一种GF‑4卫星遥感影像的积雪识别方法

    公开(公告)号:CN106951909A

    公开(公告)日:2017-07-14

    申请号:CN201611005728.9

    申请日:2016-11-16

    IPC分类号: G06K9/62

    摘要: 本发明涉及一种利用光谱角匹配和深度置信网络进行GF‑4卫星遥感影像积雪识别的方法,其步骤:对于给定的GF‑4卫星遥感影像,构建积雪识别样本集;利用SAM方法计算影像中各个像元与积雪样本的光谱角度,生成光谱角结果图像;通过设定阈值排除与积雪易区分的地类,生成疑似积雪地类掩膜结果图;利用上述构建的积雪识别样本集,对原始图像中相应像元进行特征提取并完成DBN分类,生成积雪识别初步结果;对得到的积雪识别初步结果进行分类结果后处理,得到最终的积雪识别结果图像。本发明填补了目前GF‑4卫星遥感影像积雪识别专用方法的空白,实现了GF‑4卫星遥感影像中积雪信息的准确识别。

    一种洪涝灾害范围星上智能识别系统

    公开(公告)号:CN208908032U

    公开(公告)日:2019-05-28

    申请号:CN201821647591.1

    申请日:2018-10-11

    IPC分类号: G06K9/00

    摘要: 本实用新型提供了一种洪涝灾害范围星上智能识别系统,其特征在于,包括:洪涝灾害信息处理装置、卫星数据采集装置、卫星数据预处理装置、灾前水体范围裁切装置、灾后水体范围提取装置、洪涝范围检测装置和下传装置。通过卫星数据预处理装置和灾后水体范围提取装置设置在观测卫星上,将卫星数据预处理、洪涝灾害信息识别等功能直接在星上完成,省略了卫星数据下传至地面站,地面站再传送至卫星数据预处理中心,然后再传送至用户,用户开展提取等环节,大大缩短了洪涝范围识别的时间;并且减少了识别环节多造成的难以获得持续、高效的信息的技术问题,满足了灾害损失监测与应急救助需求。

    一种地震发生初期的震区遥感影像数据星上智能采集系统

    公开(公告)号:CN206728019U

    公开(公告)日:2017-12-08

    申请号:CN201720638152.3

    申请日:2017-06-02

    IPC分类号: H04B7/185 G01C11/00 G06K9/00

    摘要: 本申请公开了一种地震发生初期的震区遥感影像数据星上智能采集系统,其包括:设置在地面上的指令发送器和数据接收器以及设置于卫星上的指令接收器、遥感影像数据采集设备以及处理器;处理器包括生成模块、数据收集模块和数据传输模块。通过本申请提供的系统,获取遥感影像数据的过程无需人为因素参与,可以由该系统自动完成。该获取卫星遥感影像数据的过程智能化程度较高,提高了获取数据的效率。通过本申请提供的获取系统在获取遥感影像数据的过程中,也无需人工交互,因此,该获取系统不会因工作人员不在岗的原因造成灾后数据获取的延误,能够保证数据接收器获取到的遥感影像数据为灾后数据,如此,提高了获取灾后遥感影像数据的稳定性。

    基于匀加速曲线运动模型的收发分离斜距确定方法

    公开(公告)号:CN106872980A

    公开(公告)日:2017-06-20

    申请号:CN201710238218.4

    申请日:2017-04-12

    IPC分类号: G01S13/90

    摘要: 本发明提供了一种基于匀加速曲线运动模型的收发分离斜距确定方法,包括:将雷达与目标的运动采用匀加速曲线运动表示,据此建立双程斜距表达式进行求解,确定收发分离斜距。通过建立雷达和目标的匀加速曲线运动模型,更好的描述了雷达的曲线运动以及目标随着地球自转产生的圆周运动,误差较小;发射斜距和接收斜距的求解过程涉及两个一元四次方程的求解,直接利用求根公式进行求解,结果的精度更高,不会引入额外的运算误差;而且没有限制轨道类型,不仅适用于零偏心率的圆轨道,同样也适用于偏心率不为零的椭圆轨道,拓宽了斜距模型的适用范围,而且将计算精度提高了3‑5个数量级。

    一种地震灾区农房倒损监测方法和设备

    公开(公告)号:CN105279199A

    公开(公告)日:2016-01-27

    申请号:CN201410354361.6

    申请日:2014-07-23

    IPC分类号: G06F17/30

    摘要: 本发明公开了一种地震灾区农房倒损监测方法和设备。该方法包括:根据灾前遥感影像识别农房的房屋结构;将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块;对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率;根据灾害现场调查数据确定每个区块的不同受损类型的农房的第二占比率;以及根据第一占比率和第二占比率确定每个区块的不同受损类型的农房的最终占比率。由此,可更加客观、准确地掌握灾区农房的受损情况,特别是在遥感数据无法覆盖整个灾区的情况下,能够利用这些不完备的遥感数据来掌握全灾区的农房受损情况。