，将缩放值的反余弦值作为角度来生成极坐标数据；步骤6、进一步针对每个用地人口数量的时间序列数据，利用所生成的极坐标数据，生成格拉姆角场和GASF或格拉姆角场差GADF；步骤7、以新的时间戳为图像的横纵坐标值，以GASF或者GADF为图像的像素值，对每个用地人口数量的时间序列数据构建二维图像，并对所构建的全部二维图像进行图像深度学习分类，以实现研究区的用地分类处理。

全文数据：

权利要求：

百度查询： 中国科学院南京地理与湖泊研究所 一种保留重要极值点的格拉姆角场转换的用地分类方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD