-
公开(公告)号：CN112257531A
公开(公告)日：2021-01-22
申请号：CN202011088024.9
申请日：2020-10-13
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多样性特征联合的林地变化遥感监测方法，用于解决因同谱异物和同物异谱而导致的对林地变化监测精度较低的问题。实现步骤为：对林地遥感影像进行预处理；获取预处理后林地遥感影像的光谱特征向量集和纹理特征向量集；对光谱特征向量集和纹理特征向量集分别进行归一化；对归一化后的光谱特征向量集和纹理特征向量集进行多样性特征联合；获取训练样本集和测试样本集；构建随机森林分类模型并进行迭代训练；获取林地变化信息。本发明利用多样性特征联合方法来提高对林地遥感影像的分类精度，增强了对林地变化的监测能力。
-
公开(公告)号：CN111681194A
公开(公告)日：2020-09-18
申请号：CN202010498943.7
申请日：2020-06-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于小波变换和施密特光谱锐化的多源图像融合方法。其实现方案是：获取多光谱图像与高分辨率全色图像，对多光谱图像做施密特光谱锐化GS变换；取GS变换后多光谱图像的第一分量并进行小波变换，得到该分量的低频子图像和三个高频子图像；对高分辨率全色图像做小波变换，得到该图像的低频子图像和三个高频子图像；用全色图像的低频子图像替代多光谱图像的低频子图像，得到新的多光谱图像第一分量并对该分量进行小波逆变换，得到多光谱图像重构的第一分量；将该重构分量与多光谱图像的其余分量做GS逆变换，得到融合后的图像。本发明减少了融合过程中多光谱图像光谱信息的丢失，可用于生态监测与生态保护。
-
公开(公告)号：CN113221972B
公开(公告)日：2024-02-13
申请号：CN202110452286.7
申请日：2021-04-26
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06N3/006 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了遥感技术领域中一种基于加权深度随机森林的不平衡高光谱数据分类方法，首先，通过人工合成过采样将原始不平衡高光谱数据集转变为平衡高光谱数据集；然后，构建加权深度随机森林分类模型，并对模型进行逐层训练；最后，利用每一层分类模块输出的所有样本的平均分类概率来不断更新样本权重，使得下一层分类模块更多的关注于少数类地物样本，从而提高了对原始不平衡高光谱数据集的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN112257531B
公开(公告)日：2023-07-28
申请号：CN202011088024.9
申请日：2020-10-13
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06N20/20
Abstract: 本发明提出了一种基于多样性特征联合的林地变化遥感监测方法，用于解决因同谱异物和同物异谱而导致的对林地变化监测精度较低的问题。实现步骤为：对林地遥感影像进行预处理；获取预处理后林地遥感影像的光谱特征向量集和纹理特征向量集；对光谱特征向量集和纹理特征向量集分别进行归一化；对归一化后的光谱特征向量集和纹理特征向量集进行多样性特征联合；获取训练样本集和测试样本集；构建随机森林分类模型并进行迭代训练；获取林地变化信息。本发明利用多样性特征联合方法来提高对林地遥感影像的分类精度，增强了对林地变化的监测能力。
-
公开(公告)号：CN113221972A
公开(公告)日：2021-08-06
申请号：CN202110452286.7
申请日：2021-04-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了遥感技术领域中一种基于加权深度随机森林的不平衡高光谱数据分类方法，首先，通过人工合成过采样将原始不平衡高光谱数据集转变为平衡高光谱数据集；然后，构建加权深度随机森林分类模型，并对模型进行逐层训练；最后，利用每一层分类模块输出的所有样本的平均分类概率来不断更新样本权重，使得下一层分类模块更多的关注于少数类地物样本，从而提高了对原始不平衡高光谱数据集的分类精度。
-
公开(公告)号：CN112308151A
公开(公告)日：2021-02-02
申请号：CN202011207564.4
申请日：2020-11-03
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于加权的旋转森林高光谱图像分类方法，解决了对高光谱图像分类精度低和分类模型集成性能低的问题。方案是：高光谱图像样本分为训练和测试集；初始化训练集样本权值，与训练集对应样本相乘得到加权后训练集；训练决策树基分类器并获得加权后训练集分类结果；建立基于加权的旋转森林模型；将测试集放入基于加权的旋转森林模型，得到高光谱图像样本最终分类结果。本发明通过设计动态加权函数挖掘含有重要信息样本，并将已生成决策树基分类器对加权后训练集分类结果带入当前要训练决策树基分类器中，本发明提高了分类精度和模型集成性能，可用于高光谱图像的土地分类。
-
公开(公告)号：CN111680615A
公开(公告)日：2020-09-18
申请号：CN202010499382.2
申请日：2020-06-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成间隔的多类不平衡遥感土地覆盖图像分类方法，主要解决现有技术对不平衡图像分类精度低的问题。其实现方案是：获取不平衡训练样本，并使用随机森林分类算法对其进行预分类；统计预分类的不平衡训练样本投票数，建立基于投票表决的集成间隔模型；将不平衡训练样本按照样本数量和集成间隔值进行排序，保留最小类，其余类以欠采样率随机选择样本，构造新的平衡训练子集；将每个新的平衡训练子集输入到CART决策树，通过主要投票原则生成集成学习模型，得到不平衡遥感图像的最终分类结果。本发明能通过集成间隔模型有效减少分类时有用信息的丢失，且抗噪声能力强，训练速度快，可用于土地覆盖和环境监测。
-
公开(公告)号：CN111681194B
公开(公告)日：2023-03-14
申请号：CN202010498943.7
申请日：2020-06-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于小波变换和施密特光谱锐化的多源图像融合方法。其实现方案是：获取多光谱图像与高分辨率全色图像，对多光谱图像做施密特光谱锐化GS变换；取GS变换后多光谱图像的第一分量并进行小波变换，得到该分量的低频子图像和三个高频子图像；对高分辨率全色图像做小波变换，得到该图像的低频子图像和三个高频子图像；用全色图像的低频子图像替代多光谱图像的低频子图像，得到新的多光谱图像第一分量并对该分量进行小波逆变换，得到多光谱图像重构的第一分量；将该重构分量与多光谱图像的其余分量做GS逆变换，得到融合后的图像。本发明减少了融合过程中多光谱图像光谱信息的丢失，可用于生态监测与生态保护。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
