-
公开(公告)号:CN119740205A
公开(公告)日:2025-04-01
申请号:CN202411908590.8
申请日:2024-12-24
Applicant: 宁波大学
Abstract: 本发明涉及一种城市精细尺度逐日大气污染物浓度估算方法,包括:获取城市区域多源数据,并进行多尺度时空匹配处理;构建大气污染物的全局估算模型并进行训练;获取城市区域精细尺度下的年度全局大气污染物浓度,并将其转化为全局大气污染物浓度权重;计算逐日局部大气污染物浓度估算残差;估算得到城市精细尺度逐日大气污染物浓度。本发明的有益效果是:本发明综合考虑全局特征与局部变化,有效提升了现有数据产品在城市内部的空间分辨率,得到高精度百米级的逐日大气污染物数据产品,能够更精准定位污染区域,从而更科学指导城市大气污染精准防治措施的制定与实施,具有重要的应用价值。
-
公开(公告)号:CN119624778A
公开(公告)日:2025-03-14
申请号:CN202411848201.7
申请日:2024-12-16
Applicant: 宁波大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/60 , G06T5/50 , G06V10/762 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种无监督光谱超分辨率重建方法及装置,包括:建立具有引导高光谱图像和RGB图像的光谱超分辨率数据库;对所述引导高光谱图像提取点光谱先验,对所述RGB图像和所述点光谱先验进行融合,获取点图融合结果;对所述点图融合结果进行光谱信息特征挖掘,得到初步光谱超分辨率结果;对所述RGB图像和所述初步光谱超分辨率结果进行多层级融合,得到目标光谱超分辨率图像。本发明的有益效果是:本发明提出了一种由点光谱先验引导的光谱超分辨率模型。该模型可克服现有方法难以引入准确的光谱先验并且难以准确地注入空间信息的缺陷,以RGB图像快速生产高保真的高空间、高光谱分辨率图像数据。
-
公开(公告)号:CN119399040A
公开(公告)日:2025-02-07
申请号:CN202411484878.7
申请日:2024-10-23
Applicant: 宁波大学
IPC: G06T5/50 , G06T7/30 , G06V10/74 , G06V10/80 , G06V10/44 , G06V10/58 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06T5/60
Abstract: 本发明涉及一种星载全色‑多光谱‑高光谱遥感影像的一体化融合方法,借助多光谱影像的特性,实现对多源输入影像中所包含的空间高频细节信息和鉴别性光谱信息的提纯,从而汇成两种纯净的特征分量即空间分量和光谱分量,用于后续重建;在光谱特征重建中,以聚合特征作为主支路,利用多尺度编码特征进行细节注入的同时,通过通道扩展和拆分对光谱特征进行交互推理,获取上下相关线索,最终生成理想影像,满足大空间分辨率差异和光谱差异下多源遥感空‑谱高保真融合需求。
-
公开(公告)号:CN119380196A
公开(公告)日:2025-01-28
申请号:CN202411460327.7
申请日:2024-10-18
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明涉及一种于动态熵驱动与协同增强网络的遥感图像变化检测方法,适用于高光谱遥感图像的变化检测,采用了动态熵驱动的差异特征提取的方法提取双时图像的差异特征;其中动态熵驱动的方法是根据高光谱差异特征而设计的,根据差异特征的波动量的大小而赋予不同的值,提高了高光谱变化检测的性能;基于协同增强网络的双时图像协同特征的提取采用了交互聚合的方式,利用双时高光谱图像的特征,提取协同特征的同时,增强了差异特征,优于已有的高光谱变化检测方法。
-
公开(公告)号:CN119203030A
公开(公告)日:2024-12-27
申请号:CN202411266436.5
申请日:2024-09-11
Applicant: 宁波大学
Abstract: 本发明涉及一种结合时间序列光学和SAR影像的水稻提取方法,首先对归一化植被指数NDVI和改进的归一化水体指数MNDWI时间序列数据进行重建,再量化NDVI在水稻淹没‑移栽阶段与生长高峰期的特征、MNDWI在水稻淹没‑移栽阶段的特征、VH时间序列的水稻淹没‑移栽阶段与生长高峰期的差值特征,构建多特征水稻指数MFRI,根据水稻样本的指数统计结果确定对应阈值精确提取水稻;在进行NDVI与MNDWI时间序列重建时结合了光谱特征、时序特征、形态特征,充分使用了多模态长时序遥感数据,利用该方法可以快速、准确地获得目标年份的水稻种植分布数据,获取水稻种植分布的时空动态变化,为农业决策提供数据支持和参考,具有重要的实际应用意义。
-
公开(公告)号:CN119169065A
公开(公告)日:2024-12-20
申请号:CN202411306275.8
申请日:2024-09-19
Applicant: 宁波大学
IPC: G06T7/33 , G06T5/10 , G06T5/70 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/088 , G06N3/094
Abstract: 本发明涉及一种基于域注意力的SAR与光学异构遥感图像配准方法,包括以下步骤:考虑结构相似性约束的前提,对所述参考影像和待配准影像进行域间对抗,生成域迁移图像,提取特征;执行多尺度下的小波变换操作,削弱固有噪声,提取增强后特征;进行多层级特征融合得到预测位移值,计算变换参数,得到配准后影像。本发明的有益效果是:通过域间对抗及结构相似性约束,实现模态迁移至同一公共子空间;在缩小模态差异的基础上,利用小波变换滤除噪声,进行像素级光谱匹配,增强特征的模态可识别性,由粗到细进行两步化配准,实现异构遥感影像的端到端配准,有效抵御非线性辐射差异的影响,对几何失真具有较强的鲁棒性。
-
公开(公告)号:CN118711051A
公开(公告)日:2024-09-27
申请号:CN202410720042.6
申请日:2024-06-05
Applicant: 宁波大学
IPC: G06V20/10 , G06V10/762 , G06V10/774 , G06V10/82
Abstract: 本发明涉及基于潜在特征对抗的高光谱遥感影像异常目标探测方法,包括:获取高光谱遥感影像;根据所述高光谱遥感影像,采用基于双重聚类的空谱聚类筛选先验背景地物样本与异常目标样本;根据所述先验背景地物样本与异常目标样本,进行深度网络模型训练;通过训练完成的深度网络模型对现有数据集进行异常目标探测。本发明的有益效果是:本发明提出一种潜在特征对抗一致性深度网络模型,使深度网络模型脱离分布假设局限,直接学习高光谱遥感影像实际背景地物分布,从而实现纯净背景地物重建。
-
公开(公告)号:CN117233123B
公开(公告)日:2024-07-26
申请号:CN202311178155.X
申请日:2023-09-13
Applicant: 宁波大学
IPC: G01N21/359 , G01N21/17 , G01N21/01
Abstract: 本发明涉及哨兵2号的水稻白叶枯病大范围遥感监测方法与装置,包括:获取哨兵2号多光谱影像并预处理;选取研究区地物样本点,计算区域内归一化差值植被指数NDVI;确定光谱差异最优波段构建水稻白叶枯病指数;计算白叶枯病指数,通过样本箱线图确定最佳阈值范围,构建决策树进行白叶枯病危害水稻面积提取;对提取结果结合地物样本点进行校核。本发明的有益效果是:本发明所需的样本数量较少,降低了处理高光谱数据的时间,并构建了差异最大化指数,能够快速、准确地提取水稻白叶枯病区域,精准反映水稻白叶枯病的空间分布范围,相较于基于分类思想的方法,更加具有实践应用意义。
-
公开(公告)号:CN118334516A
公开(公告)日:2024-07-12
申请号:CN202410438830.6
申请日:2024-04-12
Applicant: 宁波大学
Abstract: 本发明涉及基于特征约束和交差注意力引导的遥感影像变化检测方法,包括:获取高分辨率的双时相图像,并利用密集残差网络提取双时相特征;通过最大均值差异约束算法对所述双时相特征在深度特征空间进行约束对齐;结合Transformer架构对特征进行编码和解码以聚合上下文信息;设计交差注意力机制,得到双时相图像之间的交互差异信息。本发明的有益效果是:本发明构造特征约束项损失,有效缓解了遥感影像中由光照、云层遮挡等风格因素导致的伪变化;并设计了交差注意力模块,能够有效耦合双时相遥感图像之间的交互差异判别信息,缓解深度神经网络层数加层导致的信息丢失。
-
公开(公告)号:CN117408949B
公开(公告)日:2024-07-09
申请号:CN202311216587.5
申请日:2023-09-20
Applicant: 宁波大学
Abstract: 本发明涉及一种季节性动态阈值的云及云阴影检测方法及装置,包括:输入原始光学遥感时序影像,计算各时相影像的像元缺失率;判断影像缺失率是否小于设定阈值;根据时间分别对无云或少云时序影像、多云时序影像划分春夏秋冬四季;逐季节对无云或少云时序影像进行最大最小值合成;判断全部时序影像全部像元是否在合成的最大最小阈值范围内,对阈值范围内的像元进行保留,并对阈值范围外的像元进行掩膜。本发明的有益效果是:本发明可以同时大尺度、不同传感器进行云及云阴影检测,并且精度相较于现有云及云阴影检测方法有显著提升,有助于真实地表时序监测,具有重要的生产应用价值。
-
-
-
-
-
-
-
-
-