-
公开(公告)号：CN113535801B
公开(公告)日：2023-11-14
申请号：CN202110647129.1
申请日：2021-06-10
Applicant: 核工业北京地质研究院
IPC: G06F16/2458 , G06F16/2455 , G06F16/22 , G06F16/28
Abstract: 本发明属于铀矿领域，具体涉及一种铀矿钻孔布尔型和数值型信息的关联规则分析方法，包括：读入不同矿化级别钻孔的成矿要素数据，并进行数据预处理；将成矿要素数据中的数值型属性转换为布尔型属性；对处理后的成矿要素和钻孔矿化级别进行二值化转换；设置关联规则计算参数，进行关联规则计算；对计算出的关联规则结果进行分析和选择。本发明方法将定性的蚀变强度信息与定量的地层、砂体结构信息结合在一起分析其关联性，有利于更加全面的分析成矿要素关联信息。
-
公开(公告)号：CN116699715A
公开(公告)日：2023-09-05
申请号：CN202310504516.9
申请日：2023-05-06
Applicant: 核工业北京地质研究院
Abstract: 本发明属于铀矿预测领域，具体涉及一种高光谱遥感信息参与的铀成矿有利区预测方法，包括：步骤1、对高光谱遥感提取的方解石化和褐铁矿化信息进行样本特征和标签化处理；步骤2、对地质和化探数据进行特征和标签化处理，建立铀成矿信息样本集合；步骤3、对铀成矿样本数据进行模型训练和机器学习，生成机器学习模型；步骤4、生成待预测区等间距规则预测点，计算待预测点的砂岩铀成矿特征值；步骤5、将待预测点输出的特征作为机器学习模型的输入，进行机器学习预测，得到每一个规则预测点的铀成矿概率值；步骤6、针对规则预测点成矿概率值特征进行插值，获取研究区的铀成矿概率图。本发明方法能够有效提高机器学习模型的分类和预测精度。
-
公开(公告)号：CN116523773A
公开(公告)日：2023-08-01
申请号：CN202310369668.2
申请日：2023-04-07
Applicant: 核工业北京地质研究院
IPC: G06T5/00
Abstract: 本发明属于高光谱遥感技术领域，具体涉及一种适用于国产卫星高光谱数据的掩膜方法，包括：步骤1、获取国产高光谱卫星地面反射率的影像数据；步骤2、提取高分5号卫星1426nm或者资源02D卫星1425nm波段的影像像元值H1；步骤3、提取高分5号卫星1477nm或者资源02D卫星1475nm波段的影像像元值H2；步骤4、根据影像像元值H1和影像像元值H2，得到影像像元值H3；步骤5、根据影像像元值H1、H2和H3，获得影像像元值H。本发明方法仅仅利用2个波段建立白云、雪、冰、水体、阴影等地物的综合掩膜，降低干扰因素的影响，提高数据提取的精度和效率。
-
公开(公告)号：CN116360005A
公开(公告)日：2023-06-30
申请号：CN202211723256.6
申请日：2022-12-30
Applicant: 核工业北京地质研究院
Abstract: 本发明属于无人机技术领域，具体涉及一种铀资源勘查无人机载短波红外高光谱测量系统，该系统中：机载端GPS与GPS地面站通过无线传输连接，机载端GPS通过实时差分实现逐行单行影像数据外方位元素位置信息获取；机载端GPS与高精度IMU连接，机载端GPS触发高精度IMU获取单行影像数据外方位角元素信息；高精度IMU与短波红外高光谱成像仪连接，高精度IMU触发短波红外高光谱成像仪实现差分GPS信息和高精度IMU以及光谱行数据和外方位元素信息同步获取；高精度IMU、短波红外高光谱成像仪分别与工控机连接，获取的单行影像数据的外方位元素和光谱行数据信息存储于工控机中。本发明能够识别成矿蚀变带和岩体，进而有利于铀资源勘查工作。
-
公开(公告)号：CN111060456B
公开(公告)日：2022-09-20
申请号：CN201911378819.0
申请日：2019-12-27
Applicant: 核工业北京地质研究院
IPC: G01N21/17
Abstract: 本发明属于多光谱遥感分析技术领域，具体涉及一种利用遥感影像识别砂岩铀矿构造排泄带的方法，包括如下步骤：步骤一：统一ASTER遥感数据可见光和近红外影像的空间分辨率，并进行波段合成；步骤二：通过调整浮动参数，多次计算盐渍带单波段图像，保存区分度较好的盐渍带单波段图像；步骤三：使用密度分割法确定盐渍带范围，并输出矢量要素；步骤四：通过波段计算增强地表水体和背景对比度；步骤五：使用密度分割法确定水体范围，并输出矢量要素；步骤六：通过波段计算增强地表植被和背景对比度；步骤七、使用密度分割法确定植被范围，并输出矢量要素。
-
Patent Agency Ranking
公开(公告)号：CN109657637B
公开(公告)日：2022-07-26
申请号：CN201811609767.9
申请日：2018-12-27
Applicant: 核工业北京地质研究院
IPC: G06V20/10 , G06V10/764 , G06K9/62 , G06T5/20 , G01N21/359
Abstract: 本发明属于高光谱遥感矿物填图技术领域，具体涉及一种利用CASI图像区别不同岩石中赤铁矿的方法，步骤一：预处理CASI图像，对预处理CASI图像进行包络线去除，获得包络线去除后的CASI图像；步骤二：对步骤一中所述的包络线去除后的CASI图像进行取子集操作，获得光谱波段在540nm处的图像子集；步骤三：对步骤二中所述的540nm处的图像子集进行中值滤波和像元分类；步骤四：分析判断像元分类结果。
-
公开(公告)号：CN113627657A
公开(公告)日：2021-11-09
申请号：CN202110837087.8
申请日：2021-07-23
Applicant: 核工业北京地质研究院
Abstract: 本发明属于铀矿领域，具体公开了一种使用机器学习模型的砂岩型铀成矿有利区预测方法，包括：步骤1、对砂岩型铀成矿样本特征和标签进行量化处理，建立铀成矿信息样本集合；步骤2、对铀成矿样本数据进行模型训练和机器学习，生成铀成矿有利区预测的神经网络模型；步骤3、根据所需要的预测精度，生成待预测区等间距规则预测点，并计算待预测点的砂岩铀成矿特征值；步骤4、使用机器学习模型计算规则待预测点的成矿概率值；步骤5、针对规则预测点成矿概率值特征进行插值，获取研究区的铀成矿概率图。本发明方法减少了地质人员主观因素的影响，提高了铀成矿有利区预测的智能化水平。
-
公开(公告)号：CN113406041A
公开(公告)日：2021-09-17
申请号：CN202110600183.0
申请日：2021-05-31
Applicant: 核工业北京地质研究院
IPC: G01N21/55 , G01N21/31 , G01N21/3563 , G01N21/359 , G01N21/17
Abstract: 本发明属于遥感技术和地质勘查技术相结合的领域，具体涉及一种钠交代岩型铀矿关键蚀变矿物组合获取方法，该方法包括以下步骤：对高分遥感数据进行预处理；对预处理后的高分遥感数据大气校正；建立赤铁矿、绿泥石和碳酸盐信息的提取模型；使用赤铁矿信息、绿泥石信息和碳酸盐信息提取模型，对地物反射率图像进行波段运算，分别获取赤铁矿信息、绿泥石信息和碳酸盐分布信息，从而完成钠交代岩型铀矿关键蚀变矿物组合的获取。本发明的方法通过对反射率光谱特征的分析，对比高分遥感数据的波段宽度，使用高分遥感数据对赤铁矿、绿泥石和碳酸盐的信息进行提取，进而筛选钠交代岩型铀矿成矿远景区，具有高空间分别率、快速、有效的特点。
-
公开(公告)号：CN113405668A
公开(公告)日：2021-09-17
申请号：CN202110599185.2
申请日：2021-05-31
Applicant: 核工业北京地质研究院
Abstract: 本发明属地面目标温度信息提取技术领域，具体涉及一种适用于地面目标温度高精度估算方法。包括如下步骤：(1)地面目标和热辐亮度测量仪器选取；(2)热辐亮度数据测量环境和时间选择；(3)大气下行辐射热辐亮度数据计算；(4)地面目标热辐亮度数据测量；(5)地面目标温度估计值确定；(6)绝对黑体热红外辐亮度数据计算；(7)地面目标在不同温度估计下的发射率值计算；(8)地面目标在不同温度估计值下的发射率曲线平滑度值计算；(9)地面目标在不同温度下发射率曲线平滑度对数计算并成图；(10)地面目标最佳温度值确定。本方法能够准确估算地面目标最佳温度信息，为地面目标温度微弱异常检测提供一种重要的技术手段。
-
公开(公告)号：CN108205134B
公开(公告)日：2021-09-17
申请号：CN201611164449.7
申请日：2016-12-16
Applicant: 核工业北京地质研究院
IPC: G01S13/90
Abstract: 本发明属于雷达影像技术领域，具体涉及一种极化合成孔径雷达影像的次地表信息增强方法；本发明的目的，针对现有技术不足，提供一种基于两个交叉极化图像，通过相位参考处理，抑制了地表信息，提高了次地表信息的表达能力的一种极化合成孔径雷达影像的次地表信息增强方法；步骤一，设定极化合成孔径雷达图像两个交叉极化通道的复数图像分别为：Shv和Svh，针对每一像素点的复数数值分离幅度和相位，相应形成的相位图像分别记录为Phasehv和Phasevh；步骤二，分别计算相位图像Phasehv和Phasevh的均值，分别记录为Mhv和Mvh；步骤三，逐点计算。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.027 seconds)
