一种基于深度学习的InSAR相位解缠优化方法

    公开(公告)号:CN117572420B

    公开(公告)日:2024-04-26

    申请号:CN202311510301.4

    申请日:2023-11-14

    Abstract: 本发明公开了一种基于深度学习的InSAR相位解缠优化方法,属于遥感技术领域。基于U‑Net++网络设计用以InSAR干涉相位解缠的扩张多路径相位解缠网络;采用DEM数据利用DEM反演算法生成模拟干涉相位训练集;综合考虑地形效应与DEM误差、大气湍流、植被效应、基线几何效应、多次散射效应以及噪声效应,构建干涉相位仿真算法,称为多效应干涉相位仿真,用以生成真实干涉相位训练数据集;将模拟干涉相位训练集和真实干涉相位训练数据集作为DMP‑PUNet网络模型输入进行模型训练;利用训练好的DMP‑PUNet模型对InSAR干涉相位进行解缠。其操作简单、解缠时间短、精度高,并且在低信噪比条件下也能取得良好的解缠效果,能明显提升传统的InSAR相位解缠的准确性,实现高效相位解缠。

    一种面向煤火区域识别的时序温度异常遥感提取方法

    公开(公告)号:CN116935059A

    公开(公告)日:2023-10-24

    申请号:CN202310782105.6

    申请日:2023-06-29

    Abstract: 本发明公开一种面向煤火区域识别的时序温度异常遥感提取方法,属于遥感算法开发领域。获取带热红外波段的光学影像数据,对光学影像数据进行辐射定标和大气校正,计算NDVI、植被覆盖度VFC以及地表比辐射率ε,获取大气剖面参数,选取温度反演方法反演地表温度,采用基于自适应窗口的温度异常提取算法对反演的地表温度数据提取温度异常像素,同时,考虑煤火燃烧的时间连续性,引入时间参数,通过时序分析提取时序温度异常像素,由时序温度异常像素组成时序温度异常图像。基于无偏估计的算法,操作简单,运算速度快,避免引入人为主观误差,能明显的提高提取温度异常区域的准确性。

    一种地下煤火燃空区三维形态演化模拟方法

    公开(公告)号:CN118917074B

    公开(公告)日:2025-04-22

    申请号:CN202410962777.X

    申请日:2024-07-18

    Abstract: 本发明公开一种地下煤火燃空区三维形态演化模拟方法,属于岩土工程地质灾害防治领域。获取Sentinel‑1A影像数据,采用DS‑InSAR技术提取累计地表形变值并采用ArcGIS软件提取累计地表形变等值线;根据资料中记载的该区域地层参数、地表温度、三维温度场和累计地表形变等值线数据,在计算机中利用数值模拟和三维建模技术构建地下煤火燃空区三维形态预测模型,反演地下煤火燃空区三维形态演化过程,模拟煤层燃烧后地下煤火燃空区的形成,验证地下煤火燃空区三维形态反演结果。该方法实现对地下煤火燃空区几何结构的描述,揭示了地下煤火燃空区的形态变化及其与地表形变等要素的关系,为理解地下煤火的空间特征和控制因素提供了新的科学依据。

    一种基于深度学习和主被动遥感的多时相水体检测方法

    公开(公告)号:CN119091312B

    公开(公告)日:2025-02-25

    申请号:CN202411002739.6

    申请日:2024-07-25

    Abstract: 本发明公开了一种基于深度学习和主被动遥感的多时相水体检测方法,属于遥感识别领域。设计TSAE‑UNet模型,将水体检测任务经常面临的多云区域、高异质城市区域和浮游植物干扰区域的卫星遥感影像,利用训练好的TSAE‑UNet模型精准识别为分辨率为像素级的水体、非水体二值图像;TSAE‑UNet模型包括将U‑Net中的传统卷积层替换为深度可分离卷积,下采样和上采样之间通过改进的跳跃连接模块进行连接,并在跳跃连接中引入自适应注意力机制,在相互连接的下采样和上采样之间增加了时序卷积长短期记忆网络,通过时序卷积长短期记忆网络来捕捉和利用多时相遥感数据的时间特征。其步骤简单,显著提高了水体检测的准确性和效率,满足了日益增长的环境监测和资源管理需求。

    一种多尺度自适应时序InSAR地表形变提取方法

    公开(公告)号:CN119415833A

    公开(公告)日:2025-02-11

    申请号:CN202411535803.7

    申请日:2024-10-31

    Abstract: 本发明公开了一种多尺度自适应时序InSAR地表形变提取方法,涉及遥感信号处理领域。构建解缠后的时序InSAR相位仿真数据集,在时间域上逐像素时序经验模态分解,获取同像素位置的时序固有模态函数,在空间域上构建FastICA小波增强去噪算法:对各维度固有模态函数,以功率谱熵为截止条件进行二维多级小波分解,得到各等级近似系数和细节系数,对小波近似系数与各级细节系数进行降噪降维处理并重构,最后将更新后的小波系数进行小波重构,得到经处理后的时序InSAR相位仿真数据集。本发明所提方法基于数据自身驱动,从时间与空间两个尺度对相位信号进行自适应分解,可有效捕获地表形变相关信号并分离和解释其他相位信号,为高精度地表形变监测提供科学的理论依据。

    一种地下煤火燃空区三维形态演化模拟方法

    公开(公告)号:CN118917074A

    公开(公告)日:2024-11-08

    申请号:CN202410962777.X

    申请日:2024-07-18

    Abstract: 本发明公开一种地下煤火燃空区三维形态演化模拟方法,属于岩土工程地质灾害防治领域。获取Sentinel‑1A影像数据,采用DS‑InSAR技术提取累计地表形变值并采用ArcGIS软件提取累计地表形变等值线;根据资料中记载的该区域地层参数、地表温度、三维温度场和累计地表形变等值线数据,在计算机中利用数值模拟和三维建模技术构建地下煤火燃空区三维形态预测模型,反演地下煤火燃空区三维形态演化过程,模拟煤层燃烧后地下煤火燃空区的形成,验证地下煤火燃空区三维形态反演结果。该方法实现对地下煤火燃空区几何结构的描述,揭示了地下煤火燃空区的形态变化及其与地表形变等要素的关系,为理解地下煤火的空间特征和控制因素提供了新的科学依据。

    一种基于深度学习的InSAR相位解缠优化方法

    公开(公告)号:CN117572420A

    公开(公告)日:2024-02-20

    申请号:CN202311510301.4

    申请日:2023-11-14

    Abstract: 本发明公开了一种基于深度学习的InSAR相位解缠优化方法,属于遥感技术领域。基于U‑Net++网络设计用以InSAR干涉相位解缠的扩张多路径相位解缠网络;采用DEM数据利用DEM反演算法生成模拟干涉相位训练集;综合考虑地形效应与DEM误差、大气湍流、植被效应、基线几何效应、多次散射效应以及噪声效应,构建干涉相位仿真算法,称为多效应干涉相位仿真,用以生成真实干涉相位训练数据集;将模拟干涉相位训练集和真实干涉相位训练数据集作为DMP‑PUNet网络模型输入进行模型训练;利用训练好的DMP‑PUNet模型对InSAR干涉相位进行解缠。其操作简单、解缠时间短、精度高,并且在低信噪比条件下也能取得良好的解缠效果,能明显提升传统的InSAR相位解缠的准确性,实现高效相位解缠。

    一种基于深度学习和主被动遥感的多时相水体检测方法

    公开(公告)号:CN119091312A

    公开(公告)日:2024-12-06

    申请号:CN202411002739.6

    申请日:2024-07-25

    Abstract: 本发明公开了一种基于深度学习和主被动遥感的多时相水体检测方法,属于遥感识别领域。设计TSAE‑UNet模型,将水体检测任务经常面临的多云区域、高异质城市区域和浮游植物干扰区域的卫星遥感影像,利用训练好的TSAE‑UNet模型精准识别为分辨率为像素级的水体、非水体二值图像;TSAE‑UNet模型包括将U‑Net中的传统卷积层替换为深度可分离卷积,下采样和上采样之间通过改进的跳跃连接模块进行连接,并在跳跃连接中引入自适应注意力机制,在相互连接的下采样和上采样之间增加了时序卷积长短期记忆网络,通过时序卷积长短期记忆网络来捕捉和利用多时相遥感数据的时间特征。其步骤简单,显著提高了水体检测的准确性和效率,满足了日益增长的环境监测和资源管理需求。

Patent Agency Ranking