-
公开(公告)号：CN115796045A
公开(公告)日：2023-03-14
申请号：CN202211583963.X
申请日：2022-12-10
Applicant: 西南交通大学
IPC: G06F30/27 , G06T17/05 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于深度学习网络与半监督学习的冰川识别模型建模方法，属于测绘技术领域。本发明包括步骤S1：建立冰川识别遥感影像数据集，分割冰川识别遥感影像数据集，得到有标签数据与无标签数据；S2：采用深度残差网络构建深度学习卷积神经网络模型，对深度学习卷积神经网络模型进行预训练；S3：采用半监督学习模型对数据进行一致性正则化，得到半监督学习数据集，通过半监督学习数据集深度学习卷积神经网络模型结合，构建冰川识别模型。本发明实现从高分辨率遥感影像中自动化地识别与检测冰川面积变化，把人力研究识别、查找的工作交给经过深度学习模型训练的计算机去批量系统地完成，为分析冰川消融速度及监测全球气候变化提供依据。
-
公开(公告)号：CN111310649A
公开(公告)日：2020-06-19
申请号：CN202010089881.4
申请日：2020-02-13
Applicant: 西南交通大学
Abstract: 本发明提供了一种无人机高分辨率影像对山岳冰川运动消融的提取方法，利用采样自底向上生成分层结构的影像金字塔，建立控制方式来保证特征追踪的正确性，同时，结合相关系数法与最小二乘法得到可靠的匹配特征，提取冰川位移速度场，旨在提高冰川分布及其动态演变监测的精度、可靠性与时空分辨率，为我国西部高山冰川监测提供重要的技术支撑。本发明将原始图像分解成许多不同空间分辨率的子图像空间，再在每层影像内匹配前都根据上层的匹配结果对本层内待匹配的点位预先加以校正，以减少迭代中的搜索范围和迭代次数，有效地解决了基于高分辨率的无人机影像难以自动提取冰川运动与消融的问题；避免人为处理的过多干扰。
-
公开(公告)号：CN114994677B
公开(公告)日：2023-10-13
申请号：CN202210412746.8
申请日：2022-04-19
Applicant: 西南交通大学 , 中国科学院、水利部成都山地灾害与环境研究所
IPC: G01S13/90
Abstract: 本发明提供了一种基于SAR影像的冰川分类方法及系统，属于SAR影像面向地物分类技术领域。该方法包括：对时序SAR影像分别进行影像配准和多视预处理，得到堆栈的时序多视强度SAR影像；对堆栈的时序多视强度SAR影像分别计算各像元的时域均值和时域标准差，并计算得到振幅离差指数；对堆栈的时序多视强度SAR影像利用自由基线组合进行差分干涉，并计算各干涉像对的相干系数在时域上的最大值；对所述振幅离差指数和时域相干系数最大值进行逐像元比值处理，并利用自适应阈值分割得到冰川分类结果。本发明解决了基于SAR影像分类冰川精度低的问题。
-
公开(公告)号：CN111310649B
公开(公告)日：2022-09-23
申请号：CN202010089881.4
申请日：2020-02-13
Applicant: 西南交通大学
Abstract: 本发明提供了一种无人机高分辨率影像对山岳冰川运动消融的提取方法，利用采样自底向上生成分层结构的影像金字塔，建立控制方式来保证特征追踪的正确性，同时，结合相关系数法与最小二乘法得到可靠的匹配特征，提取冰川位移速度场，旨在提高冰川分布及其动态演变监测的精度、可靠性与时空分辨率，为我国西部高山冰川监测提供重要的技术支撑。本发明将原始图像分解成许多不同空间分辨率的子图像空间，再在每层影像内匹配前都根据上层的匹配结果对本层内待匹配的点位预先加以校正，以减少迭代中的搜索范围和迭代次数，有效地解决了基于高分辨率的无人机影像难以自动提取冰川运动与消融的问题；避免人为处理的过多干扰。
-
公开(公告)号：CN114994677A
公开(公告)日：2022-09-02
申请号：CN202210412746.8
申请日：2022-04-19
Applicant: 西南交通大学 , 中国科学院、水利部成都山地灾害与环境研究所
IPC: G01S13/90
Abstract: 本发明提供了一种基于SAR影像的冰川分类方法及系统，属于SAR影像面向地物分类技术领域。该方法包括：对时序SAR影像分别进行影像配准和多视预处理，得到堆栈的时序多视强度SAR影像；对堆栈的时序多视强度SAR影像分别计算各像元的时域均值和时域标准差，并计算得到振幅离差指数；对堆栈的时序多视强度SAR影像利用自由基线组合进行差分干涉，并计算各干涉像对的相干系数在时域上的最大值；对所述振幅离差指数和时域相干系数最大值进行逐像元比值处理，并利用自适应阈值分割得到冰川分类结果。本发明解决了基于SAR影像分类冰川精度低的问题。
-
Patent Agency Ranking
公开(公告)号：CN114994675A
公开(公告)日：2022-09-02
申请号：CN202210411508.5
申请日：2022-04-19
Applicant: 西南交通大学 , 中国科学院、水利部成都山地灾害与环境研究所
IPC: G01S13/90
Abstract: 本发明提供了一种基于归一化强度离差指数的冰川分类方法及系统，属于冰川分类技术领域。该方法包括：对时序SAR多视强度影像进行多时相滤波处理；通过区间估计对堆栈的时序SAR多视强度影像进行时域滤波处理；根据经时域滤波处理后的时序SAR多视强度影像，计算得到冰川和非冰川地表的归一化强度离差指数；利用阈值分割对冰川进行分类。本发明中基于归一化强度离差指数NIDI对冰川作用区内地表后向散射系数稳定性进行建模，通过量化冰川和非冰川地表后向散射的稳定性进而对两者的信息对比度进行增强，从而给冰川分类提供一个标准指数本，能增强冰川和毗邻非冰川地表的对比度，降低冰川分类难度。
-
公开(公告)号：CN112666576A
公开(公告)日：2021-04-16
申请号：CN202011535875.3
申请日：2020-12-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种标靶，涉及雷达和GPS测量领域，包括支架、安装基座、GNSS接收机和反射球组件，反射球组件用于地基激光雷达的定向与配准，GNSS接收机和反射球组件均可拆卸安装在安装基座上，安装基座可拆卸安装在支架上，安装基座上设置有圆气泡，GNSS接收机和反射球组件；通过在安装基座上可拆卸安装反射球组件和GNSS接收机，且GNSS接收机、反射球组件和安装基座在同一铅锤线上，既可以辅助地基激光雷达单站测量时进行绝对定位，又可以充当地基激光雷达进行多站配准的反射标靶，对数据采集的精度有一定的保证，能使仪器的性能发挥到最大，该标靶十分适合山区作业，能够在复杂地形中达到像控点的精确性布设要求。
-
公开(公告)号：CN115222629B
公开(公告)日：2023-05-05
申请号：CN202210942914.4
申请日：2022-08-08
Applicant: 西南交通大学 , 成都市国土资源执法监察支队
IPC: G06T5/00 , G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于云厚度估计与深度学习的单幅遥感影像云去除方法，属于遥感影像图像处理技术领域。本发明包括：S1：选取多景覆盖海面的有云卫星遥感影像，建立色彩范围模型提取云图，并根据图像叠加公式生成模拟遥感影像云去除数据集；S2：构建显著性检测卷积神经网络模型,估计遥感图像云厚度、亮度信息，并获得去云遥感影像；S3：基于半监督学习，构建用于判断遥感图像中有云或无云状态的鉴别器模型，实现对遥感影像云去除结果的评估以及鉴别器模型无监督微调。本发明可以在厚云与薄云共存的情况下保持遥感影像去云结果的可靠性；无需额外的辅助数据，去云结果不会对无云区域影像造成干扰。
-
公开(公告)号：CN114994675B
公开(公告)日：2023-10-03
申请号：CN202210411508.5
申请日：2022-04-19
Applicant: 西南交通大学 , 中国科学院、水利部成都山地灾害与环境研究所
IPC: G01S13/90
Abstract: 本发明提供了一种基于归一化强度离差指数的冰川分类方法及系统，属于冰川分类技术领域。该方法包括：对时序SAR多视强度影像进行多时相滤波处理；通过区间估计对堆栈的时序SAR多视强度影像进行时域滤波处理；根据经时域滤波处理后的时序SAR多视强度影像，计算得到冰川和非冰川地表的归一化强度离差指数；利用阈值分割对冰川进行分类。本发明中基于归一化强度离差指数NIDI对冰川作用区内地表后向散射系数稳定性进行建模，通过量化冰川和非冰川地表后向散射的稳定性进而对两者的信息对比度进行增强，从而给冰川分类提供一个标准指数本，能增强冰川和毗邻非冰川地表的对比度，降低冰川分类难度。
-
公开(公告)号：CN115222629A
公开(公告)日：2022-10-21
申请号：CN202210942914.4
申请日：2022-08-08
Applicant: 西南交通大学 , 成都市国土资源执法监察支队
Abstract: 本发明公开了一种基于云厚度估计与深度学习的单幅遥感影像云去除方法，属于遥感影像图像处理技术领域。本发明包括：S1：选取多景覆盖海面的有云卫星遥感影像，建立色彩范围模型提取云图，并根据图像叠加公式生成模拟遥感影像云去除数据集；S2：构建显著性检测卷积神经网络模型,估计遥感图像云厚度、亮度信息，并获得去云遥感影像；S3：基于半监督学习，构建用于判断遥感图像中有云或无云状态的鉴别器模型，实现对遥感影像云去除结果的评估以及鉴别器模型无监督微调。本发明可以在厚云与薄云共存的情况下保持遥感影像去云结果的可靠性；无需额外的辅助数据，去云结果不会对无云区域影像造成干扰。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
