-
公开(公告)号：CN113673300B
公开(公告)日：2024-07-19
申请号：CN202110702173.8
申请日：2021-06-24
Applicant: 核工业北京地质研究院
IPC: G06V20/13 , G06V10/82 , G06N3/084 , G06N3/0455
Abstract: 本发明属于高光谱图像应用领域，具体涉及一种基于非监督训练的高光谱图像智能解混方法。建立由三个自编码器堆栈的深度神经网络、建立网络全连接输出层、建立整个网络的损失函数、开始网络训练并逐层反向传播更新网络参数、获取端元光谱和丰度矩阵。本方法能够成功识别高光谱图像混合像元的端元和组分信息，该方法通过进行非监督训练识别图像端元和组分，不需要大量的标签数据。
-
公开(公告)号：CN112378864B
公开(公告)日：2024-07-19
申请号：CN202011165167.5
申请日：2020-10-27
Applicant: 核工业北京地质研究院
IPC: G01N21/25 , G06F18/23 , G06F18/241
Abstract: 本发明属于地质勘查技术领域，具体涉及一种机载高光谱土壤信息反演方法，包括：(1)对机载光谱原始数据进行几何校正、辐射校正和大气校正，生成机载高光谱反射率图像数据；(2)在机载高光谱反射率图像数据上生成土壤采样点图像光谱库；(3)对土壤采样点图像光谱库筛选出与采样点地面测量光谱最接近的图像光谱集合；(4)构建高光谱土壤地化信息矩阵，计算土壤信息回归方程；(5)采用筛选出的土壤采样点图像光谱集合，对机载高光谱反射率图像数据进行光谱角分类；生成掩模后的图像反射率数据；(6)将掩模后的图像反射率数据，根据土壤信息的回归方程计算，获取土壤信息反演结果。
-
公开(公告)号：CN112666096B
公开(公告)日：2023-03-24
申请号：CN202011625516.7
申请日：2020-12-31
Applicant: 核工业北京地质研究院
Abstract: 本发明属于铀矿勘查技术，具体涉及一种砂岩型铀矿土壤找矿信息高光谱提取方法，矿区土壤样品采集及光谱反射率测量，土壤铀矿指示元素活动态含量测定，元素活动态含量高光谱反演确定元素活动态含量，砂岩型铀矿土壤成矿信息提取。本方法改善了元素全量高光谱反演造成的成矿信息微弱的不足，能够提升高光谱技术提取土壤找矿信息的精度。发挥了高光谱方法操作简便、时效性强等优势，改进了传统地球化学勘查方法工期长、操作繁琐等不足。
-
公开(公告)号：CN113554165A
公开(公告)日：2021-10-26
申请号：CN202110648618.9
申请日：2021-06-10
Applicant: 核工业北京地质研究院
Abstract: 本发明属于岩矿高光谱信息识别技术，具体为一种基于堆栈自编码器的矿物端元提取方法，采集多种矿物混合的光谱数据集X，构建两层编码层，构建解码层，构建网络目标函数，网络训练，更新网络权值。通过对自编码器结构的改进，达到了从混合光谱数据集中提取矿物端元的效果，适用性较强，对于其它矿物信息的识别和分析工作也具有借鉴意义。
-
公开(公告)号：CN112666096A
公开(公告)日：2021-04-16
申请号：CN202011625516.7
申请日：2020-12-31
Applicant: 核工业北京地质研究院
Abstract: 本发明属于铀矿勘查技术，具体涉及一种砂岩型铀矿土壤找矿信息高光谱提取方法，矿区土壤样品采集及光谱反射率测量，土壤铀矿指示元素活动态含量测定，元素活动态含量高光谱反演确定元素活动态含量，砂岩型铀矿土壤成矿信息提取。本方法改善了元素全量高光谱反演造成的成矿信息微弱的不足，能够提升高光谱技术提取土壤找矿信息的精度。发挥了高光谱方法操作简便、时效性强等优势，改进了传统地球化学勘查方法工期长、操作繁琐等不足。
-
Patent Agency Ranking
公开(公告)号：CN112378864A
公开(公告)日：2021-02-19
申请号：CN202011165167.5
申请日：2020-10-27
Applicant: 核工业北京地质研究院
Abstract: 本发明属于地质勘查技术领域，具体涉及一种机载高光谱土壤信息反演方法，包括：(1)对机载光谱原始数据进行几何校正、辐射校正和大气校正，生成机载高光谱反射率图像数据；(2)在机载高光谱反射率图像数据上生成土壤采样点图像光谱库；(3)对土壤采样点图像光谱库筛选出与采样点地面测量光谱最接近的图像光谱集合；(4)构建高光谱土壤地化信息矩阵，计算土壤信息回归方程；(5)采用筛选出的土壤采样点图像光谱集合，对机载高光谱反射率图像数据进行光谱角分类；生成掩模后的图像反射率数据；(6)将掩模后的图像反射率数据，根据土壤信息的回归方程计算，获取土壤信息反演结果。
-
公开(公告)号：CN111157698A
公开(公告)日：2020-05-15
申请号：CN201911349471.2
申请日：2019-12-24
Applicant: 核工业北京地质研究院
IPC: G01N33/24 , G01N21/3563 , G06F17/18
Abstract: 本发明属于信息提取技术领域，具体涉及一种利用发射率数据获取黑土土壤全钾含量的反演方法，该方法具体包括以下步骤：步骤(1)钾元素含量与发射率各波段皮尔森相关性分析；步骤(2)建立多元全二次逐步回归模型；步骤(3)对模型进行精度验证；步骤(4)通过回归诊断的学生化残差对步骤(3)进行精度验证的模型进行优化；步骤(5)步骤(4)优化的模型与其他模型结果做对比。本发明使用的全二次多元逐步回归方法引入了更多的参数进行模型建立，能够有效提高反演精度，同时解决了传统土壤元素含量填图过于依赖控制点问题，减少野外工作量，为发射率数据的应用提出了新的思路。
-
公开(公告)号：CN112529837B
公开(公告)日：2025-04-15
申请号：CN202011216694.4
申请日：2020-11-04
Applicant: 核工业北京地质研究院
IPC: G06V10/82 , G06N3/045 , G06N3/0499 , G06N3/0895 , G06N3/088
Abstract: 本发明提出了基于耦合判别特征自学习网络的遥感图像变化检测方法。该方法主要设计了耦合判别特征自学习网络，该网络通过两个子网络分别对待检测图像进行特征提取，所建立的耦合训练模型可得到耦合特征空间，该空间中特征的判别能力将增强，有助于生成更加分明的差异图，得到准确的变化检测结果。该方法不需要标签数据，并且不受数据类型的限制，具有广阔应用空间。该方法的有效性在公开数据集上进行了验证。
-
公开(公告)号：CN113673300A
公开(公告)日：2021-11-19
申请号：CN202110702173.8
申请日：2021-06-24
Applicant: 核工业北京地质研究院
Abstract: 本发明属于高光谱图像应用领域，具体涉及一种基于非监督训练的高光谱图像智能解混方法。建立由三个自编码器堆栈的深度神经网络、建立网络全连接输出层、建立整个网络的损失函数、开始网络训练并逐层反向传播更新网络参数、获取端元光谱和丰度矩阵。本方法能够成功识别高光谱图像混合像元的端元和组分信息，该方法通过进行非监督训练识别图像端元和组分，不需要大量的标签数据。
-
公开(公告)号：CN110705082A
公开(公告)日：2020-01-17
申请号：CN201910911169.5
申请日：2019-09-25
Applicant: 核工业北京地质研究院
IPC: G06F30/20
Abstract: 本发明属于地质勘查技术领域，具体涉及一种矿物混合光谱模拟方法。本发明包括如下步骤：步骤一：采集单矿物光谱反射率作为端元光谱，获取每一个端元的光谱反射率值，并记录每一个端元光谱的入射角和出射角；步骤二：将步骤一中的光谱反射率值、入射角和出射角转化为列向量，计算端元光谱的单次散射反照率；步骤三：根据需要模拟的岩石确定矿物种类m和模拟光谱数n，生成M×N矿物丰度矩阵e；步骤四：计算单次散射反照率混合光谱；步骤五：计算最终的混合光谱模拟反射率结果。本发明能够快速准确进行地表岩石矿物含量和光谱进行模拟，进而为岩石光谱信息智能化提取提供高精度的样本数据。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.031 seconds)
