一种可见光、近红外遥感影像云检测方法

    公开(公告)号:CN113449788A

    公开(公告)日:2021-09-28

    申请号:CN202110705506.2

    申请日:2021-06-24

    Applicant: 湖南大学

    Abstract: 本发明公开了一种可见光、近红外遥感影像云检测方法,涉及图像处理技术领域,包括如下步骤:选取可见光、近红外影像的反射率、光谱指数、纹理和结构特征,以对云的特征进行数学表征;结合影像的暗通道反射率、归一化植被指数和白度指数,提出了一种训练样本自动提取算法,使用白度指数作为细节信息提取数据源,精确提取云和非云训练样本;基于样本及其特征描述,采用支持向量机分类对可见光、近红外遥感影像进行初分类;在支持向量机分类基础上进行导向滤波、孔洞填充和几何判断后处理,以获取最终的云检测结果。本发明提出的算法过程无须人工标注样本,无须大量的先验知识,降低了使用门槛,提高了实用性。

    一种基于时空谱特征的光学遥感图像变化检测方法

    公开(公告)号:CN113128388B

    公开(公告)日:2022-09-02

    申请号:CN202110399135.X

    申请日:2021-04-14

    Applicant: 湖南大学

    Abstract: 本发明的一种基于时空谱特征的光学遥感图像变化检测方法,属于光学遥感图像处理技术领域,方法包括首先利用CCDC算法得到变化点与不变点的第一个掩膜;再利用时间序列拟合曲线对每个像素点进行判断,筛选出变化点和不变点得到第二个掩膜;将两个掩膜取交集,得到可信度高的训练样本点;从时间序列遥感影像数据集中提取特征,构建堆叠特征矩阵;之后利用机器学习对选取的训练样本进行训练,得到分类模型,再对所有像素点进行预测,得到最终的变化检测结果。本发明引入了光谱特征、纹理特征和统计特征来进行变化检测,该算法能够自动生成训练样本标签,有效利用了像素间的空间信息,有助于提高遥感变化检测的准确性。

    一种基于时空谱特征的光学遥感图像变化检测方法

    公开(公告)号:CN113128388A

    公开(公告)日:2021-07-16

    申请号:CN202110399135.X

    申请日:2021-04-14

    Applicant: 湖南大学

    Abstract: 本发明的一种基于时空谱特征的光学遥感图像变化检测方法,属于光学遥感图像处理技术领域,方法包括首先利用CCDC算法得到变化点与不变点的第一个掩膜;再利用时间序列拟合曲线对每个像素点进行判断,筛选出变化点和不变点得到第二个掩膜;将两个掩膜取交集,得到可信度高的训练样本点;从时间序列遥感影像数据集中提取特征,构建堆叠特征矩阵;之后利用机器学习对选取的训练样本进行训练,得到分类模型,再对所有像素点进行预测,得到最终的变化检测结果。本发明引入了光谱特征、纹理特征和统计特征来进行变化检测,该算法能够自动生成训练样本标签,有效利用了像素间的空间信息,有助于提高遥感变化检测的准确性。

    基于时间距离引导的卷积神经网络无监督变化检测方法

    公开(公告)号:CN115049939A

    公开(公告)日:2022-09-13

    申请号:CN202210389967.8

    申请日:2022-04-14

    Applicant: 湖南大学

    Abstract: 本发明公开了基于时间距离引导的卷积神经网络无监督变化检测方法,基于时间距离引导的卷积神经网络无监督变化检测方法步骤如下:步骤一:自动生成训练样本:步骤二:挖掘卫星时间序列中的时间信息:步骤三:抑制变化、不变和难、易样本不平衡对检测结果的影响,通过焦点加权交叉熵损失函数,降低容易检测的不变化样本的权重,本发明基于时间距离引导的卷积神经网络无监督变化检测方法,提出了一种基于时间距离引导的卷积循环网络,充分考虑不规则的时间距离信息对于抑制由年内和年际动态引起的伪变化的影响,有效提高变化检测准确率;另外还提出了加权预变化检测模型实现无监督的预检测,来自动确定训练样本,大大减少了人工标注所需的时间。

    一种可见光、近红外遥感影像云检测方法

    公开(公告)号:CN113449788B

    公开(公告)日:2023-04-28

    申请号:CN202110705506.2

    申请日:2021-06-24

    Applicant: 湖南大学

    Abstract: 本发明公开了一种可见光、近红外遥感影像云检测方法,涉及图像处理技术领域,包括如下步骤:选取可见光、近红外影像的反射率、光谱指数、纹理和结构特征,以对云的特征进行数学表征;结合影像的暗通道反射率、归一化植被指数和白度指数,提出了一种训练样本自动提取算法,使用白度指数作为细节信息提取数据源,精确提取云和非云训练样本;基于样本及其特征描述,采用支持向量机分类对可见光、近红外遥感影像进行初分类;在支持向量机分类基础上进行导向滤波、孔洞填充和几何判断后处理,以获取最终的云检测结果。本发明提出的算法过程无须人工标注样本,无须大量的先验知识,降低了使用门槛,提高了实用性。

Patent Agency Ranking