一种基于神经网络的大气校正算法优选方法

    公开(公告)号:CN117313822A

    公开(公告)日:2023-12-29

    申请号:CN202311245918.8

    申请日:2023-09-26

    Abstract: 本发明公开了一种基于神经网络的大气校正算法优选方法,包括如下步骤:获取特定海域的m个实测光谱数据,并得到匹配的j个有效卫星光谱数据,对j个有效卫星光谱数据进行评分,同时对m个实测光谱数据进行赋分,得到m+j个有效训练样本数;训练神经网络;应用选定的n种大气校正算法对该特定海域的卫星数据进行逐像素预处理,每个像素点得到n个光谱数据,将光谱数据输入训练好的神经网络中,得到对应的分值,所有像素点的分值求平均,分值最大的算法即为最优项。本发明所公开的方法可以快速对多种大气校正算法在特定海域的适应性进行评判,准确的选出最适宜的算法,从而提高遥感反射比Rrs数据的精度,间接提高水色信息反演的结果精确度。

    一种高精度海冰密集度反演方法

    公开(公告)号:CN116030362B

    公开(公告)日:2023-06-09

    申请号:CN202310112846.3

    申请日:2023-02-15

    Abstract: 本发明涉及海冰密度检测技术领域,公开了一种高精度海冰密集度反演方法,包括收集目标海域光学遥感图像及与其相匹配的同一日期下的被动微波海冰密集度产品,并对收集的遥感图像进行预处理;提取步骤1预处理后图像的特征波段,并计算改进的归一化冰雪指数及每个特征波段对应的纹理特征指数;先验样本库的构建:从步骤1预处理后的图像中提取每个样本类别对应的样本数据;进行海冰范围提取:利用融合多特征的机器学习算法与阈值分割技术相结合的方法进行海冰提取;对步骤4所得的海冰范围结果进行后处理得到无云光学图像,利用统计冰像素个数的方法估算海冰密集度结果。本发明对于极地区域海冰密集度反演,准确性有所提高,反演精度更高。

    一种高精度海冰密集度反演方法
    3.
    发明公开

    公开(公告)号:CN116030362A

    公开(公告)日:2023-04-28

    申请号:CN202310112846.3

    申请日:2023-02-15

    Abstract: 本发明涉及海冰密度检测技术领域,公开了一种高精度海冰密集度反演方法,包括收集目标海域光学遥感图像及与其相匹配的同一日期下的被动微波海冰密集度产品,并对收集的遥感图像进行预处理;提取步骤1预处理后图像的特征波段,并计算改进的归一化冰雪指数及每个特征波段对应的纹理特征指数;先验样本库的构建:从步骤1预处理后的图像中提取每个样本类别对应的样本数据;进行海冰范围提取:利用融合多特征的机器学习算法与阈值分割技术相结合的方法进行海冰提取;对步骤4所得的海冰范围结果进行后处理得到无云光学图像,利用统计冰像素个数的方法估算海冰密集度结果。本发明对于极地区域海冰密集度反演,准确性有所提高,反演精度更高。

Patent Agency Ranking