-
公开(公告)号：CN112418016B
公开(公告)日：2024-07-12
申请号：CN202011241241.7
申请日：2020-11-09
Applicant: 中国农业大学
IPC: G06V20/13 , G06V10/774 , G06V10/40
Abstract: 本发明实施例提供一种基于SAR的灌溉信息提取方法及装置，该方法包括：根据SAR遥感数据，获取作业区的总体后向散射系数；并去除植被影响，转换为土壤后向散射系数；对土壤后向散射系数进行双极化差分运算，计算土壤粗糙度；代入土壤粗糙度，获取去除土壤粗糙度影响的相邻两个时相土壤后向散射系数差分值，进而确定每一像素在两个时相的土壤水分变化值，将变化值和预设阈值进行比较，根据比较结果和气象降雨数据确定每一像素在两个时相间的灌溉信息，从而得到整个作业区两个时相间灌溉信息。由于灌溉与非灌溉区域分类的过程不需要复杂的模型和大量的训练样本，从而该方法计算量小，实用性更强，能够为大范围灌溉信息提取提供可靠的实施方法。
-
公开(公告)号：CN109145870B
公开(公告)日：2021-06-25
申请号：CN201811060915.6
申请日：2018-09-12
Applicant: 中国农业大学
Abstract: 本发明属于土地利用分类领域，涉及基于SAR极化分解和卷积神经网络的两阶段盐碱地监测方法，具体为：选作业区，获取遥感影像R2SLC及矢量的GPS点位数据，将点数据生成封闭的多边形；目视解译得到更多土地利用矢量多边形，并将矢量多边形栅格化；划分子区，在每一个子区计算10个特征，合并得到多极化多特征数据集；在每个子区进行感兴趣区ROI提取操作，得到每个像素的多极化多特征数据集；使用数据过拟合技术得到第一阶段均衡数据集；将75％的均衡后数据用于训练,25％用于验证；在第二阶段设计、优化CNN神经网络结构；以优化参数模型对未知影像进行逐像素识别，提取出盐碱地土地类型。本发明的方法对类型分布不平衡的待分类样本可以有效改善其分类精度。
-
公开(公告)号：CN113534083A
公开(公告)日：2021-10-22
申请号：CN202110605154.3
申请日：2021-05-31
Abstract: 本发明提供一种基于SAR的玉米留茬方式识别方法、装置和介质，该方法包括：获取作业区Sentinel‑1SAR数据，计算作业区的总体后向散射系数；基于稀疏留茬地表结构数学表达，构建适用于留茬散射特性分析的单体散射模型，分析留茬后向散射特性；构建留茬区总散射模型，并生成留茬后向散射系数分离算法，从所述总体后向散射系数去除土壤散射贡献，分离留茬后向散射系数；针对所述留茬方式及其散射特性，构建新型雷达指数，结合留茬层后向散射系数、SAR纹理等特征构建留茬识别特征，并优选特征形成识别特征集；基于深度学习框架设计1D CNN神经网络结构，实现作业区玉米留茬方式的识别。本发明将为大范围留茬识别信息的提取提供高精度低样本的技术。
-
Patent Agency Ranking
公开(公告)号：CN113391283A
公开(公告)日：2021-09-14
申请号：CN202110567368.6
申请日：2021-05-24
Abstract: 本发明公开了一种基于探地雷达的土壤分层信息识别方法及装置，该方法包括：获取作业区探地雷达回波信号；对预处理后探地雷达回波信号进行Kalman滤波，利用维格纳‑威利分布提取探地雷达回波信号的瞬时频率，确定土壤分界面的时域位置；利用小波变换对探地雷达回波信号进行特征提取，将提取得到的特征与土壤水分传感器读取的土壤水分信息一起输入到CNN模型，进行土层土壤质地识别，并估算各土层中电磁波的传播速度；根据各土层土壤分界面时域位置信息和所在层电磁波传播速度，确定土壤各层厚度，实现对土壤分层信息的识别。本发明的方法能有效识别浅层土壤的分层信息，可应用于实际生产中耕层厚度的估测，具有推广应用的潜力。
-
公开(公告)号：CN112418016A
公开(公告)日：2021-02-26
申请号：CN202011241241.7
申请日：2020-11-09
Applicant: 中国农业大学
Abstract: 本发明实施例提供一种基于SAR的灌溉信息提取方法及装置，该方法包括：根据SAR遥感数据，获取作业区的总体后向散射系数；并去除植被影响，转换为土壤后向散射系数；对土壤后向散射系数进行双极化差分运算，计算土壤粗糙度；代入土壤粗糙度，获取去除土壤粗糙度影响的相邻两个时相土壤后向散射系数差分值，进而确定每一像素在两个时相的土壤水分变化值，将变化值和预设阈值进行比较，根据比较结果和气象降雨数据确定每一像素在两个时相间的灌溉信息，从而得到整个作业区两个时相间灌溉信息。由于灌溉与非灌溉区域分类的过程不需要复杂的模型和大量的训练样本，从而该方法计算量小，实用性更强，能够为大范围灌溉信息提取提供可靠的实施方法。
-
公开(公告)号：CN113534083B
公开(公告)日：2023-08-08
申请号：CN202110605154.3
申请日：2021-05-31
Abstract: 本发明提供一种基于SAR的玉米留茬方式识别方法、装置和介质，该方法包括：获取作业区Sentinel‑1SAR数据，计算作业区的总体后向散射系数；基于稀疏留茬地表结构数学表达，构建适用于留茬散射特性分析的单体散射模型，分析留茬后向散射特性；构建留茬区总散射模型，并生成留茬后向散射系数分离算法，从所述总体后向散射系数去除土壤散射贡献，分离留茬后向散射系数；针对所述留茬方式及其散射特性，构建新型雷达指数，结合留茬层后向散射系数、SAR纹理等特征构建留茬识别特征，并优选特征形成识别特征集；基于深度学习框架设计1D CNN神经网络结构，实现作业区玉米留茬方式的识别。本发明将为大范围留茬识别信息的提取提供高精度低样本的技术。
-
公开(公告)号：CN109344737A
公开(公告)日：2019-02-15
申请号：CN201811061305.8
申请日：2018-09-12
Applicant: 中国农业大学
Abstract: 本发明属于土地利用分类领域，涉及基于SAR极化分解的一维DCNN土地利用分类方法，具体为：获取作业区范围内不同时期的R2SLC以及待分类土地利用样本数据，并获得更多土地利用标签，将样本标签数据转为栅格格式；作业区划分为不同的子区，在每一个子区计算相干矩阵的6个特征、极化熵值、极化平均角、极化反熵和旋转域零角特征，合并得到多极化多特征数据集；将每个子区的数据进行最大最小值归一化，并分成train数据集和val数据集；用深度学习框架设计1DCNN神经网络结构并训练、优化模型参数；以优化模型对未知的覆盖区影像进行逐像素识别，最终获得分类结果。本发明的方法减少了SAR图像的边缘卷积计算复杂度，节省了海量SAR土地利用分类处理时间。
-
公开(公告)号：CN109145870A
公开(公告)日：2019-01-04
申请号：CN201811060915.6
申请日：2018-09-12
Applicant: 中国农业大学
CPC classification number: G06K9/0063 , G06K9/3241 , G06K9/6256 , G06K9/6262 , G06N3/0454
Abstract: 本发明属于土地利用分类领域，涉及基于SAR极化分解和卷积神经网络的两阶段盐碱地监测方法，具体为：选作业区，获取遥感影像R2SLC及矢量的GPS点位数据，将点数据生成封闭的多边形；目视解译得到更多土地利用矢量多边形，并将矢量多边形栅格化；划分子区，在每一个子区计算10个特征，合并得到多极化多特征数据集；在每个子区进行感兴趣区ROI提取操作，得到每个像素的多极化多特征数据集；使用数据过拟合技术得到第一阶段均衡数据集；将75％的均衡后数据用于训练,25％用于验证；在第二阶段设计、优化CNN神经网络结构；以优化参数模型对未知影像进行逐像素识别，提取出盐碱地土地类型。本发明的方法对类型分布不平衡的待分类样本可以有效改善其分类精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
