-
公开(公告)号：CN102608592B
公开(公告)日：2013-06-12
申请号：CN201210096736.4
申请日：2012-04-05
Applicant: 吉林大学
IPC: G01S7/41
Abstract: 本发明属于遥感图像处理技术领域，提供了一种基于五种地物分类信息的积雪被动微波混合像元分解方法。本发明根据影响积雪辐射特性的典型五种下垫面类型，通过获得观测地区中较高空间分辨率的地物分类数据，利用积雪在不同下垫面微波辐射之间差异特性，选择微波天线增益函数和采样率，建立积雪微波混合像元分解模型，采用具有约束条件的最小二乘法迭代计算求解欠定性方程组，实现积雪被动微波混合像元分解。本发明可以有效地解决积雪被动微波混合像元问题，改进积雪参数反演精度，在气候和水文研究以及积雪灾害评估等领域中具有重要应用价值。
-
公开(公告)号：CN101566692B
公开(公告)日：2011-04-13
申请号：CN200910067013.X
申请日：2009-05-26
Applicant: 吉林大学
IPC: G01S17/95
CPC classification number: Y02A90/19
Abstract: 本发明涉及一种利用卫星遥感数据中的云影信息检测云高的方法，属于大气探测领域。包括插值计算、云和云阴影检测、MODIS数据的云和云影匹配、建立云高模型求得云层高度和云高计算和分析五部分。本方法对遥感图像数据中云和云影的信息进行检测；结合数字图像技术进行云和云影匹配，得到云和云影的之间的距离；最后，建立云高模型求得云层高度。本方法可以同一时刻对一片云多个点进行高度计算，以此求得的高度值将极大的提高云高的检测精度。通过本方法可以对符合测量条件的任何地区进行云高测量，而且不用在当地设置测量仪器。
-
公开(公告)号：CN101566692A
公开(公告)日：2009-10-28
申请号：CN200910067013.X
申请日：2009-05-26
Applicant: 吉林大学
IPC: G01S17/95
CPC classification number: Y02A90/19
Abstract: 本发明涉及一种利用卫星遥感数据中的云影信息检测云高的方法，属于大气探测领域。包括插值计算、云和云阴影检测、MODIS数据的云和云影匹配、建立云高模型求得云层高度和云高计算和分析五部分。本方法对遥感图像数据中云和云影的信息进行检测；结合数字图像技术进行云和云影匹配，得到云和云影的之间的距离；最后，建立云高模型求得云层高度。本方法可以同一时刻对一片云多个点进行高度计算，以此求得的高度值将极大的提高云高的检测精度。通过本方法可以对符合测量条件的任何地区进行云高测量，而且不用在当地设置测量仪器。
-
公开(公告)号：CN114663399B
公开(公告)日：2025-01-10
申请号：CN202210290763.9
申请日：2022-03-23
Applicant: 吉林大学
Abstract: 本发明公开了一种基于改进时空融合模型的积雪日变化监测方法，属于卫星遥感图像处理与应用的技术领域。本发明的目的是解决现有积雪产品空间分辨率较低，无法准确获取降雪和融雪等变化的细节问题。本发明采用2幅Landsat8卫星遥感影像和17幅MOD09GA光谱反射率影像作为数据源，使用STDFA时空融合模型获得初步的逐日时空融合影像，由于STDFA模型的时空融合结果存在光谱失真，本发明提出使用Matching‑Pix2pixGAN网络改善STDFA融合模型得到的时空融合结果，最终得到无光谱失真的逐日的时空融合结果，并提取最终时空融合结果的NDSI指数实现对积雪的识别，从而实现连续16天的积雪日变化监测。本发明方法能准确地实现积雪日变化监测，捕捉降雪和融雪的变化细节，为融雪径流分析、农业灌溉及生态环境保护提供可靠的分析数据。
-
公开(公告)号：CN117853337A
公开(公告)日：2024-04-09
申请号：CN202410016514.X
申请日：2024-01-05
Applicant: 吉林大学
IPC: G06T3/4053 , G01S7/41 , G06T5/90
Abstract: 本发明公开了一种基于Lorentzian范数和自适应双边总变分正则化重建的星载微波散射计遥感影像空间分辨率增强方法。具体方法是从星载微波散射计退化机理建模出发，提出了LABTV正则化重建算法，该算法在双边总变分正则化算法的基础上引入了自适应的权值系数，有效地抑制噪声的同时保持图像的纹理细节，同时引入Lorentzian范数进一步提高了重建算法的性能。本发明提出的星载微波散射计分辨率增强算法能够将低空间分辨率的星载微波散射计图像重建成为高空间分辨率的星载微波散射计图像，使其更好应用于海洋和陆地定量遥感。
-
Patent Agency Ranking
公开(公告)号：CN115221926A
公开(公告)日：2022-10-21
申请号：CN202210855584.5
申请日：2022-07-20
Applicant: 吉林大学
Abstract: 本发明公开了一种基于CNN‑GRU网络模型的心拍信号分类方法，涉及计算机领域和医学信号处理领域，本发明的目的是解决心电信号干扰多、分类精度低等问题。本发明包括以下步骤：将心电数据通过小波变换除去噪声，再将其分割成心拍的形式，之后将预处理后的心拍随机划分成训练集、验证集和测试集；构建基于CNN网络模型和GRU网络模型的深度学习网络模型，之后挑选训练好的模型中精度最高的模型来预测数据，得到心电数据的预测分类结果。利用本发明提出的基于CNN‑GRU网络模型对心拍信号分类的方法可以实现对心电信号高效、准确的分类识别。
-
公开(公告)号：CN113205475B
公开(公告)日：2022-07-12
申请号：CN202010045470.5
申请日：2020-01-16
Applicant: 吉林大学
Abstract: 本发明公开了一种基于多源卫星遥感数据的森林高度反演方法，属于卫星遥感图像处理与应用的技术领域，针对目前的森林高度估测算法复杂度高、精度低、准确性差的问题，本发明结合星载SAR和光学影像，首先对SAR影像进行极化处理得到整幅影像的后向散射系数、入射角，利用InSAR测量技术获取主副影像相位、相干性、数字高程模型(DEM)，并从DEM中提取坡度信息，然后基于多光谱影像计算生物物理变量和光谱植被指数，使用机器学习算法将野外测量、极化信息、干涉测量、生物物理变量、光谱植被指数和地形变量联系起来，有效提取了森林高度信息。
-
公开(公告)号：CN111582194B
公开(公告)日：2022-03-29
申请号：CN202010395467.6
申请日：2020-05-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于多特征LSTM网络的多时相高分辨率遥感影像建筑物提取方法，属于卫星遥感图像处理与应用的技术领域。目的是解决现有方法建筑物提取结果准确率低、错分率高、边界模糊等问题。本发明采用多幅多时相高分二号遥感图像作为数据源，使用基于HSI彩色变换的方法提取建筑物光谱特征、基于图分割与条件随机场后处理相结合的方法提取建筑物的形状特征、基于Gabor小波变换的方法提取建筑物的纹理信息特征和基于DSBI指数的方法提取建筑物的指数特征，将提取的多时相建筑物的光谱、形状、纹理及指数特征组成了一个拥有60个特征波段的建筑物特征集，并将制作的建筑物样本与标签送入LSTM网络中获得建筑物粗提取结果，经过形态学处理后得到最终结果。
-
公开(公告)号：CN108537169B
公开(公告)日：2022-01-25
申请号：CN201810309998.1
申请日：2018-04-09
Applicant: 吉林大学
Abstract: 本发明公开了一种基于中心线和路宽检测算法的高分辨率遥感影像道路提取方法，属于遥感影像处理技术领域。由于采用中心线检测算法直接提取的道路中心线会受到周围各种地物的影响，如树木，车辆，房屋等，导致中心线不完整，出现中断导致道路提取信息的不够完整、精度较差的问题。本发明通过引入张量场，通过张量场投票算法，对中心线检测中的中断部分进行补充，并再次利用中心线检测算法计算从而可以获得一个完整的道路中心线，并将距离中断部分最近中心线所对应的路宽作为实际路宽，实现了提取完整的道路信息。
-
公开(公告)号：CN113205475A
公开(公告)日：2021-08-03
申请号：CN202010045470.5
申请日：2020-01-16
Applicant: 吉林大学
Abstract: 本发明公开了一种基于多源卫星遥感数据的森林高度反演方法，属于卫星遥感图像处理与应用的技术领域，针对目前的森林高度估测算法复杂度高、精度低、准确性差的问题，本发明结合星载SAR和光学影像，首先对SAR影像进行极化处理得到整幅影像的后向散射系数、入射角，利用InSAR测量技术获取主副影像相位、相干性、数字高程模型(DEM)，并从DEM中提取坡度信息，然后基于多光谱影像计算生物物理变量和光谱植被指数，使用机器学习算法将野外测量、极化信息、干涉测量、生物物理变量、光谱植被指数和地形变量联系起来，有效提取了森林高度信息。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.049 seconds)
