-
公开(公告)号：CN114648627B
公开(公告)日：2025-04-11
申请号：CN202210321967.4
申请日：2022-03-29
Applicant: 长安大学
IPC: G06V10/20
Abstract: 本发明提供了一种基于影像滤波的干旱半干旱区光学遥感影像植被信息抑制方法及系统，具体该方法包括步骤一：对采集的光学遥感影像进行预处理，得到各波段地表反射率影像；步骤二：计算得到归一化植被指数，进而基于植被指数计算得到待处理区域的植被覆盖度；步骤三：构建植被覆盖度判断模型；步骤四：结合植被覆盖度判断模型，按可变窗口搜索低植被覆盖区对应待处理影像像元均值作为高植被覆盖区对应的各待处理中心像元值，得到待处理图像对应的植被信息抑制结果图像。本发明实现了干旱半干旱区光学遥感影像的植被信息抑制，解决了现有技术方法在去除影像植被信息干扰中对先验知识、野外数据采集工作的要求，提高了影像植被信息抑制结果的可靠性。
-
公开(公告)号：CN114417092B
公开(公告)日：2023-06-27
申请号：CN202111320910.4
申请日：2021-11-09
Applicant: 长安大学
IPC: G06F16/904 , G06Q50/26 , G06T17/00
Abstract: 本发明提供了一种沙漠化监测指数的构建方法及沙漠化动态变化趋势评价方法。本发明基于特征空间的基本原理，利用土壤调整植被指数、地表反照率、沙化特征指数三个对沙漠化敏感的指数构建三维特征空间，并通过坐标空间中的距离公式得到沙漠化监测指数。本发明结合沙漠化趋势斜率与沙漠化变异系数对沙漠化长时间序列的动态变化趋势进行分析和评价，可以在时间空间上了解沙漠化的状态变化，为政府和相关决策部门制定下一步生态环境保护和防治沙漠化恶化工作措施提供科学的决策依据。
-
公开(公告)号：CN114417092A
公开(公告)日：2022-04-29
申请号：CN202111320910.4
申请日：2021-11-09
Applicant: 长安大学
IPC: G06F16/904 , G06Q50/26 , G06T17/00
Abstract: 本发明提供了一种沙漠化监测指数的构建方法及沙漠化动态变化趋势评价方法。本发明基于特征空间的基本原理，利用土壤调整植被指数、地表反照率、沙化特征指数三个对沙漠化敏感的指数构建三维特征空间，并通过坐标空间中的距离公式得到沙漠化监测指数。本发明结合沙漠化趋势斜率与沙漠化变异系数对沙漠化长时间序列的动态变化趋势进行分析和评价，可以在时间空间上了解沙漠化的状态变化，为政府和相关决策部门制定下一步生态环境保护和防治沙漠化恶化工作措施提供科学的决策依据。
-
公开(公告)号：CN114118231A
公开(公告)日：2022-03-01
申请号：CN202111313000.3
申请日：2021-11-08
Applicant: 长安大学
IPC: G06K9/62 , G06V20/10 , G06V10/764 , G06V10/77
Abstract: 本发明提供了一种基于多源遥感的浅覆盖区地层岩性分类特征空间构建方法，浅覆盖区地层岩性分类方法及系统。发明提供了一种有效的多源遥感在浅覆盖区地层岩性分类中的特征空间构建方法，通过极化SAR和多光谱影像的植被信息抑制去除植被干扰，并利用不同极化方式SAR影像的穿透能力获取浅覆盖区地层岩性的纹理信息，充分发挥了两种数据源的优势并有效降低了特征数据维度，形成可用于岩性分类的特征组合影像。与此同时，本发明提出了基于多源遥感特征空间构建的浅覆盖区地层岩性分类算法，解决现有技术方法在浅覆盖区地层岩性分类中适用性差、精度较低的问题。可以用于植被、干沙等浅覆盖条件下的地层岩性分类。
-
公开(公告)号：CN118658072A
公开(公告)日：2024-09-17
申请号：CN202410789096.8
申请日：2024-06-19
Applicant: 机械工业勘察设计研究院有限公司 , 长安大学
IPC: G06V20/13 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于编解码深度学习的遥感影像云检测方法，包括：一、遥感影像数据集获取；二、构建云检测网络UNet模型；三、利用云检测网络UNet模型对遥感图像进行特征提取；四、云检测网络UNet模型的训练；五、利用训练好的云检测网络UNet模型对后续遥感影像进行云检测。本发明方法步骤简单，编码器模块中采用MBConv模块，提升网络对不规则形状边缘的检测能力，且减少模型的参数量和计算量，提高了算法效率，解码器模块中引入残差模块和CBAM模型，提高对云区域特征的关注，提高了云检测精确度，降低了误检率。
-
Patent Agency Ranking
公开(公告)号：CN114118231B
公开(公告)日：2023-07-25
申请号：CN202111313000.3
申请日：2021-11-08
Applicant: 长安大学
IPC: G06V10/764 , G06V20/13 , G06V10/77
Abstract: 本发明提供了一种基于多源遥感的浅覆盖区地层岩性分类特征空间构建方法，浅覆盖区地层岩性分类方法及系统。发明提供了一种有效的多源遥感在浅覆盖区地层岩性分类中的特征空间构建方法，通过极化SAR和多光谱影像的植被信息抑制去除植被干扰，并利用不同极化方式SAR影像的穿透能力获取浅覆盖区地层岩性的纹理信息，充分发挥了两种数据源的优势并有效降低了特征数据维度，形成可用于岩性分类的特征组合影像。与此同时，本发明提出了基于多源遥感特征空间构建的浅覆盖区地层岩性分类算法，解决现有技术方法在浅覆盖区地层岩性分类中适用性差、精度较低的问题。可以用于植被、干沙等浅覆盖条件下的地层岩性分类。
-
公开(公告)号：CN112036246A
公开(公告)日：2020-12-04
申请号：CN202010753131.2
申请日：2020-07-30
Applicant: 长安大学
Abstract: 本发明提供了一种遥感影像分类模型的构建方法，遥感影像分类方法及系统：步骤一：采集高分辨率遥感影像；步骤二：对的高分辨率遥感影像进行标注，获得带标注的高分辨率遥感影像，获得标签集，对得到的带标注的高分辨率遥感影像进行分割得到父对象，对父对象进行分割得到子对象；步骤三：对步骤二中的得到的父对象和子对象进行标准化，并将标准化后的父对象和子对象划分为训练样本集、验证集和测试样本集；步骤四：构建基于父对象和子对象的卷积神经网络模型。然后利用网络模型对高分辨率遥感影像进行分类。本发明实现了地理实体的精细化分类，解决了高分辨率遥感影像在复杂场景下的分类中，分类精度低、椒盐现象及错分类严重的问题。
-
公开(公告)号：CN119444815A
公开(公告)日：2025-02-14
申请号：CN202411413360.4
申请日：2024-10-11
Applicant: 长安大学
Abstract: 本申请涉及一种端到端多模态遥感影像配准方法及系统，引入双通道密集连接网络，在减少参数量的同时提高了特征表示能力，充分挖掘了异源图像的模态内和跨模态互补信息。采用垂直交叉注意力模块进行特征交互融合，建模了局部和全局尺度上的语义依赖，增强了跨模态特征的判别性和鲁棒性。通过端到端回归匹配点位移参数求解变换矩阵，结合空间变换网络实现像素级密集配准，避免了传统方法中基于稀疏特征的匹配和插值带来的精度损失。本申请采用双重监督损失函数在几何对应和全局相似两个层面联合优化网络参数，保证了局部匹配和整体配准的一致性。
-
公开(公告)号：CN114648627A
公开(公告)日：2022-06-21
申请号：CN202210321967.4
申请日：2022-03-29
Applicant: 长安大学
IPC: G06V10/20
Abstract: 本发明提供了一种基于影像滤波的干旱半干旱区光学遥感影像植被信息抑制方法及系统，具体该方法包括步骤一：对采集的光学遥感影像进行预处理，得到各波段地表反射率影像；步骤二：计算得到归一化植被指数，进而基于植被指数计算得到待处理区域的植被覆盖度；步骤三：构建植被覆盖度判断模型；步骤四：结合植被覆盖度判断模型，按可变窗口搜索低植被覆盖区对应待处理影像像元均值作为高植被覆盖区对应的各待处理中心像元值，得到待处理图像对应的植被信息抑制结果图像。本发明实现了干旱半干旱区光学遥感影像的植被信息抑制，解决了现有技术方法在去除影像植被信息干扰中对先验知识、野外数据采集工作的要求，提高了影像植被信息抑制结果的可靠性。
-
公开(公告)号：CN112036246B
公开(公告)日：2021-08-24
申请号：CN202010753131.2
申请日：2020-07-30
Applicant: 长安大学
Abstract: 本发明提供了一种遥感影像分类模型的构建方法，遥感影像分类方法及系统：步骤一：采集高分辨率遥感影像；步骤二：对的高分辨率遥感影像进行标注，获得带标注的高分辨率遥感影像，获得标签集，对得到的带标注的高分辨率遥感影像进行分割得到父对象，对父对象进行分割得到子对象；步骤三：对步骤二中的得到的父对象和子对象进行标准化，并将标准化后的父对象和子对象划分为训练样本集、验证集和测试样本集；步骤四：构建基于父对象和子对象的卷积神经网络模型。然后利用网络模型对高分辨率遥感影像进行分类。本发明实现了地理实体的精细化分类，解决了高分辨率遥感影像在复杂场景下的分类中，分类精度低、椒盐现象及错分类严重的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.043 seconds)
