-
公开(公告)号：CN111402131B
公开(公告)日：2022-04-01
申请号：CN202010162379.1
申请日：2020-03-10
Applicant: 北京师范大学
Abstract: 本发明实施例提供一种基于深度学习的超分辨率土地覆被分类图的获取方法，该方法包括：将所述低时空分辨率的土地覆盖图输入超分辨率提取模型，输出对应于所述低时空分辨率的土地覆盖图的超分辨率土地覆被分类图；其中，所述超分辨率提取模型是基于样本低时空分辨率的土地覆盖图和对应于各样本低时空分辨率的土地覆盖图的超分辨率土地覆被分类图标签进行训练后得到的，所述超分辨率提取模型采用卷积运算单元与LSTM网络级联后建立的网络进行训练，所述卷积运算单元使用的卷积核是X*1矩形卷积核，X为大于0的整数。本发明实施例提供的方法，实现了获取更准确和更明确的超分辨率土地覆被分类图。
-
公开(公告)号：CN111402131A
公开(公告)日：2020-07-10
申请号：CN202010162379.1
申请日：2020-03-10
Applicant: 北京师范大学
Abstract: 本发明实施例提供一种基于深度学习的超分辨率土地覆被分类图的获取方法，该方法包括：将所述低时空分辨率的土地覆盖图输入超分辨率提取模型，输出对应于所述低时空分辨率的土地覆盖图的超分辨率土地覆被分类图；其中，所述超分辨率提取模型是基于样本低时空分辨率的土地覆盖图和对应于各样本低时空分辨率的土地覆盖图的超分辨率土地覆被分类图标签进行训练后得到的，所述超分辨率提取模型采用卷积运算单元与LSTM网络级联后建立的网络进行训练，所述卷积运算单元使用的卷积核是X*1矩形卷积核，X为大于0的整数。本发明实施例提供的方法，实现了获取更准确和更明确的超分辨率土地覆被分类图。
-
公开(公告)号：CN110555343B
公开(公告)日：2022-04-05
申请号：CN201810555558.4
申请日：2018-06-01
Applicant: 北京师范大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种典型资源要素中林、灌、草三要素提取方法和系统，包括：获取待识别影像中若干个帧的观测数据，将每一帧的观测数据作为向量，按照帧的时序对所述向量进行排序，获得向量序列；将类别标签以及正向时序和反向时序的向量序列输入至预设的时间递归神经网络中，根据所述时间递归神经网络的输出结果，获得待识别影像中的土地覆盖类型。本发明一方面更准确地反应出影像中地物的特征，另一方面通过提取更多的时间维度的信息为满足土地覆盖分类的精度要求提供了支持。
-
公开(公告)号：CN110826209A
公开(公告)日：2020-02-21
申请号：CN201911044889.2
申请日：2019-10-30
Applicant: 北京师范大学
Abstract: 本发明提供一种对植被覆盖度的影响因子贡献率估算方法及系统，方法包括：获取预设时间段内预设地理空间范围内的植被覆盖度时间序列和各影响因子时间序列；将所述植被覆盖度时间序列和所述各影响因子时间序列输入预设模型中，输出各影响因子对所述植被覆盖度的贡献率。本发明通过构建预设模型，对各影响因子对植被覆盖度变化的贡献进行估算研究，为生态环境保护提供数据支持。
-
公开(公告)号：CN108345992A
公开(公告)日：2018-07-31
申请号：CN201810096305.5
申请日：2018-01-31
Applicant: 北京师范大学
Abstract: 本发明提供一种复种指数提取方法及装置，所述方法包括：S1，根据目标区域中农作物耕种的起始时间，获取从所述起始时间开始预设时长内所述目标区域的归一化植被指数时间序列曲线；S2，使用二阶差分方法，获取所述归一化植被指数时间序列曲线中的波峰，若各所述波峰为单干扰峰，则对所述单干扰峰进行条件平滑；S3，再次使用所述二阶差分方法获取条件平滑后的所述归一化植被指数时间序列曲线中的峰值，并统计条件平滑后的所述归一化植被指数时间序列曲线中的峰值总数，将所述峰值总数作为所述目标区域的复种指数。本发明提高了复种指数提取的精度。
-
Patent Agency Ranking
公开(公告)号：CN110826209B
公开(公告)日：2021-08-06
申请号：CN201911044889.2
申请日：2019-10-30
Applicant: 北京师范大学
Abstract: 本发明提供一种对植被覆盖度的影响因子贡献率估算方法及系统，方法包括：获取预设时间段内预设地理空间范围内的植被覆盖度时间序列和各影响因子时间序列；将所述植被覆盖度时间序列和所述各影响因子时间序列输入预设模型中，输出各影响因子对所述植被覆盖度的贡献率。本发明通过构建预设模型，对各影响因子对植被覆盖度变化的贡献进行估算研究，为生态环境保护提供数据支持。
-
公开(公告)号：CN108345992B
公开(公告)日：2021-07-09
申请号：CN201810096305.5
申请日：2018-01-31
Applicant: 北京师范大学
Abstract: 本发明提供一种复种指数提取方法及装置，所述方法包括：S1，根据目标区域中农作物耕种的起始时间，获取从所述起始时间开始预设时长内所述目标区域的归一化植被指数时间序列曲线；S2，使用二阶差分方法，获取所述归一化植被指数时间序列曲线中的波峰，若各所述波峰为单干扰峰，则对所述单干扰峰进行条件平滑；S3，再次使用所述二阶差分方法获取条件平滑后的所述归一化植被指数时间序列曲线中的峰值，并统计条件平滑后的所述归一化植被指数时间序列曲线中的峰值总数，将所述峰值总数作为所述目标区域的复种指数。本发明提高了复种指数提取的精度。
-
公开(公告)号：CN110490102A
公开(公告)日：2019-11-22
申请号：CN201910708444.3
申请日：2019-08-01
Applicant: 北京师范大学
Abstract: 本发明提供一种土地利用类型提取方法及装置，方法包括：将目标区域的遥感数据的时间序列分成多个帧；将各帧所述遥感数据按各帧所述遥感数据采集的正向时间顺序输入Bi-LSTM网络中的前向LSTM，按各帧所述遥感数据采集的反向时间顺序输入所述Bi-LSTM网络中的后向LSTM，分别在所述前向LSTM的最后一层隐藏层和所述后向LSTM的最后一层隐藏层获取遥感数据的特征向量；将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层，输出所述目标区域的土地利用类型。本发明基于深度学习对土地利用类型进行分类，提高了分类精度。
-
公开(公告)号：CN117819536A
公开(公告)日：2024-04-05
申请号：CN202311777447.5
申请日：2023-12-22
Applicant: 北京师范大学
Abstract: 本发明涉及荧光碳纳米材料领域，具体涉及一种水溶性肿瘤靶向碳点及其制备方法和应用。本发明以还原型谷胱甘肽为前驱体，超声使其溶于甲酰胺中形成均相溶液，然后将上述溶液转移到反应釜中，在120‑180℃下溶剂热反应2‑10小时即可得到碳点溶液；将得到的碳点溶液进行减压过滤洗涤和干燥，得到碳点固体粉末。本发明制备的碳点在水中溶解度高、稳定性高、生物安全性高，并且可以克量级高效制备，同时具有广谱精准靶向肿瘤和负载化疗药物的能力，在肿瘤诊疗领域具有广泛的应用前景。
-
公开(公告)号：CN110555343A
公开(公告)日：2019-12-10
申请号：CN201810555558.4
申请日：2018-06-01
Applicant: 北京师范大学
Abstract: 本发明提供一种典型资源要素中林、灌、草三要素提取方法和系统，包括：获取待识别影像中若干个帧的观测数据，将每一帧的观测数据作为向量，按照帧的时序对所述向量进行排序，获得向量序列；将类别标签以及正向时序和反向时序的向量序列输入至预设的时间递归神经网络中，根据所述时间递归神经网络的输出结果，获得待识别影像中的土地覆盖类型。本发明一方面更准确地反应出影像中地物的特征，另一方面通过提取更多的时间维度的信息为满足土地覆盖分类的精度要求提供了支持。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
