-
公开(公告)号：CN112668420A
公开(公告)日：2021-04-16
申请号：CN202011507877.1
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明涉及一种基于非负风险估计的高光谱和LiDAR融合入侵树种探测方法。本方法通过非负风险估计，将遥感影像弱监督单类网络优化问题转化为经验风险最小化问题，同时综合使用了高光谱影像提供的空‑谱融合特征以及LiDAR数据提供的几何特征，通过卷积神经网络以数据驱动的方式自动提取影像的深度空‑谱融合特征，通过非负风险估计端到端的优化卷积神经网络的参数，避免后期阈值调节。本发明可以用来进行入侵树种的分布探测，在物种多样性较高的热带区域仍可以获得可靠的探测结果。
-
公开(公告)号：CN112598265B
公开(公告)日：2022-06-07
申请号：CN202011511759.8
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明涉及一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法。本方法通过类别解耦的风险估计，将阈值确定问题转换为风险估计问题，避免阈值调节步骤，同时将全卷积神经网络引入单分类框架中，通过全局空间信息的利用来捕获影像中距离较远的像素间的依赖关系，缓解无人机影像探测结果中常出现的“椒盐噪声”现象，并且与基于影像块的单分类方法相比，本发明所提出的方法具有较快的推理速度。该方法可以用来进行松材线虫病的探测，无需人工干预。
-
公开(公告)号：CN112668420B
公开(公告)日：2022-06-07
申请号：CN202011507877.1
申请日：2020-12-18
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q10/06 , G06Q50/26
Abstract: 本发明涉及一种基于非负风险估计的高光谱和LiDAR融合入侵树种探测方法。本方法通过非负风险估计，将遥感影像弱监督单类网络优化问题转化为经验风险最小化问题，同时综合使用了高光谱影像提供的空‑谱融合特征以及LiDAR数据提供的几何特征，通过卷积神经网络以数据驱动的方式自动提取影像的深度空‑谱融合特征，通过非负风险估计端到端的优化卷积神经网络的参数，避免后期阈值调节。本发明可以用来进行入侵树种的分布探测，在物种多样性较高的热带区域仍可以获得可靠的探测结果。
-
公开(公告)号：CN112598265A
公开(公告)日：2021-04-02
申请号：CN202011511759.8
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明涉及一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法。本方法通过类别解耦的风险估计，将阈值确定问题转换为风险估计问题，避免阈值调节步骤，同时将全卷积神经网络引入单分类框架中，通过全局空间信息的利用来捕获影像中距离较远的像素间的依赖关系，缓解无人机影像探测结果中常出现的“椒盐噪声”现象，并且与基于影像块的单分类方法相比，本发明所提出的方法具有较快的推理速度。该方法可以用来进行松材线虫病的探测，无需人工干预。
-
-
-
Search Results
4
records
(took 0.012 seconds)
