-
公开(公告)号：CN118859230B
公开(公告)日：2025-02-25
申请号：CN202410854745.8
申请日：2024-06-28
Applicant: 宁波大学
IPC: G01S17/86 , G06V20/13 , G06V20/10 , G06V10/40 , G06V10/54 , G06V10/58 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种类别感知融合网络的高光谱与激光雷达联合分类方法，包括：获取高光谱影像和激光雷达影像，对高光谱影像和激光雷达影像切块形成光谱补丁和激光雷达补丁，并输入到特征提取分支；特征提取分支包括：光谱分支、空间分支和高程分支；三个特征提取分支同时进行特征提取；利用不确定类别感知融合策略合并特征。本发明的有益效果是：本发明利用高光谱和激光雷达数据所包含的光谱、空间和高程特征对每个类别的识别能力，针对性地提出了一种不确定类别感知融合策略，即根据光谱、空间和高程分支对各个类别的识别能力，动态赋予其分类置信度不同的权重，实现有针对性的信息聚合，从而提高整体模型的分类精度。
-
公开(公告)号：CN118447397A
公开(公告)日：2024-08-06
申请号：CN202410548133.6
申请日：2024-05-06
Applicant: 宁波大学
IPC: G06V20/10 , G06V10/764 , G06V10/26 , G06V10/48
Abstract: 本发明涉及一种全极化SAR目标分解的盐沼植被精细提取方法，包括：获取全极化SAR遥感影像数据；对所述全极化SAR遥感影像数据进行矩阵提取，并进行极化分解，获得极化散射参数；对所述极化散射参数进行相关性分析；选取盐沼植被和非盐沼植被的样本点；统计分析不同地物类型样本点多种极化分解参数的数值范围，进行极化分解参数的敏感性分析；采用随机森林分类方法对盐沼植被进行分类。本发明的有益效果是：本发明考虑盐沼植被分布的高空间异质性、高动态变化性和精细分类的需求，提出全极化SAR目标分解的盐沼植被精细分类方法，可获取盐沼植被更为全面的极化信息。
-
公开(公告)号：CN117437123B
公开(公告)日：2024-07-19
申请号：CN202311259050.7
申请日：2023-09-27
Applicant: 宁波大学
IPC: G06T3/4053 , G06V10/54 , G06V10/56 , G06V10/80
Abstract: 本发明涉及一种光谱与纹理注意力融合的深度光谱超分辨率方法，包括：通过多尺度卷积模块对RGB图像进行下采样获得3种尺度的深度特征；利用光谱注意力结构进行光谱聚合；对光谱聚合特征分别进行纹理提取和光谱交叉注意力操作；利用纹理注意力进行特征融合，得到充分融合纹理和光谱信息的特征；从低尺度到高尺度重复进行纹理与光谱特征提取和融合，最终得到空间和光谱增强的图像。本发明的有益效果是：本发明不仅高效地提取了低分辨率图像的纹理特征，还成功地将不同尺度的特征巧妙融合在一起；并提出了一种基于光谱维度的交叉注意力机制，以实现高性能的光谱重建。
-
公开(公告)号：CN118212548A
公开(公告)日：2024-06-18
申请号：CN202410326110.0
申请日：2024-03-21
Applicant: 宁波大学
IPC: G06V20/13 , G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06N3/092 , G06N3/048 , G06N3/084 , G01N15/075 , G01N33/00
Abstract: 本发明涉及一种基于级联深度网络的颗粒物与臭氧遥感协同估算方法，包括以下步骤：设置颗粒物PM2.5、PM10独立因子、臭氧O3独立因子、共享信息因子和交互影响因子，构建网络模型训练数据样本集；构建协同估算PM2.5、PM10和O3浓度的级联深度神经网络模型、多层级多任务训练损失函数，利用训练数据样本集对所述神经网络模型进行训练；对无地面监测区域的PM2.5、PM10和O3浓度进行遥感协同估算。本发明的有益效果是：与现有单一污染物估算模型相比，本发明仅用一个模型即实现了PM2.5、PM10与O3的协同估算，同时还考虑了颗粒物与臭氧的共享信息与交互影响，有效提升了估算的效率和精度，具有重要的实际应用价值。
-
公开(公告)号：CN117409313B
公开(公告)日：2024-05-10
申请号：CN202311216584.1
申请日：2023-09-20
Applicant: 宁波大学
Abstract: 本发明涉及一种基于Sentinel‑2光学影像的互花米草物候衰退期指数构建方法，包括：选取研究区内互花米草样本点，构建年度NDVI时间序列，确定互花米草衰落期；获取Sentinel‑2衰退期的优质影像；基于样本点获取各地物光谱均值曲线，并选择光谱均值曲线敏感波段构建互花米草指数；对互花米草指数波段计算结果进行密度分割；进行过滤掩膜，获得最终的互花米草提取结果。本发明的有益效果是：本发明可以快速、简便地获得大尺度互花米草分布数据集，有助于科学准确地监测互花米草的时空动态，为互花米草的防治行动提供数据支持与决策参考。
-
Patent Agency Ranking
公开(公告)号：CN117173584A
公开(公告)日：2023-12-05
申请号：CN202310963054.7
申请日：2023-08-02
Applicant: 宁波大学
IPC: G06V20/13 , G06V10/26 , G06V10/30 , G06V10/36 , G06V10/34 , G06V10/52 , G06V10/75 , G06V10/762 , G06V10/764 , G06T7/30 , G06T5/50 , G06T3/40
Abstract: 本发明涉及一种PolSAR与Pan影像融合的陆面小微水体提取方法与装置，包括：利用Pan的高分辨率空间优势和PolSAR的后向散射特性，结合陆面小微水体的空间尺度特点和遥感成像机制，基于影像融合的方式实现多源数据优势互补，进而构建空间增强后的PolSAR陆面水体指数；然后，通过聚类确定水体和非水体的分割阈值，最后经形态学后处理实现小微水体的精细制图。本发明的有益效果是：本发明可以显著提高陆面小微水体的提取精度，操作简单、容易实现且处理效率高，具有重要的大范围应用前景。
-
公开(公告)号：CN116757925A
公开(公告)日：2023-09-15
申请号：CN202310546379.5
申请日：2023-05-16
Applicant: 宁波大学
Abstract: 本发明涉及一种生成高时空谱分辨率卫星遥感影像的方法和装置，包括：通过融合同一场景下具有高时间、空间分辨率但低光谱分辨率多光谱影像和具有高光谱分辨率但低时间、空间分辨率高光谱影像生成具有高时间、空间和光谱分辨率的融合影像。本发明的有益效果是：本发明相比当前一体化时空谱融合方法，提出的方法更符合当前主流星载遥感数据的分辨率特点，并能实现高保真的融合表现。
-
公开(公告)号：CN116091938B
公开(公告)日：2023-08-18
申请号：CN202211704594.5
申请日：2022-12-29
Applicant: 宁波大学
Abstract: 本发明涉及一种针对单季稻种植面积的多源遥感监测方法，包括：筛选光学遥感地表反射率数据并进行去云处理；对目标年份的SAR遥感影像数据进行预处理；通过实地田间观测获取水稻物候数据；得到四个物候期的四景多波段影像；获取水稻在四个物候期四景多波段影像中的共4条标准光谱曲线；得到四景光谱相似性影像；采用决策树分类器识别水稻，得到水稻识别结果。本发明的有益效果是：本发明克服了SAR遥感影像受地形影响存在畸变的问题，能够在复杂地形条件下，利用多源遥感影像和光谱相似性度量方法获得准确的水稻种植面积遥感监测结果。
-
公开(公告)号：CN116091938A
公开(公告)日：2023-05-09
申请号：CN202211704594.5
申请日：2022-12-29
Applicant: 宁波大学
Abstract: 本发明涉及一种针对单季稻种植面积的多源遥感监测方法，包括：筛选光学遥感地表反射率数据并进行去云处理；对目标年份的SAR遥感影像数据进行预处理；通过实地田间观测获取水稻物候数据；得到四个物候期的四景多波段影像；获取水稻在四个物候期四景多波段影像中的共4条标准光谱曲线；得到四景光谱相似性影像；采用决策树分类器识别水稻，得到水稻识别结果。本发明的有益效果是：本发明克服了SAR遥感影像受地形影响存在畸变的问题，能够在复杂地形条件下，利用多源遥感影像和光谱相似性度量方法获得准确的水稻种植面积遥感监测结果。
-
公开(公告)号：CN115115955B
公开(公告)日：2023-03-24
申请号：CN202210800904.7
申请日：2022-07-08
Applicant: 宁波大学
IPC: G06V20/17 , G06V20/10 , G06V10/764 , G06V10/25 , G06V10/10
Abstract: 本发明涉及基于无人机高光谱遥感的松材线虫病树监测方法，包括：获取无人机高光谱影像并进行预处理；计算地物样本点的光谱曲线均值；构建松材线虫病树提取指数；通过样本箱线图确定最佳阈值范围，构建决策树进行松材线虫病树提取；对提取结果结合地物样本点进行校核。本发明的有益效果是：本发明所需的样本数量较少，降低了处理高光谱数据的时间，并构建了差异最大化指数，能够快速、准确地提取松材线虫病树区域，精准反映松材线虫病树的空间分布范围，相较于基于分类思想的方法，更加具有实践应用意义。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.024 seconds)
