基于卷积神经网络的遥感影像变化检测方法

    公开(公告)号:CN116563231B

    公开(公告)日:2024-08-30

    申请号:CN202310459073.6

    申请日:2023-04-26

    摘要: 本发明提供一种基于卷积神经网络的遥感影像变化检测方法,包括:S1获取目标区域的前时相影像和后时相影像;S2构建变化检测模型并进行预训练,变化检测模型包括特征提取网络、变化对比网络;S3通过特征提取网络得到第一特征图和第二特征图;S4设置滑动窗口,利用滑动窗口遍历第一特征图和第二特征图;在遍历其中一个特征图时,将滑动窗口中心的特征块叠加另一特征图对应位置的特征块,乘以掩膜进行卷积运算,得到卷积运算结果;S5将卷积运算结果输入变化对比网络生成变化特征强度图;S6对变化特征强度图进行卷积和拼接,处理得到变化检测结果。本发明在提取差异的同时保留原特征图中提取的特征,充分利用影像中上下文信息,提高变化检测精度。

    一种广域PS-InSAR地表形变监测方法

    公开(公告)号:CN118151150A

    公开(公告)日:2024-06-07

    申请号:CN202410047004.9

    申请日:2024-01-12

    IPC分类号: G01S13/90 G01S13/08 G01B15/06

    摘要: 本发明提出一种广域PS‑InSAR地表形变监测方法,通过对SAR影像进行分块处理,大幅度地降低了解算所需的内存消耗;本发明创新性地采用了离散网络自动连接算法,解决了PS点稀疏分布形成的多个子网的连通性差的问题,并充分利用块间重叠区域的信息,消除了自动化分块解算及分块结果间的系统性存在偏差的问题,用于大范围、复杂区域的地表形变监测中,降低了对计算机硬件设备的要求,同时还具有高效率和高精度的优势。

    一种遥感影像变化检测方法
    3.
    发明公开

    公开(公告)号:CN117292157A

    公开(公告)日:2023-12-26

    申请号:CN202311218436.3

    申请日:2023-09-20

    摘要: 本发明提供一种遥感影像变化检测方法,其特征在于,包括:获取旧时相数据和新时相数据,新时相数据为新时相影像;旧时相数据包括矢量数据和旧时相影像,针对旧时相数据的不同类型采用相应的变化检测策略进行变化检测,得到两种变化检测结果;建立误差矩阵对多个精度指标进行评分,根据各精度评价指标对应的评分值及权重,利用精度耦合评价模型,计算变化检测结果的耦合评价值,将耦合评价值高的作为最终变化检测结果。本发明兼具影像‑影像和矢量‑影像变化检测方法,充分利用历史成果数据;通过耦合评价模型对两种变化检测结果综合评分,从数值误差和误差空间分布方面评价变化检测结果,具有检测精度高和效率高优点,提高了变化检测智能化程度。

    用于时序形变监测的SAR影像推荐方法

    公开(公告)号:CN117216311A

    公开(公告)日:2023-12-12

    申请号:CN202311463074.4

    申请日:2023-11-06

    摘要: 本发明提供用于时序形变监测的SAR影像推荐方法,该方法包括:S1筛选出初始SAR影像集;S2根据各幅SAR影像的地物类别对初始SAR影像集进行分类处理,得到第一SAR影像集和第二SAR影像集;S3根据分组策略分别对第一SAR影像集和第二SAR影像集进行分组处理,得到第一分组集合和第二分组集合;S4采用第一推荐条件对第一分组集合进行筛选,得到第一高级推荐结果,采用第二推荐条件对第二分组集合进行筛选,得到第二高级推荐结果;S5将第一高级推荐结果作为SBAS‑InSAR形变监测的影像,将第二高级推荐结果作为PS‑InSAR形变监测的影像。本发明针对不同的监测领域自动选择合适的算法,自动化从海量数据中筛选出适用于各类算法要求的SAR影像,提高后续时序形变监测的效率和精度。

    一种气溶胶光学厚度反演方法

    公开(公告)号:CN116519557B

    公开(公告)日:2023-09-19

    申请号:CN202310818578.7

    申请日:2023-07-05

    摘要: 本发明提供一种气溶胶光学厚度反演方法,包括:S1获取多光谱影像和对应的MODIS影像,并进行预处理;S2对多光谱影像进行辐射定标,得到各波段表观反射率;S3剔除云像元及云阴影像元,得到待反演影像;S4计算待反演影像中各像元的归一化植被指数,按暗像元区和亮像元区分类;S5在暗像元区利用暗目标法估算红蓝波段地表反射率比值;在亮像元区,根据MODIS影像,构建逐月红蓝波段地表反射率比值库;S6建立AOD反演查找表;S7利用AOD查找表,在不同AOD值下迭代计算红蓝波段地表反射率理论比值,与逐月红蓝波段地表反射率比值库中各数值作差,将差值最小时的AOD值作为反演结果;本发明能同时获取暗、亮像元的高分辨率AOD反演结果,准确描述城市地区气溶胶变化。

    一种基于深度学习的影像配准方法

    公开(公告)号:CN118397058B

    公开(公告)日:2024-10-01

    申请号:CN202410853162.3

    申请日:2024-06-28

    摘要: 本发明提供一种基于深度学习的影像配准方法,该方法包括:S1筛选参考影像和多幅待配准影像,在每幅待配准影像上选择多个候选点;S2对每幅待配准影像和参考影像进行裁切,得到多对影像瓦片对;S3构建深度单应性估计模型,将每对影像瓦片对输入训练后的深度单应性估计模型中,获取每对影像瓦片对应的单应性估计矩阵;S4利用单应性估计矩阵求出每幅待配准影像上多个候选点在参考影像上的位置,得到多个控制点对;S5基于多个控制点对构建三角网并利用仿射变换进行纠正,实现影像的配准。该方法适用于低纹理、弱纹理和单一纹理场景下的影像配准,利用单深度应性估计模型和仿射变换实现遥感影像间的配准,提高配准精度和效率。

    基于终身学习的遥感影像解译方法

    公开(公告)号:CN116052018B

    公开(公告)日:2023-10-27

    申请号:CN202310331512.5

    申请日:2023-03-31

    摘要: 本发明公开了一种基于终身学习的遥感影像解译方法,涉及遥感影像处理领域,包括:S1 构建组合模型;S2 获取训练样本对组合模型进行预训练,得到第一场景分类结果;S3 获取待解译遥感影像,并进行均匀裁剪;S4 将裁剪后的待解译遥感影像依次输入组合模型,得到第二场景分类结果和解译信息;S5 计算得到场景差异值;S6 计算得到解译损失值;S7 基于场景差异值和解译损失值设置选择策略,根据选择策略对动态可扩展解译子模型进行重训练、扩展的选择,得到最终的组合模型;S8 通过最终的组合模型对新解译遥感影像进行解译。本发明实现了基于动态可扩展网络的面向遥感解译的终身学习,避免了终身学习中常见的灾难性遗忘问题。

    基于卷积神经网络的遥感影像变化检测方法

    公开(公告)号:CN116563231A

    公开(公告)日:2023-08-08

    申请号:CN202310459073.6

    申请日:2023-04-26

    摘要: 本发明提供一种基于卷积神经网络的遥感影像变化检测方法,包括:S1获取目标区域的前时相影像和后时相影像;S2构建变化检测模型并进行预训练,变化检测模型包括特征提取网络、变化对比网络;S3通过特征提取网络得到第一特征图和第二特征图;S4设置滑动窗口,利用滑动窗口遍历第一特征图和第二特征图;在遍历其中一个特征图时,将滑动窗口中心的特征块叠加另一特征图对应位置的特征块,乘以掩膜进行卷积运算,得到卷积运算结果;S5将卷积运算结果输入变化对比网络生成变化特征强度图;S6对变化特征强度图进行卷积和拼接,处理得到变化检测结果。本发明在提取差异的同时保留原特征图中提取的特征,充分利用影像中上下文信息,提高变化检测精度。