-
公开(公告)号:CN118608936A
公开(公告)日:2024-09-06
申请号:CN202410634718.X
申请日:2024-05-22
申请人: 杭州电子科技大学
IPC分类号: G06V20/10 , G06V20/17 , G06V20/13 , G06V10/764 , G06T7/62
摘要: 本发明公开了茶园受干旱高温复合灾害危害卫星遥感定量监测方法,该方法首先获取茶园CDH受害区域的Sentinel‑2遥感影像和无人机数据并预处理。其次利用预处理后的遥感影像构建特征空间,结合XGBoost提取茶园种植面积,根据预处理后的无人机数据,计算茶园CDH受害程度指数CDH_DSI参考数据。然后计算茶园遭受CDH胁迫前后植被指数变化ΔVI,利用CDH_DSI参考数据和ΔVI,构建茶园CDH_DSI估算模型。最后基于茶园估算模型及遥感影像,完成基于卫星遥感的茶园CDH_DSI定量制图。本发明实现对茶园受害程度指数卫星遥感定量估算和卫星遥感定量制图。
-
公开(公告)号:CN114627380A
公开(公告)日:2022-06-14
申请号:CN202210351261.2
申请日:2022-04-02
申请人: 杭州电子科技大学
摘要: 本发明公开了一种基于光学影像与SAR时序数据融合的水稻识别方法;该方法如下:一、提取被测区域的单景光学影像和SAR时序数据;并根据单景光学影像对被测区域进行粗分类。二、基于粗分类结果进行多尺度影像分割,根据最优分割参数提取地块边界信息。三、通过地块分割边界结果对SAR时序特征数据进行提取,得到面向对象的SAR时序特征数据。四、通过机器学习完成水稻面积识别分类。本发明在缺少充足晴空光学影像的地区,以单时相光学影像作为多尺度图像分割方法的数据源,放宽了对光学数据时相的限制。基于面向对象尺度的微波影像,能够充分克服其在像素层面由于地块破碎和椒盐噪声影响的弱点,从而进行水稻区域的精准提取。
-
公开(公告)号:CN116720766A
公开(公告)日:2023-09-08
申请号:CN202310598600.1
申请日:2023-05-25
申请人: 杭州电子科技大学
IPC分类号: G06Q10/0639 , G06Q50/02 , G06N20/00 , G06F18/214 , G06F18/23
摘要: 本发明公开了基于时空异质性因素的水稻纹枯病生境适宜性评价方法。该方法在结合遥感、气象数据进行病害样本数据扩增及利用水稻抽穗期信息引导病害时空异质性生境因子表征的基础上,实现了大范围水稻纹枯病生境适宜性评价。本发明方法如下:1、提取研究区内表征环境气象、作物生长状态和空间景观格局的生境因子,作为初始数据集。2、对初始数据集中的时间序列生境因子,提取基于水稻抽穗期信息的病害生境特征。3、对表征空间景观格局和作物生长状态的各目标生境特征进行筛选,确定优选特征集。4、将优选特征集结合气象因子作为输入,水稻纹枯病生境适宜性作为输出,建立病害生境适宜性评价模型。
-
公开(公告)号:CN116310805A
公开(公告)日:2023-06-23
申请号:CN202310169699.3
申请日:2023-02-27
申请人: 杭州电子科技大学
IPC分类号: G06V20/10 , G06V20/13 , G06V10/26 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
摘要: 本发明公开了基于光学影像与SAR影像时序特征融合的作物分类方法。该方法如下:1、模型输入层数据为目标区域的光学合成影像及时序SAR影像。2、利用LSTM结构对时序SAR影像进行深层次时序特征提取,得到SAR时序特征图。3、将SAR时序特征图与光学合成影像叠加。4、基于UNET语义分割结构,从步骤3中获取的特征中,提取不同层次的空间语义特征。5、基于步骤4中提取的空间语义特征,利用1×1卷积层和激活层,进行作物分类识别。本发明提取SAR时序影像中的深层次时序特征,并与光学影像波段特征结合,再融合提取其中丰富的空间语义特征,能够实现基于光学和SAR影像融合的作物识别时空特征提取及作物高精度分类。
-
公开(公告)号:CN116109943A
公开(公告)日:2023-05-12
申请号:CN202310169682.8
申请日:2023-02-27
申请人: 杭州电子科技大学
IPC分类号: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/08 , G06N5/01 , G06N20/20
摘要: 本发明公开了一种复杂条件下大尺度区域水稻遥感分类方法。该方法如下:1、在目标区域中选取源区域。2、筛选获取目标区域水稻生育期内光学影像及SAR影像,处理得到复合影像。3、获取的标签数据。4、基于训练数据集识别得到源区域的水稻空间分布图;5、利用训练数据集中的复合影像,将步骤3中获取的源区域的水稻空间分布图作为对应的标签数据,利用交叉验证方法,训练基于深度学习的水稻识别模型,得到最终的水稻遥感识别模型。6、将步骤2得到的目标区域的复合图像输入水稻遥感识别模型中,得到目标区域的水稻种植区空间分布图。本发明解决了时序晴空影像获取不稳定导致水稻空间分布识别不准确的问题。
-
-
-
-