-
公开(公告)号：CN107544948B
公开(公告)日：2019-12-06
申请号：CN201710567583.X
申请日：2017-07-12
Applicant: 中国农业大学
Abstract: 本发明提供了一种基于MapReduce的矢量文件转换方法和装置，所述方法包括：S1，对多个Shapefile文件进行并行解析处理，获取所述多个Shapefile文件分别对应的几何信息和属性信息；S2，对所述几何信息和所述属性信息进行并行重构处理，生成与所述多个Shapefile文件对应的GeoCSV文件。本发明通过对多个Shapefile文件进行并行解析处理以及并行重构处理，获取对应的GeoCSV文件，不仅能够支持大规模的空间矢量数据Shapfile文件的并行化高效转换；同时转换后的GeoCSV结果文件也能够满足云环境下空间矢量大数据分布式存储和并行化处理的需求。
-
公开(公告)号：CN109377476A
公开(公告)日：2019-02-22
申请号：CN201811117470.0
申请日：2018-09-20
Applicant: 中国农业大学
IPC: G06T7/00
Abstract: 本发明实施例提供一种遥感影像云检测特征参数的动态阈值获取方法及装置，其中方法包括：获取基准影像的太阳高度角与各波段反射率值，计算比例系数和校正系数；获取基准影像中心像元各波段反射率值；根据待测遥感影像的太阳高度角和比例系数和校正系数，获取待测遥感影像中心像元各波段反射率值；根据基准影像、基准影像中心像元和待测遥感影像中心像元各波段反射率值，分别计算对应的各云检测特征参数；计算基准影像与基准影像中心像元的各云检测特征参数的差值，获取待测遥感影像的各云检测特征参数的阈值。本发明实施例通过引入太阳高度角参数，综合三种云检测特征参数的阈值，从而获得动态阈值，处理效率高，显著地提高了云检测的准确度。
-
公开(公告)号：CN109359205A
公开(公告)日：2019-02-19
申请号：CN201811004785.4
申请日：2018-08-30
Applicant: 中国农业大学
Abstract: 本发明实施例提供一种基于地理格网的遥感影像切分方法及设备。其中，方法包括：根据负载均衡服务器发送的遥感影像切分指令，从遥感影像存储服务器中抽取目标遥感影像，并从元数据存储服务器中查找所述目标遥感影像的切分状态码；若所述切分状态码所对应的切分状态为待切分状态，则基于地理格网，对所述目标遥感影像进行切分。本发明实施例提供的方法及设备，通过将遥感影像存储至遥感影像存储服务器中，将遥感影像的元数据存储至元数据存储服务器中，将遥感影像和元数据分开存储，降低了存储服务器的压力。并通过负载均衡服务器进行切分任务的统一调度，使得每一个计算服务器的压力都比较平均，从而提高了遥感影像的切分速率。
-
公开(公告)号：CN105631818B
公开(公告)日：2018-12-14
申请号：CN201510989203.2
申请日：2015-12-24
Applicant: 中国农业大学
IPC: G06T5/00
Abstract: 本发明提供一种遥感影像的自动化批量几何校正方法，包括：在计算设备获取到遥感影像时，自动调用计算设备执行：对所述遥感影像进行剖分，得到多个待校正遥感影像；根据所述遥感影像构建面状要素矢量图，使每一个待校正遥感影像都能完全处于所述面状要素矢量图中的一个面状图中；根据每一个面状图与轨道图的相关性，得到每一个面状图对应的底图；根据所述待校正遥感影像和面状图对应的底图的中心经纬度距离，得到每一个待校正遥感影像对应的底图；根据每一个待校正遥感影像和该待校正遥感影像对应的底图，对每一个待校正遥感影像进行几何校正。实现了遥感影像的自动化批量几何校正，提高了遥感影像几何校正的效率和正确率。
-
公开(公告)号：CN107563154B
公开(公告)日：2021-01-15
申请号：CN201710702985.6
申请日：2017-08-16
Applicant: 中国农业大学
IPC: G16B40/20
Abstract: 本发明提供一种玉米优秀品种的早期识别方法，包括：S1，根据玉米优秀品种的品种数据，获取分类标准与分类指标；S2，根据所述分类指标和所述分类标准，获取所述玉米优秀品种的扩散模型；S3，基于所述玉米优秀品种的扩散模型，获取所述玉米优秀品种的关键分类指标；S4，基于所述关键分类指标对所述玉米优秀品种进行识别，获取识别结果，并基于所述分类标准对所述识别结果分类，获取分类结果。本发明提供的玉米优秀品种的早期识别方法，从不同空间尺度探究玉米优秀品种扩散模型及关键分类指标，解决了传统玉米品种由于不同适宜性，不能充分考虑不同玉米品种扩散过程中时间和空间差异的问题。
-
Patent Agency Ranking
公开(公告)号：CN109377476B
公开(公告)日：2020-10-23
申请号：CN201811117470.0
申请日：2018-09-20
Applicant: 中国农业大学
IPC: G06T7/00
Abstract: 本发明实施例提供一种遥感影像云检测特征参数的动态阈值获取方法及装置，其中方法包括：获取基准影像的太阳高度角与各波段反射率值，计算比例系数和校正系数；获取基准影像中心像元各波段反射率值；根据待测遥感影像的太阳高度角和比例系数和校正系数，获取待测遥感影像中心像元各波段反射率值；根据基准影像、基准影像中心像元和待测遥感影像中心像元各波段反射率值，分别计算对应的各云检测特征参数；计算基准影像与基准影像中心像元的各云检测特征参数的差值，获取待测遥感影像的各云检测特征参数的阈值。本发明实施例通过引入太阳高度角参数，综合三种云检测特征参数的阈值，从而获得动态阈值，处理效率高，显著地提高了云检测的准确度。
-
公开(公告)号：CN110163303A
公开(公告)日：2019-08-23
申请号：CN201910478461.2
申请日：2019-06-03
Applicant: 中国农业大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种基于格网的遥感影像并行分类方法及系统。该方法包括获取当前遥感影像数据；将所述当前遥感影像数据输入至预先训练好的分类模型，获得基于所述当前遥感影像数据的并行分类结果，并采用测试样本集对所述分类结果进行精度验证；其中所述分类模型，是将历史遥感影像数据和样本导入栅格数据集清洗与重构多级格网系统，再基于10km格网范围，结合数据优选、样本特征总集计算和差异化分类进行训练得到的。本发明实施例通过基于10km格网将研究区无缝划分为规则的组织单元，在每个组织单元内根据实际成像情况并行进行数据优选、特征计算和分类等操作，在短时间内很好的实现了大范围中高分辨率作物的分类制图。
-
公开(公告)号：CN109460700A
公开(公告)日：2019-03-12
申请号：CN201811033422.3
申请日：2018-09-05
Applicant: 中国农业大学
CPC classification number: G06K9/00657 , G06K9/46 , G06K9/6282
Abstract: 本发明实施例提供一种面向作物分类的遥感数据处理方法及装置，该方法包括：根据遥感数据中的研究区空间位置信息解析格网编码序列，获取研究区全覆盖的格网；根据遥感数据中的研究区生育期时相数据和格网，获取格网生育期时相交集，建立格网与时相数据间的映射关系；以格网为单元，基于格网与时相数据间的映射关系，进行特征计算，将计算结果按照时间顺序合成时序特征集；对于含样本栅格文件的格网，叠加时序特征集和样本栅格文件，得到样本特征表，将样本特征表合成样本特征总集，以对研究区的作物进行分类。本发明实施例提供的面向作物分类的遥感数据处理方法及装置，简化了数据提取与处理过程，提高了作物分类效率，降低了人工参与。
-
公开(公告)号：CN109376600A
公开(公告)日：2019-02-22
申请号：CN201811101437.9
申请日：2018-09-20
Applicant: 中国农业大学
Abstract: 本发明实施例提供一种多光谱遥感影像综合特征云检测方法及装置，其中方法包括：对多光谱遥感影像进行光谱修正，分别获得多光谱遥感影像的蓝波段、绿波段、红波段和近红外波段的反射率值；根据红波段的反射率值和近红外波段的反射率值，获得归一化植被指数；根据蓝波段、绿波段、红波段的反射率值，获得白度参数；根据蓝波段的反射率值和红波段的反射率值，获得HOT特征参数；根据归一化植被指数、白度参数和HOT特征参数，获得云检测结果图。本发明提供的多光谱遥感影像综合特征云检测方法及装置，通过多光谱获取三种特征参数，并综合这三种特征参数进行云检测，从而获得云检测结果图，显著地提高了遥感影像中云检测的运算速度。
-
公开(公告)号：CN110163303B
公开(公告)日：2022-01-11
申请号：CN201910478461.2
申请日：2019-06-03
Applicant: 中国农业大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种基于格网的遥感影像并行分类方法及系统。该方法包括获取当前遥感影像数据；将所述当前遥感影像数据输入至预先训练好的分类模型，获得基于所述当前遥感影像数据的并行分类结果，并采用测试样本集对所述分类结果进行精度验证；其中所述分类模型，是将历史遥感影像数据和样本导入栅格数据集清洗与重构多级格网系统，再基于10km格网范围，结合数据优选、样本特征总集计算和差异化分类进行训练得到的。本发明实施例通过基于10km格网将研究区无缝划分为规则的组织单元，在每个组织单元内根据实际成像情况并行进行数据优选、特征计算和分类等操作，在短时间内很好的实现了大范围中高分辨率作物的分类制图。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
