-
公开(公告)号：CN119295909A
公开(公告)日：2025-01-10
申请号：CN202410595530.9
申请日：2024-05-14
Applicant: 河南大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了基于堆叠式对抗生成网络的城市不透水面全天候提取方法、系统、存储介质和电子设备，包括以下步骤，通过对光学遥感影像和SAR遥感影像分别进行相应地预处理,分为训练集和测试集；构建不透水面数据集：构建SAR影像域到光学影像域变换的生成对抗网络、构建基于光学和SAR影像特征融合的城市不透水面提取模型；对模型进行训练，并测试，得到训练好的训练模型。本发明通过利用生成对抗网络将SAR影像生成模拟的光学影像，然后将生成的模拟光学影像和SAR影像进行融合输入到基于生成对抗网络的不透水面提取模型中进行不透水面提取，改善基于SAR影像的不透水面提取精度，实现多云多雨的热带/亚热带区域城市不透水面的全天候提取，弥补光学遥感的应用空白。
-
公开(公告)号：CN115131668A
公开(公告)日：2022-09-30
申请号：CN202210897784.7
申请日：2022-07-28
Applicant: 河南大学
Abstract: 本发明公开了一种小样本农作物分类方法、系统、存储设备及电子设备包括：对时间序列全极化SAR图像进行预处理：得到测地距离光谱相关性测度和基于广义体散射模型的雷达植被指数；生成农田掩膜;通过C‑AENN网络模型分别使用真实采样的样本和伪样本对研究区域的农作物进行分类:在不同样本下得到的农作物分类结果中，选取精度较高的结果结合农田掩膜得到农作物分类结果图；通过本发明，能够快速、精确地在仅有少量样本的情况下，对农作物进行分类制图，对后续的农作物物候期估计、农作物估产等方面提供基础。同时，本发明具有良好的性能且易于工程实现，为SAR图像农作物分类提供了一种新的思路。
-
公开(公告)号：CN119310949A
公开(公告)日：2025-01-14
申请号：CN202411476878.2
申请日：2024-10-22
Applicant: 河南大学
IPC: G05B19/418
Abstract: 本发明公开了一种多协议互通的智能制造数字孪生实训场景自由构建方法、存储介质和电子设备，包括以下步骤，多模态数据采集与处理；智能制造数字孪生模型库构建；异构工业设备间多协议解析；异构工业设备间多协议转换；数字孪生实训场景自由构建：以Web方式构建高度逼真、实时交互的数字孪生实训场景。本发明通过多模态数据采集与处理技术的运用，确保了数据的全面和准确，为后续的建模提供了数据基础。其次，智能制造数字孪生模型和模型库的构建，实现了设备和工艺流程的多维信息建模，使构建出的模型更加的准确和完整，为实训提供了丰富的模型资源。本发明可以显著提升智能制造系统的互操作性、实训效果和开发效率。
-
公开(公告)号：CN118397470A
公开(公告)日：2024-07-26
申请号：CN202410491784.6
申请日：2024-04-23
Applicant: 河南大学
IPC: G06V20/13 , G06V20/10 , G06V10/82 , G06V10/77 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06T5/70 , G06T5/80 , G06T5/40 , G06V10/774 , G06V10/776 , G06T7/10
Abstract: 本发明公开了一种基于深度学习和注意力机制的星载SAR冬小麦产量估算方法、系统、存储介质和电子设备,包括应用时间序列双极化SAR的GRD影像，对数据进行预处理获得后向散射特征图像；对时间序列后向散射特征图像进行掩膜，并将其按照研究区内的行政边界图掩膜分割为多块；使用直方图降维技术构建神经网络的图像样本和时间序列向量样本；构建CNN模型；构建CNN‑BiLSTM‑Attention估产模型；将实地考察得到的产量数据，划分为训练集和测试集对模型进行训练和测试；使用训练好的模型进行产量估算，得到冬小麦产量结果图。本发明将深度学习技术和注意力机制应用于农作物估产领域，有助于更准确地估计农作物的生长状态和产量，为农业应对气候变化提供科学支持。
-
公开(公告)号：CN118247663A
公开(公告)日：2024-06-25
申请号：CN202410421726.6
申请日：2024-04-09
Applicant: 河南大学
IPC: G06V20/10 , G06V10/74 , G06V10/764
Abstract: 本发明公开了一种自适应阈值的SAR影像大区域水稻快速识别方法、存储单元和电子设备,具体包括如下步骤，通过对大区域进行分割，划分为各个子区域，再在各子区域内计算时谱相似度测度阈值，通过区域统计法确定各自区域的水稻食谱相似度测度阈值，将其与各子区域像元水稻时谱相似度测度比较，识别是否为水稻，再将各自区域的水稻识别结果进行整合，进而快速自动地完成大区域水稻识别。本发明考虑了地理环境的不同导致水稻信息（插秧期、生长期长度、轮作类型等）存在差异，使得时谱相似度存在差异的情况，顾及大区域复杂场景下水稻SAR时谱相似度存在差异，因此本发明的水稻识别相比现有的技术更加准确、高效。
-
Patent Agency Ranking
公开(公告)号：CN115131668B
公开(公告)日：2024-03-01
申请号：CN202210897784.7
申请日：2022-07-28
Applicant: 河南大学
IPC: G06V20/10 , G06V10/764 , G06V10/30 , G06V10/24 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种小样本农作物分类方法、系统、存储设备及电子设备包括：对时间序列全极化SAR图像进行预处理：得到测地距离光谱相关性测度和基于广义体散射模型的雷达植被指数；生成农田掩膜;通过C‑AENN网络模型分别使用真实采样的样本和伪样本对研究区域的农作物进行分类:在不同样本下得到的农作物分类结果中，选取精度较高的结果结合农田掩膜得到农作物分类结果图；通过本发明，能够快速、精确地在仅有少量样本的情况下，对农作物进行分类制图，对后续的农作物物候期估计、农作物估产等方面提供基础。同时，本发明具有良好的性能且易于工程实现，为SAR图像农作物分类提供了一种新的思路。
-
公开(公告)号：CN116994144A
公开(公告)日：2023-11-03
申请号：CN202311100613.8
申请日：2023-08-30
Applicant: 河南大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于合成孔径雷达图像的高分辨率冬小麦产量估算方法、系统、存储介质及电子设备，包括：对时间序列SAR图像进行预处理；对时间序列后向散射图像进行掩膜;将去除冬小麦后的时间序列后向散射图像按照估产范围内的行政区边界分割为多块，然后生成的神经网络样本由时间序列向量样本和图像样本构成；引入高斯过程，以显式地对数据的空间结构进行建模；对网络模型进行训练，并保存最优网络模型。通过本发明能够快速、准确地获取待估产区冬小麦的产量，提供对产量和生产能力的了解，帮助决策者、规划者和利益相关者做出明智的决策，优化资源利用，推动经济和社会的可持续发展。同时，本发明具有良好的性能且易于工程实现。
-
公开(公告)号：CN118468720A
公开(公告)日：2024-08-09
申请号：CN202410656726.4
申请日：2024-05-24
Applicant: 河南大学
IPC: G06F30/27 , G06N3/045 , G06V20/10 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及土壤水分反演技术领域，具体涉及基于深度学习模型的农田土壤水分反演方法和系统。方法包括：获取应用全极化SAR的冬小麦农田土壤的SLC影像以及后向散射特征；结合SLC影像的不同波段信息计算植被指数；应用极化分解技术对后向散射系数进行校正，得到地表的散射分量；采用不同的极化分解方式对所述地表的散射分量进行分解提取极化特征参数；基于冬小麦农田土壤的水分与所述极化特征参数之间的相关性确定输入变量；利用RIME算法对CNN模型的超参数进行优化构建RIME‑CNN‑SVR模型，并对其进行训练，利用训练好的模型对冬小麦农田土壤水分进行估计。
-
公开(公告)号：CN118425054A
公开(公告)日：2024-08-02
申请号：CN202410536657.3
申请日：2024-04-30
Applicant: 河南大学
IPC: G01N21/17 , G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774 , G06N20/20 , G01S19/42 , G01S19/07 , G01S19/40
Abstract: 本发明公开了一种基于集成学习的多源遥感不同作物农田土壤水分反演方法、系统、存储介质和电子设备，该方法包括如下步骤：获取目标区域的双极化SAR遥感图像，对其进行预处理，得到目标区域的入射角以及总的后向散射特征VV、VH、目标区域的光学波段和植被指数。获取不同作物所在区域。应用相关性分析方法分别对不同作物覆盖下土壤水分与特征参数的相关性进行分析，确定更适合当前区域农作物的特征参数与参数个数。应用AdaBoost、CatBoost模型结合目标区域的实测土壤水分数据，分别确定不同作物覆盖下的最佳模型。本发明有助于优化农业生产中的资源分配，为科学灌溉和农业管理提供更准确的信息，进而提高农作物生产的效率和收益。
-
公开(公告)号：CN118379634A
公开(公告)日：2024-07-23
申请号：CN202410536717.1
申请日：2024-04-30
Applicant: 河南大学
IPC: G06V20/10 , G06V10/84 , G06V10/776 , G06V10/30 , G06V10/764
Abstract: 本发明公开了一种基于物候加权动态时间规整的PolSAR影像水稻识别方法、存储介质和电子设备，包括以下步骤，通过对PolSAR影像收集及预处理，对地面数据采集，Sentinel‑1A影像和Radarsat‑2影像的参数提取，计算物候时间加权的累计成本矩阵；对累计路径距离阈值分割后，即可对水稻识别结果进行处理和精度的验证。本发明以时序双极化Sentinel‑1A影像和多时相全极化RadarSat‑2影像作为数据源，将Sentinel‑1A影像高时间分辨率和RadarSat‑2影像丰富的极化信息相结合，利用水稻不同物候期的后向散射特征，通过PhTWDTW方法，顾及物候不确定性的影响，提高水稻的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
