-
公开(公告)号：CN119693248A
公开(公告)日：2025-03-25
申请号：CN202411796112.2
申请日：2024-12-09
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 中国科学院空天信息创新研究院
IPC: G06T5/50 , G06N3/088 , G06N3/0464 , G06N3/045 , G06T7/11 , G06N3/048 , G06N3/084 , G06T3/4076
Abstract: 本发明提供一种基于超分辨率技术的无监督遥感影像空谱融合方法，包括以下步骤：对需要融合的低空间分辨率多光谱遥感影像和高空间分辨率全色遥感影像进行预处理和归一化；基于原始输入的多光谱和全色影像构建训练数据；构建超分辨率网络模型并基于步骤2获得的预训练数据集对模型进行预训练；预训练模型在原始输入数据上进行微调；微调后的深度学习网络，输入原始分割的多光谱和全色影像，得到融合后的遥感影像块；通过将所有融合的影像块进行组合，并进行反归一化，最终获得融合的多光谱遥感影像。本发明实现了高效率的空谱融合，所构建的无监督学习框架无需额外收集训练数据，可以大大减少人力和资金成本。
-
公开(公告)号：CN114937010B
公开(公告)日：2025-03-25
申请号：CN202210522742.5
申请日：2022-05-13
Abstract: 本申请涉及一种基于雷达遥感影像的草原植被提取方法，包括以下步骤：在检测区域预设散射机制，检测区域包括干植被区域和湿植被区域；预设散射机制包括多个候选点；获取检测区域的雷达遥感影像，并计算雷达遥感影像中干植被区域和湿植被区域对应的候选点相干系数；利用干植被区域和湿植被中候选点对应的相干系数得到对应的相干系数幅度值；利用相干系数幅度值的大小和对应候选点的分布位置，建立干植被区域和湿植被区域的概率密度函数；并生成检测区域的概率分布图；根据概率分布图，得到干植被区域和湿植被区域实际的空间分布范围。通过设置候选点，并配合候选点的反射率和干湿植被的反射率，就可快速的知晓湿植被和干植被的分布情况。
-
公开(公告)号：CN117437547A
公开(公告)日：2024-01-23
申请号：CN202311610550.0
申请日：2023-11-28
Applicant: 东北林业大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种空间数据融合的遥感图像云检测方法，建立GS‑CDNet模型，包括：交错自注意力机制模块、双向多尺度特征融合模块、解码器和云边界提取模块。设计多级监督的双层损失函数，加载模型并进行图像预测，对预测结果进行展示。本发明的优点是：提高了检测精度，降低了遥感数据的局限性，提高云检测的准确性和鲁棒性，提高遥感数据的价值和利用效果。
-
Patent Agency Ranking
公开(公告)号：CN118898632A
公开(公告)日：2024-11-05
申请号：CN202410713727.8
申请日：2024-06-04
Applicant: 东北林业大学
IPC: G06T7/13 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06V10/42 , G06V10/44 , G06V10/80
Abstract: 本发明提供一种基于高斯函数的特征增强的高分遥感影像建筑边界矢量提取算法，属于图像处理技术领域，包括遥感图像数据预处理和模型构建。本发明提出了Swap算子来解决建筑边界提取任务中存在的挑战。Swap算子可以有效地捕获图像中的局部和全局特征，同时减少模型的参数数量和计算复杂度，从而提高建筑边界提取任务的效率和准确性。Swap作为一个可插入式的模块，可以有效地结合CNN、GNN和Transformer等模型的优势，克服它们在建筑边界提取任务中存在的局限性，从而实现更好的建筑边界提取的效果。
-
公开(公告)号：CN119693753A
公开(公告)日：2025-03-25
申请号：CN202411796300.5
申请日：2024-12-09
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 中国科学院空天信息创新研究院
IPC: G06V10/80 , G06V10/44 , G06V10/42 , G06V10/82 , G06N3/0464 , G06V10/774 , G06N3/048 , G06N3/084 , G06V10/764 , G06V20/10
Abstract: 本发明提供一种基于特征融合网络的细粒度物候参数提取方法，包括以下步骤：(1)对物候相机中拍摄的照片进行收集和预处理，构建出适用于训练的数据集；(2)物候参数提取；首先，引入ResNet18，通过3×3的卷积核进行全局特征提取；其次，针对轻量级提取局部特征部分；(3)在两个分支各自提取全局和局部特征后，采用自适应特征融合模块将两部分特征进行融合，利用GELU激活函数对拼接后的特征进行处理，生成综合的特征；(4)分类层使用Softmax函数，加入Dropout技术将融合后的特征映射到不同物候期的类别空间，实现对多种物候期的精确分类。本发明实现了高精度的物候期监测框架，操作简单，物候期提取细粒度高，适用于植物生长过程的生态研究。
-
公开(公告)号：CN119832415A
公开(公告)日：2025-04-15
申请号：CN202411837137.2
申请日：2024-12-13
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院)
IPC: G06V20/10 , G06V20/17 , G06V10/44 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于RSVMamba与无人机RGB数据实现树种分类方法，属于图像处理技术领域。包括：S1、引入了无人机RGB树种分类数据集，构建树种分类数据集；S2、构建树种分类模型RSVMamba，结合改进的VSS模块和AutoDownsampling模块，并在该模型上实现基于构建的数据集的有效分类。本发明引入无人机RGB树种分类数据集，验证了单时相无人机RGB数据在复杂异质性森林中实现多树种分类的有效性，降低了树种分类任务对高光谱数据的依赖。本发明提出了RSVMamba模型，实现了复杂森林环境下基于单时相无人机RGB数据的树种分类，对8种树种、枯死树木和其他阔叶树的分类精度达到84.28％。
-
公开(公告)号：CN115223040A
公开(公告)日：2022-10-21
申请号：CN202210560934.5
申请日：2022-05-23
IPC: G06V20/10 , G06V20/13 , G06V10/764 , G06V10/54 , G06T3/40
Abstract: 本申请涉及一种基于遥感数据的矿区植被生态修复分析方法及系统，包括其包括以下步骤：获取两次遥感图像，得到第一次多波段图像和第二次多波段图像；对所述第一次多波段图像进行反演与解译处理得到土地类别图层集合；所述土地类别图层集合包括多个植被区域图层和非植被区域图层；对所述第二次多波段图像进行栅格计算得到植被覆盖图；使用多个所述植被区域图层对植被覆盖图进行影像裁切得到植被图层；将所述植被图层和非植被区域图层合成生态图。通过以上的步骤就可以一次性将植被覆盖图的复杂生态状况进行准确划分，快速的识别矿区生态地类的分布情况并且可综合全面的反应矿区的生态状况的效果，另外其无需人工测量快捷高效。
-
公开(公告)号：CN114937010A
公开(公告)日：2022-08-23
申请号：CN202210522742.5
申请日：2022-05-13
Abstract: 本申请涉及一种基于雷达遥感影像的草原植被提取方法，包括以下步骤：在检测区域预设散射机制，检测区域包括干植被区域和湿植被区域；预设散射机制包括多个候选点；获取检测区域的雷达遥感影像，并计算雷达遥感影像中干植被区域和湿植被区域对应的候选点相干系数；利用干植被区域和湿植被中候选点对应的相干系数得到对应的相干系数幅度值；利用相干系数幅度值的大小和对应候选点的分布位置，建立干植被区域和湿植被区域的概率密度函数；并生成检测区域的概率分布图；根据概率分布图，得到干植被区域和湿植被区域实际的空间分布范围。通过设置候选点，并配合候选点的反射率和干湿植被的反射率，就可快速的知晓湿植被和干植被的分布情况。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
