-
公开(公告)号：CN119625551A
公开(公告)日：2025-03-14
申请号：CN202411595981.9
申请日：2024-11-11
Applicant: 华中师范大学
IPC: G06V20/13 , G06V10/26 , G06V10/40 , G06V10/82 , G06F18/21 , G06F18/214 , G06F123/02
Abstract: 本发明涉及一种联合迁移与时空深度学习反演缺失遥感影像水质的方法，首先获取区域A的卫星影像和地面观测数据，基于SAM分割大模型自动提取水域；通过时空信息关联卫星影像数据与地面观测数据，并利用深度神经网络建立区域A的水质反演模型；获取区域B的卫星影像和地面观测数据，利用SAM分割大模型分割出云遮挡区域，并通过迁移学习，利用区域B的少样本进行微调，获得区域B有卫星数据的反演模型及结果；最后，将反演结果结合时间序列插值并利用时空深度学习网络GTWNN建立时空模型校正，从而逐像元估算无卫星数据但有地面观测站点信息的反演结果。本方法在云量大、不使用无人机的情况下，具备自动化、高效性和普适性，能低成本持续监测水质状态。
-
公开(公告)号：CN119600463A
公开(公告)日：2025-03-11
申请号：CN202411595978.7
申请日：2024-11-11
Applicant: 华中师范大学
IPC: G06V20/13 , G06F18/27 , G06V10/774 , G06V10/20 , G06V10/26 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种天地一体化时空统计建模反演每日水质的方法及系统，利用时间序列上存在的卫片反演结果来推估每天的水质参数，首先天地一体化获得目标区域的卫星影像(天)和水面观测数据(地),并基于水体指数，利用ST‑SAM模型建模自动提取水域；然后将卫星影像数据与水面观测数据通过时空信息在所提取的水域进行关联，并利用偏最小二乘回归建立有卫星数据条件下目标区域的水环境水质反演模型及结果；最后通过时间序列插值，并使用时空地理加权回归进行校正，以获取目标区域每日水环境水质反演结果。本发明能够高频次高精度获取水环境水质反演结果，具有实时监测、高频次和低成本等优点，在每日反演结果高效高精度获取方面具有明显优越性。
-
公开(公告)号：CN112200042B
公开(公告)日：2022-09-13
申请号：CN202011058321.9
申请日：2020-09-30
Applicant: 华中师范大学
Abstract: 本发明公开了一种利用时空生态环境遥感分形分维数分析生态变化趋势方法，首先获取某一区域某一时段NDVI、EVI、LAI、GPP、NPP五种遥感产品数据，并进行异常值剔除操作；然后求得月尺度数据，并用求平均得到年平均数据。之后，由所在地向外扩充缓冲区，在缓冲区范围内对年平均数据做归一化和主成分分析处理，得到生态综合指数数据。再后，对生态综合指数数据的时间序列数据分别做趋势度分析、分类得分统计、以及不同缓冲区范围的统计，并对得分和距离变量取对数，做直线回归拟合，求得斜率，即为时空生态环境遥感分形分维数；最后，将斜率和0比较，如果大于0表示植被变好，如果小于0，表示植被变差。本发明能从时空上判断生态植被变坏趋势和程度。
-
公开(公告)号：CN113094527A
公开(公告)日：2021-07-09
申请号：CN202110445917.2
申请日：2021-04-25
Applicant: 华中师范大学
IPC: G06F16/51 , G06F16/58 , G06F16/587 , G06F16/55 , G06T5/00 , G06K9/36 , G06K9/00 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种广义云控制时空谱大数据库及遥感影像处理方法，首先以广义云摄影测量与遥感控制大数据为基础收集时空数据，然后基于时空立方体模型建立海量多源异构云控数据的时空索引；基于瓦片数据模型建立云控数据的分布式存储机制；接着基于二叉检索方法建立时间、空间和属性的索引查询；本发明实现了海量异构多源时空数据的高性能自动存取、查询索引，实现多模态、多维度遥感数据的智能分析，为几何校正、辐射校正、同步校正、面向对象遥感影像分类和变化检测等提供了多源准确的控制数据，满足了大数据云计算时代的广义云控摄影测量与遥感的智能数据处理要求，并应用到遥感影像处理领域，搭建起时空谱数据库与遥感智能处理与识别的桥梁。
-
公开(公告)号：CN113033714A
公开(公告)日：2021-06-25
申请号：CN202110562009.1
申请日：2021-05-24
Applicant: 华中师范大学
Abstract: 本发明公开了一种多模态多粒度遥感影像面向对象自动机器学习方法及系统，将初始的云样本数据，依次通过光谱‑纹理‑形状特征、地理信息特征、时间变化特征及尺度特征四种不同模态的粒度划分方案，将每类样本组细化至I级粒度样本、II级粒度样本、III级粒度样本和IV级粒度样本，并赋予对应的代号标签。按照适当的比例分层抽样划分训练、验证和测试样本集后，对各类样本进行扩充后，针对不同样本组的特征选择合适的机器学习方法进行模型训练及调优，将所有训练好的分类器模型集成为分类模型库，再输入测试样本集，根据尺度和特征自动优选模型进行分流预测，将预测结果依据初始样本集标签规则归类合并，最后再进行精度验证及评价。
-
Patent Agency Ranking
公开(公告)号：CN112200042A
公开(公告)日：2021-01-08
申请号：CN202011058321.9
申请日：2020-09-30
Applicant: 华中师范大学
Abstract: 本发明公开了一种利用时空生态环境遥感分形分维数分析生态变化趋势方法，首先获取某一区域某一时段NDVI、EVI、LAI、GPP、NPP五种遥感产品数据，并进行异常值剔除操作；然后求得月尺度数据，并用求平均得到年平均数据。之后，由所在地向外扩充缓冲区，在缓冲区范围内对年平均数据做归一化和主成分分析处理，得到生态综合指数数据。再后，对生态综合指数数据的时间序列数据分别做趋势度分析、分类得分统计、以及不同缓冲区范围的统计，并对得分和距离变量取对数，做直线回归拟合，求得斜率，即为时空生态环境遥感分形分维数；最后，将斜率和0比较，如果大于0表示植被变好，如果小于0，表示植被变差。本发明能从时空上判断生态植被变坏趋势和程度。
-
公开(公告)号：CN106289184B
公开(公告)日：2018-11-13
申请号：CN201610937825.5
申请日：2016-11-01
Applicant: 华中师范大学
IPC: G01C11/00
Abstract: 本发明公开了一种无GNSS信号和无控制点下无人机协同视觉形变监测方法，首先，在协同无人机A和形变监测点设置上设置靶标A作为识别的标识点，将无人机A置于悬停状态，在作业时使用无人机A对监测点进行拍摄，得到包含监测点的立体像对，获取监测点在图像中的位置；使用无人机B对无人机A进行立体像对获取，获取无人机A的靶标A在图像中的位置；求取无人机A的空间坐标；根据解算得到的无人机A位置以及姿态信息解算出监测点的空间位置，最终完成监测任务。本发明与传统的GNSS监测技术相比可以有效克服局部建筑遮挡造成无法接收定位信号从而不能有效定位的问题，而且与传统的摄影测量相比，不仅采用倾斜摄影技术而且不需要地面控制点。
-
公开(公告)号：CN119206047A
公开(公告)日：2024-12-27
申请号：CN202411126852.5
申请日：2024-08-16
Applicant: 华中师范大学
IPC: G06T17/00 , G06T7/73 , G06N3/0464 , G06T7/593 , G06T7/40
Abstract: 本发明公开了一种基于端到端三维实体重建网络的三维实体重建方法及系统，所述端到端三维实体重建网络，包括深度估计模块、位姿估计模块、实例分割模块、增量空三模块、点云融合模块、实体生成模块、表面优化模块和纹理映射模块；本发明通过模块间级联或并联的方式将这些任务有机集成在一起，互相作用、相辅相成，并结合提出的多任务损失函数进行训练，以同时提升上述任务精度，端到端的重建高精度的三维实体模型，在实景三维建设、数字孪生、元宇宙、智慧城市等方面，具有广泛的应用前景。
-
公开(公告)号：CN114357719B
公开(公告)日：2024-06-18
申请号：CN202111482323.5
申请日：2021-12-07
Applicant: 华中师范大学
IPC: G06F30/20
Abstract: 本发明公开了一种利用卡尔曼滤波精确校正土壤侵蚀理论值的方法及系统，收集得到月降雨量等数据，通过对遥感影像进行解译、对DEM数据进行提取获得各土壤侵蚀因子具体值，利用中国土壤侵蚀方程(CSLE)计算得到土壤侵蚀理论值，并收集获取野外站点实际土壤侵蚀量，采用贝叶斯抽样一致性算法抽取样本统计流域总体理论侵蚀值，在假设历史时刻土壤侵蚀校正值已知的基础上，建立起历史时刻校正值和理论值之间的关系，通过时间迭代更新，得到高准确度的增益值，从而推求出当前时刻的校正值，并最终能根据当前模型预测未来时刻土壤侵蚀理论值。本发明提高了CSLE计算的精度并拓宽了水土流失方程的应用范围，提高了实用性。
-
公开(公告)号：CN117456373A
公开(公告)日：2024-01-26
申请号：CN202311323124.9
申请日：2023-10-12
Applicant: 华中师范大学
IPC: G06V20/13 , G06V10/774 , G06V10/80 , G06V10/82 , G06N5/02
Abstract: 本发明公开了一种融合图卷积和知识图谱的超大场景遥感解译方法及系统，首先，利用视觉大模型将超大场景遥感影像分割成具准完整边界图斑，避免地理对象几何信息破坏，并基于不精确样本采用弱监督方式训练轻量深度学习模型进行面向对象分类并生成伪标签，定义分类概率低的不确定图斑为噪音样本；其次，考虑拓扑和空间上下文信息，利用众源先验数据融合语义文本和空间拓扑知识构建图关系，并设计全局拓扑感知图神经网络提取全局空间语义知识图谱来优化不确定图斑属性；利用具无损边界的超像素图斑构建图关系，设计局部边缘感知图神经网络提取局部精细边缘知识图谱优化不确定图斑边界，以实现具高分类精度和高边缘细节的大场景制图产品。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.023 seconds)
