-
公开(公告)号：CN117036939B
公开(公告)日：2024-12-06
申请号：CN202310981012.6
申请日：2023-08-07
Applicant: 宁波大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/20 , G06V10/764 , G06V10/25 , G06N3/0464
Abstract: 本发明涉及一种基于图卷积网络的多源数据协同的城市功能区识别方法，包括：对遥感影像和社会经济数据进行预处理；对预处理后的遥感影像进行分割，确定影像特征提取的单元；并确定社会经济数据特征的类型；针对多源数据表现形式，进行特征提取与特征构建；将卷积提取的特征与社会经济数据的特征进行拼接，作为图计算的基础特征数据，并进行图卷积计算；基于图计算的结果，识别城市功能区分划形式。本发明的有益效果是：本发明可以提高城市功能区的精度，克服了传统使用单一多光谱影像识别城市功能区时，由于区域地物组成复杂，光谱特点多变而导致的城市功能区识别精度不高的问题，实现较高精度的城市功能区识别。
-
公开(公告)号：CN118212548B
公开(公告)日：2024-09-13
申请号：CN202410326110.0
申请日：2024-03-21
Applicant: 宁波大学
IPC: G06V20/13 , G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06N3/092 , G06N3/048 , G06N3/084 , G01N15/075 , G01N33/00
Abstract: 本发明涉及一种基于级联深度网络的颗粒物与臭氧遥感协同估算方法，包括以下步骤：设置颗粒物PM2.5、PM10独立因子、臭氧O3独立因子、共享信息因子和交互影响因子，构建网络模型训练数据样本集；构建协同估算PM2.5、PM10和O3浓度的级联深度神经网络模型、多层级多任务训练损失函数，利用训练数据样本集对所述神经网络模型进行训练；对无地面监测区域的PM2.5、PM10和O3浓度进行遥感协同估算。本发明的有益效果是：与现有单一污染物估算模型相比，本发明仅用一个模型即实现了PM2.5、PM10与O3的协同估算，同时还考虑了颗粒物与臭氧的共享信息与交互影响，有效提升了估算的效率和精度，具有重要的实际应用价值。
-
公开(公告)号：CN117649599B
公开(公告)日：2024-05-17
申请号：CN202311471345.0
申请日：2023-11-07
Applicant: 宁波大学
IPC: G06V20/10 , G06V10/774 , G06F17/17 , G06N3/08
Abstract: 本发明涉及基于改进光能利用效率模型的冬小麦产量大面积估算方法，包括：获取研究区数据并进行预处理；根据气温数据计算温度限制因子；根据地表水指数和土壤含水量数据重构水分限制因子；根据增强型植被指数计算光合有效辐射吸收比；计算总初级生产力，并将总初级生产力转换为产量；获取训练数据和验证数据，根据训练数据并进行训练，确定模型参数，并用验证数据进行精度验证。本发明的有益效果是：本发明根据土壤含水量和地表水指数重构了光能利用效率模型中的水分限制因子，使其可以表征水分偏多对作物产量的影响，能够实现湿润地区冬小麦产量的大面积估算。
-
公开(公告)号：CN117437123A
公开(公告)日：2024-01-23
申请号：CN202311259050.7
申请日：2023-09-27
Applicant: 宁波大学
IPC: G06T3/4053 , G06V10/54 , G06V10/56 , G06V10/80
Abstract: 本发明涉及一种光谱与纹理注意力融合的深度光谱超分辨率方法，包括：通过多尺度卷积模块对RGB图像进行下采样获得3种尺度的深度特征；利用光谱注意力结构进行光谱聚合；对光谱聚合特征分别进行纹理提取和光谱交叉注意力操作；利用纹理注意力进行特征融合，得到充分融合纹理和光谱信息的特征；从低尺度到高尺度重复进行纹理与光谱特征提取和融合，最终得到空间和光谱增强的图像。本发明的有益效果是：本发明不仅高效地提取了低分辨率图像的纹理特征，还成功地将不同尺度的特征巧妙融合在一起；并提出了一种基于光谱维度的交叉注意力机制，以实现高性能的光谱重建。
-
公开(公告)号：CN119339253A
公开(公告)日：2025-01-21
申请号：CN202411446735.7
申请日：2024-10-16
IPC: G06V20/13 , G06V10/25 , G06V10/62 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于粗筛‑精检的大尺度遥感碎片化耕地变化检测算法，包括以下步骤：步骤S1、采集不同时间同一位置的两幅大尺度的耕地遥感图像，分别进行预处理；再对经预处理后的图像进行裁剪得到前时相子图像组和后时相子图像组；步骤S2、选定直方图规定化方法对前时相子图像组和后时相子图像组进行风格统一；步骤S3、对耕地变化图像进行粗筛得到新图像数据集，所述耕地变化图像为前时相子图像组和后时相子图像组；步骤S4、对新图像数据集中的耕地变化区域精细检测定位，从而获得耕地变化状态。其解决了现有变化检测方法用于检测耕地变化时，标签信息获取困难、耕地变化区域少且检测困难、图像从采集到落地应用复杂的问题。
-
Patent Agency Ranking
公开(公告)号：CN117437123B
公开(公告)日：2024-07-19
申请号：CN202311259050.7
申请日：2023-09-27
Applicant: 宁波大学
IPC: G06T3/4053 , G06V10/54 , G06V10/56 , G06V10/80
Abstract: 本发明涉及一种光谱与纹理注意力融合的深度光谱超分辨率方法，包括：通过多尺度卷积模块对RGB图像进行下采样获得3种尺度的深度特征；利用光谱注意力结构进行光谱聚合；对光谱聚合特征分别进行纹理提取和光谱交叉注意力操作；利用纹理注意力进行特征融合，得到充分融合纹理和光谱信息的特征；从低尺度到高尺度重复进行纹理与光谱特征提取和融合，最终得到空间和光谱增强的图像。本发明的有益效果是：本发明不仅高效地提取了低分辨率图像的纹理特征，还成功地将不同尺度的特征巧妙融合在一起；并提出了一种基于光谱维度的交叉注意力机制，以实现高性能的光谱重建。
-
公开(公告)号：CN118212548A
公开(公告)日：2024-06-18
申请号：CN202410326110.0
申请日：2024-03-21
Applicant: 宁波大学
IPC: G06V20/13 , G06V10/764 , G06V10/40 , G06V10/77 , G06V10/82 , G06N3/092 , G06N3/048 , G06N3/084 , G01N15/075 , G01N33/00
Abstract: 本发明涉及一种基于级联深度网络的颗粒物与臭氧遥感协同估算方法，包括以下步骤：设置颗粒物PM2.5、PM10独立因子、臭氧O3独立因子、共享信息因子和交互影响因子，构建网络模型训练数据样本集；构建协同估算PM2.5、PM10和O3浓度的级联深度神经网络模型、多层级多任务训练损失函数，利用训练数据样本集对所述神经网络模型进行训练；对无地面监测区域的PM2.5、PM10和O3浓度进行遥感协同估算。本发明的有益效果是：与现有单一污染物估算模型相比，本发明仅用一个模型即实现了PM2.5、PM10与O3的协同估算，同时还考虑了颗粒物与臭氧的共享信息与交互影响，有效提升了估算的效率和精度，具有重要的实际应用价值。
-
公开(公告)号：CN117409313B
公开(公告)日：2024-05-10
申请号：CN202311216584.1
申请日：2023-09-20
Applicant: 宁波大学
Abstract: 本发明涉及一种基于Sentinel‑2光学影像的互花米草物候衰退期指数构建方法，包括：选取研究区内互花米草样本点，构建年度NDVI时间序列，确定互花米草衰落期；获取Sentinel‑2衰退期的优质影像；基于样本点获取各地物光谱均值曲线，并选择光谱均值曲线敏感波段构建互花米草指数；对互花米草指数波段计算结果进行密度分割；进行过滤掩膜，获得最终的互花米草提取结果。本发明的有益效果是：本发明可以快速、简便地获得大尺度互花米草分布数据集，有助于科学准确地监测互花米草的时空动态，为互花米草的防治行动提供数据支持与决策参考。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.015 seconds)
