-
公开(公告)号:CN115457401A
公开(公告)日:2022-12-09
申请号:CN202211047586.8
申请日:2022-08-30
Applicant: 宁波大学
Abstract: 本发明涉及一种针对不同淡水资源类型的SAR遥感精细识别方法,包括:基于时序SAR影像,提取不同淡水资源类型的后向散射特征和地形分布特征,获得淡水资源类型的空间范围,进一步引入形状指数、空间关系、面积和淡水资源类型变化动态等参数,构建区分不同淡水资源类型的决策树识别算法,实现不同淡水资源类型的区分。本发明的有益效果是:本发明可以及时、准确地掌握不同淡水资源类型的现状,对于淡水资源的科学调度,调蓄河湖水位,防洪抗旱,保障农田灌溉用水及水产养殖产业的科学规划与管理具有重要意义。
-
公开(公告)号:CN110533600B
公开(公告)日:2022-07-19
申请号:CN201910619429.1
申请日:2019-07-10
Applicant: 宁波大学
Abstract: 本发明公开了一种同/异质遥感影像高保真广义空‑谱融合方法,其可同时满足全色/多光谱、全色/高光谱同质影像高保真融合,及高空间分辨率SAR影像和低空间分辨率多光谱异质影像高保真融合,生成同时具有高空间分辨率和高光谱分辨率的遥感影像,其考虑到实际工程应用对快速处理的需求,基于简单快速的成分替换类融合基本框架,提取高空间分辨率遥感影像的高频信息,并基于高光谱分辨率遥感影像的波段特点设计高频信息注入权重,将高频信息注入重采样后的高光谱分辨率遥感影像得到空间高度锐化融合影像;优点是其对异质影像间的空间配准更具鲁棒性,且同时考虑到空间增强、光谱补偿及噪声的影响,可同时满足同质/异质影像的空‑谱高保真融合需求。
-
公开(公告)号:CN113537239A
公开(公告)日:2021-10-22
申请号:CN202110774474.1
申请日:2021-07-08
Applicant: 宁波大学
Abstract: 本发明涉及一种基于全局关系感知注意力的高光谱图像波段选择方法,包括步骤:对原始高光谱图像数据进行分块处理;生成空间部分注意力;生成波段部分注意力;将空间部分注意力和波段部分注意力汇总融合,生成全局关系感知注意力;高光谱图像重建;损失函数优化完成之后,通过计算各个波段信息熵、光谱角和相关系数的比值,选择值最大的前k个波段作为波段选择的结果。本发明的有益效果是:本发明通过联合提取高光谱数据的空谱信息,学习局部自身和全局关系注意力,并利用学习到的注意力对高光谱图像进行加权后送入重建网络优化参数,进而通过指标选择波段。
-
公开(公告)号:CN113191989A
公开(公告)日:2021-07-30
申请号:CN202110571034.6
申请日:2021-05-25
Applicant: 宁波大学
Abstract: 本发明涉及一种针对近岸复杂环境下淤泥质海岸的水边线遥感提取方法,包括步骤:对遥感影像数据进行预处理;低频信息提取;对低频信息进行形态学处理。本发明的有益效果是:引入高通滤波处理,使淤泥质海岸海域侧和陆域测频率信息的差异显著增大,有利于水边线位置的精确度;针对遥感影像高通滤波后的像素值进行直方图统计,通过构建自适应低频信息阈值区间算法,获得了能够随影像自适应变化调整的更加稳健的阈值范围,解决了传统阈值法提取水边线中阈值范围过度依赖影像本身,阈值可迁移性差的问题;与传统边缘检测法提取水边线相比,本发明利用低频信息的边界替代图像的边缘,有效地解决了传统边缘检测法提取水边线结果破碎、不连续的缺陷。
-
公开(公告)号:CN111582146B
公开(公告)日:2021-04-13
申请号:CN202010372618.6
申请日:2020-05-06
Applicant: 宁波大学
Abstract: 本发明涉及一种基于多特征融合的高分辨率遥感影像城市功能分区方法,包括:步骤1、图像预处理;步骤2、将各图像中的特征值分配至与其最相近的视觉单词,统计各个视觉词汇的相应词频,形成视觉词汇特征;构建多特征BoW视觉字典;步骤3、构建LDA概率主题模型,利用LDA概率主题模型挖掘图像的高维语义向量;步骤4、根据步骤3得到的高维语义向量,训练SVM分类器;步骤5、用SVM分类器对测试集进行城市功能分区。本发明的有益效果是:引入了POI数据降低了遥感数据因同物异谱和同谱异物导致的误分;综合利用图像的多种特征,包括局部特征、光谱特征、纹理特征、地表温度特征、空间三维特征和POI特征,能够在图像单一特征不明显的情况得到更高的分类精度。
-
公开(公告)号:CN112396029A
公开(公告)日:2021-02-23
申请号:CN202011396445.8
申请日:2020-12-03
Applicant: 宁波大学
Abstract: 本发明涉及一种聚类分割与耦合端元提取协同的高光谱滨海湿地亚像元变化检测方法,包括:步骤1、对两时相高光谱数据进行预处理;步骤2、利用光谱特征、几何特征和纹理特征对拼接后的影像进行多特征提取。本发明的有益效果是:首先通过多特征提取对影像大类进行聚类分割得到地物分割图,利用高光谱遥感数据,通过地物的光谱特征、几何特征、纹理特征精细分割出地物类型;针对同类地物不同端元进行精细分类研究:利用耦合非负矩阵分解的方法提取纯净度较高的精细端元,然后基于稀疏解混方法求解得到端元丰度,进而通过两时相的丰度检测滨海湿地变化情况,实现滨海湿地在亚像元尺度上的精细变化检测。具有简易的操作性和较强的实用性。
-
公开(公告)号:CN112329829A
公开(公告)日:2021-02-05
申请号:CN202011162112.9
申请日:2020-10-27
Applicant: 宁波大学
Abstract: 本发明涉及一种基于高光谱数据的红树林提取方法,包括:步骤1、对高光谱数据进行预处理;步骤2、计算归一化植被指数;步骤3、构建红树林背景差异指数;步骤4、依据实地情况去除误分像素。本发明的有益效果是:本发明首先计算植被指数来区分植被与非植被,再构建红树林背景差异指数来增大红树林与其他陆地植被差异,并根据样本指数统计直方图确定阈值提取红树林,最后结合地形数据去除误分像素,实现红树林的精细提取。本发明流程容易实现,是对现有红树林提取方法的有效补充,有利于提高红树林分类准确性、反映红树林的真实空间分布情况,能为红树林的管理与保护提供科学依据,因此具有重要的实际应用意义。
-
公开(公告)号:CN110751614A
公开(公告)日:2020-02-04
申请号:CN201910873807.9
申请日:2019-09-17
Applicant: 宁波大学
Abstract: 本发明涉及一种基于低秩矩阵分解及导向滤波器的高光谱/多光谱影像融合方法,包括:步骤1)对高光谱图像数据HS和多光谱图像数据MS进行预处理;步骤2)对高光谱图像数据HS和多光谱图像数据MS进行直方图匹配降色差;步骤3)对高光谱图像数据HS进行插值匹配多光谱图像数据MS的像素尺寸,进行波段分组;步骤4)对各组高光谱图像数据HS和多光谱图像数据MS进行多尺度分解;步骤5)利用权重矩阵将细节图像注入高光谱图像数据HS的相应分解层提高空间分辨率。本发明的有益效果是:本发明提出的方法在保持高光谱图像光谱特性的基础上极大的提高了它的空间分辨率;本发明提出的方法具有重要的实际应用意义。
-
公开(公告)号:CN106971060A
公开(公告)日:2017-07-21
申请号:CN201710119754.2
申请日:2017-03-02
Applicant: 宁波大学
IPC: G06F19/00
CPC classification number: G06F19/00 , G06F2219/10
Abstract: 本发明涉及基于季节性辅助变量优化的遥感AOD反演地面PM2.5的方法。本发明提出的AOD反演PM2.5模型中筛选区域性GWR模型的季节变量筛选和建立季节性GWR模型的方法是利用GWR模型中日关键变量的季节性规律来筛选变量和构建模型。不仅考虑了单个变量的季节性特征,而且排除了变量之间的严重的共线性,考虑到变量之间的相互影响通过多变量组合的实验,进一步确定季节性GWR模型变量组合。总之,本发明提出的方法能够有效的优化常规的GWR模型,建立带有区域时空特征的季节性GWR模型,提高区域遥感反演PM2.5浓度上有重要的实际应用。
-
公开(公告)号:CN106933776A
公开(公告)日:2017-07-07
申请号:CN201710119808.5
申请日:2017-03-02
Applicant: 宁波大学
IPC: G06F17/10
CPC classification number: G06F17/10
Abstract: 本发明涉及MODIS AOD产品缺失数据的修复技术,包括以下步骤:步骤1,针对MODIS AOD数据的几何校正和重投影等遥感数据的预处理;步骤2,验证不同级别DT\DB AOD数据的适用性;步骤3,通过DT和DB AOD的线性回归方程分别扩大两种算法产品的空间覆盖度的基础上,进行AERONET精度加权融合;步骤4,采用线性回归进一步融合Terra和Aqua两卫星数据;步骤5,采用时空克里金插值方法初步修复剩余缺失AOD数据。利用得到的残差,采用地理加权回归模型(Geographically Weighted Regression,GWR)模型进一步校正,最终得到完全修复的AOD数据结果。本发明的有益效果是:在保障AOD数据精度的前提下逐步提高AOD数据的空间覆盖率,最终完全修复缺失数据,为后续应用提供可靠的支持。
-
-
-
-
-
-
-
-
-