公开(公告)号：CN114972506B

公开(公告)日：2024-04-30

申请号：CN202210478747.2

申请日：2022-05-05

Applicant: 武汉大学

Inventor： 陈玉敏 ,  褚天佑 ,  徐真珍 ,  陈国栋 ,  陈娒杰 ,  陈玥君 ,  苏恒

IPC: G06T7/73 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于深度学习和街景图像的图像定位方法，为了提取图像中具有地理位置信息的图像特征，构建了基于深度学习的特征提取网络，利用地标数据集来提高网络对含有位置信息的特征的权重；然后通过特征聚合方法提取街景图像的聚合特征来提高特征进行匹配时的速度，同时利用特征相似度计算方法来降低重复纹理特征的影响；最后通过核密度估计方法的局部峰值确定待定位图像的地理位置坐标，并可以提高结果中正确位置的坐标排名，从而进一步提高整体定位的准确率，为图像中反映的事件的空间分布和发展趋势分析提供支持。

公开(公告)号：CN116381700A

公开(公告)日：2023-07-04

申请号：CN202310265544.X

申请日：2023-03-17

Applicant: 武汉大学

Inventor： 陈玉敏 ,  闵万坤 ,  黄文丽 ,  徐睿 ,  杨家鑫 ,  徐真珍

IPC: G01S17/06 ,  G01S17/88

Abstract: 本发明提出了一种森林冠层高度遥感估测方法及计算机可读介质。本发明利用多个历史时刻森林区域近地面植被冠层高度数据作为真实标签数据，利用随机森林模型对星载激光雷达数据足印点位置的相对高度参数进行校正；利用多个历史时刻的被动光学遥感数据、合成孔径雷达数据、干涉雷达数据、地形数据计算多波段特征指标作为非环境变量，结合空间权重矩阵计算得到空间特征向量集构建环境变量集，将校正后的星载激光雷达数据足印点位置的植被冠层高度参数作为真实标签数据，构建优化后的轻量级梯度提升机器学习模型，实现基于空间滤值的森林冠层高度遥感估测。

公开(公告)号：CN114972506A

公开(公告)日：2022-08-30

申请号：CN202210478747.2

申请日：2022-05-05

Applicant: 武汉大学

Inventor： 陈玉敏 ,  褚天佑 ,  徐真珍 ,  陈国栋 ,  陈娒杰 ,  陈玥君 ,  苏恒

IPC: G06T7/73 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于深度学习和街景图像的图像定位方法，为了提取图像中具有地理位置信息的图像特征，构建了基于深度学习的特征提取网络，利用地标数据集来提高网络对含有位置信息的特征的权重；然后通过特征聚合方法提取街景图像的聚合特征来提高特征进行匹配时的速度，同时利用特征相似度计算方法来降低重复纹理特征的影响；最后通过核密度估计方法的局部峰值确定待定位图像的地理位置坐标，并可以提高结果中正确位置的坐标排名，从而进一步提高整体定位的准确率，为图像中反映的事件的空间分布和发展趋势分析提供支持。

公开(公告)号：CN114972984B

公开(公告)日：2024-10-01

申请号：CN202210472159.8

申请日：2022-04-29

Applicant: 武汉大学

Inventor： 陈玉敏 ,  杨家鑫 ,  苏恒 ,  陈国栋 ,  徐真珍 ,  安钱莹

IPC: G06V20/10 ,  G06V10/764 ,  G06F16/58 ,  G06F16/583 ,  G06F16/587

Abstract: 本发明提供一种基于随机森林的积雪时空分析与预测方法，根据地理单元之间的空间关系构建空间权重矩阵，将中心化的空间权重矩阵进行特征分解筛选特征向量，与环境变量、亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模；将建模得到的最优参数代入全体样本中得到随机森林回归模型并分析积雪变化的影响因素；最后将最优参数代入到新的自变量中，得到积雪的预测值。本发明同时考虑了环境因素和空间效应对积雪变化的影响，并将这些影响因素加入到积雪估算模型中，使得构建的积雪估算模型更加准确。

公开(公告)号：CN114972984A

公开(公告)日：2022-08-30

申请号：CN202210472159.8

申请日：2022-04-29

Applicant: 武汉大学

Inventor： 陈玉敏 ,  杨家鑫 ,  苏恒 ,  陈国栋 ,  徐真珍 ,  安钱莹

IPC: G06V20/10 ,  G06V10/764 ,  G06F16/58 ,  G06F16/583 ,  G06F16/587

Abstract: 本发明提供一种基于随机森林的积雪时空分析与预测方法，根据地理单元之间的空间关系构建空间权重矩阵，将中心化的空间权重矩阵进行特征分解筛选特征向量，与环境变量、亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模；将建模得到的最优参数代入全体样本中得到随机森林回归模型并分析积雪变化的影响因素；最后将最优参数代入到新的自变量中，得到积雪的预测值。本发明同时考虑了环境因素和空间效应对积雪变化的影响，并将这些影响因素加入到积雪估算模型中，使得构建的积雪估算模型更加准确。