-
公开(公告)号：CN116205122A
公开(公告)日：2023-06-02
申请号：CN202211104480.7
申请日：2022-09-09
Applicant: 中国地质大学(武汉)
IPC: G06F30/27 , G06T3/40 , G06T7/10 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08 , G06F111/04
Abstract: 本发明提供一种联合光谱、数字高程模型及辅助特征的双分支网络的高分辨率影像滑坡检测方法，包括获取待检测高分辨率遥感影像、数字高程模型及滑坡真实标签；提取辅助特征，从中挖掘多个特征因子并将所有图像进行通道合并；对合并后图像进行预处理，生成滑坡样本；使用不同的数据增强手段增加滑坡数据集的数量及多样性；在U‑Net+++的基础上加入残差及通道注意力改进网络模型；将图像样本对分别输入改进的U‑Net+++分支网络，得到预测结果；利用损失函数挖掘样本对的一致性及优化模型；基于测试样本进行模型精度评价及输出滑坡检测结果图。本发明提供了一种新颖、有效的滑坡检测方法，能充分挖掘高分辨率滑坡影像的不变性特征，有效提高滑坡的识别精度。
-
公开(公告)号：CN111079999A
公开(公告)日：2020-04-28
申请号：CN201911229039.X
申请日：2019-12-04
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于CNN和SVM的洪水灾害易发性预测方法。包括采集多源数据，通过多源数据提取洪水的致灾因子，将提取出来的洪水致灾因子样本数据进行量化处理，对洪水致灾因子进行评价筛选，构建洪水易发性模型，先利用卷积神经网络CNN对洪水数据进行特征提取，再利用支持向量机SVM对提取出的特征进行易发性预测，对洪水易发性模型进行精度评价，输出最终的洪水易发性预测图。本发明基于卷积神经网络CNN能够自动提取特征的特点对洪水灾害数据进行特征提取，并利用支持向量机SVM通过提取出的特征进行区域灾害易发性预测，可有效提高灾害易发性预测的精度。
-
公开(公告)号：CN108427913A
公开(公告)日：2018-08-21
申请号：CN201810113213.3
申请日：2018-02-05
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了联合光谱、空间和层次结构信息的高光谱遥感影像分类技术，包括输入待分类的高光谱影像，提取参考数据样本集；选取监督分类的训练样本集；对原始影像采用主成分分析提取影像前三个主成分波段，使用拓展形态学方法提取空间特征向量；对原始影像采用马尔科夫特征选择进行降维，采用代数多重网格方法构建影像金字塔，使用层次分割方法得到多层分割结果；将原始光谱特征向量、空间特征向量和层次结构特征向量组合构建多核矩阵；利用支持向量机方法计算核矩阵差异获取最终的类别属性标签；输出最终的影像分类图。本发明提供了一种有效的分类方法，能充分提取挖掘影像信息，能有效提高高光谱影像分类精度。
-
公开(公告)号：CN116740521A
公开(公告)日：2023-09-12
申请号：CN202310738316.X
申请日：2023-06-20
Applicant: 中国地质大学(武汉)
IPC: G06V10/80 , G06V20/10 , G06V10/82 , G06V10/20 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于多尺度特征融合的滑坡检测方法及系统，涉及遥感领域，该方法包括：获取目标区域的遥感图像；将遥感图像输入训练后的滑坡检测模型，在模型的编码器部分基于局部几何模块、残差学习模块、整体相关模块分别提取底层、中层和高层语义特征，并在解码器部分基于局部几何模块与整体相关模块对编码器中提取的不同尺度特征进行融合后，输出滑坡分割结果；其中，局部几何模块、残差学习模块基于卷积神经网络构建，整体相关模块基于Transformer网络构建，滑坡检测模型根据标有滑坡标签的遥感图像训练后得到。该方法不仅充分地提取了多层次特征还将多种特征有效融合，避免了计算冗余和梯度消失问题，提高了滑坡检测模型精度。
-
Patent Agency Ranking
公开(公告)号：CN114639015A
公开(公告)日：2022-06-17
申请号：CN202210164158.7
申请日：2022-02-22
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种联合光谱、植被指数和纹理特征的高分影像滑坡检测方法，包括获取待检测高分辨率遥感影像及对应栅格化的滑坡真实标签；提取光谱特征，通过光谱波段计算植被指数，并对待检测高分辨率遥感影像进行主成分分析，计算第一主成分的灰度共生矩阵，利用灰度共生矩阵提取多个纹理特征；采用离差标准化进行影像归一化；采用Relief‑F算法进行特征选择来降低数据冗余；通过图层叠加、滑动窗口算法扫描、数据增强来生成训练样本，利用深度U‑Net方法进行训练；基于测试样本进行模型测试、精度评价及输出滑坡检测结果图。本发明提供了一种有效的滑坡检测方法，能充分挖掘高分辨率遥感影像信息，有效提高滑坡的识别精度。
-
公开(公告)号：CN108427913B
公开(公告)日：2021-12-28
申请号：CN201810113213.3
申请日：2018-02-05
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了联合光谱、空间和层次结构信息的高光谱遥感影像分类技术，包括输入待分类的高光谱影像，提取参考数据样本集；选取监督分类的训练样本集；对原始影像采用主成分分析提取影像前三个主成分波段，使用拓展形态学方法提取空间特征向量；对原始影像采用马尔科夫特征选择进行降维，采用代数多重网格方法构建影像金字塔，使用层次分割方法得到多层分割结果；将原始光谱特征向量、空间特征向量和层次结构特征向量组合构建多核矩阵；利用支持向量机方法计算核矩阵差异获取最终的类别属性标签；输出最终的影像分类图。本发明提供了一种有效的分类方法，能充分提取挖掘影像信息，能有效提高高光谱影像分类精度。
-
公开(公告)号：CN111310898A
公开(公告)日：2020-06-19
申请号：CN202010093323.5
申请日：2020-02-14
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种基于RNN的滑坡灾害易发性预测方法，包括采集多源数据，通过多源数据提取滑坡的致灾因子，对提取出来的滑坡致灾因子进行评价筛选，利用筛选后的滑坡致灾因子样本数据构建滑坡序列数据，建立滑坡灾害易发性模型，利用循环神经网络对滑坡序列数据进行易发性预测，对滑坡易发性模型进行精度评价，输出最终的滑坡灾害易发性预测图。本发明的有益效果是：基于循环神经网络RNN能够处理序列数据的特点构建针对于滑坡灾害的序列数据并进行区域灾害易发性预测，可有效提高滑坡灾害易发性预测精度。
-
公开(公告)号：CN107145831B
公开(公告)日：2020-02-14
申请号：CN201710227248.5
申请日：2017-04-11
Applicant: 中国地质大学(武汉)
Inventor： 王毅
Abstract: 本发明公开了基于矢量概率扩散和马尔科夫随机场高光谱影像分类方法，包括以下步骤：S1将待分类的高光谱影像输入样本获取单元；S2提取所述高光谱影像中对应坐标位置的像元，进而构成参考数据样本集；S3随机选取训练样本集；S4采用支持向量机分类器进行分类，获得高光谱影像的初始分类图，并根据初始分类图计算各类别的属性二值标签图；S5滤波，获得初始类别属性后验概率估计，并基于最大后验概率估计框架构建马尔科夫随机场模型；S6采用图割算法对构建的马尔科夫随机场模型进行能量最小化求解，得到最终类别属性后验概率估计；S7将最终类别属性后验概率估计进行处理，得到最终类别属性标签，输出最终分类图。本发明为高光谱遥感提供可靠信息来源。
-
公开(公告)号：CN106339674A
公开(公告)日：2017-01-18
申请号：CN201610692278.9
申请日：2016-08-17
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于边缘保持与图割模型的高光谱影像分类方法，包括以下步骤：S1、输入待分类的高光谱影像；S2、提取原始的高光谱影像中对应坐标位置的像元构成参考数据样本集；S3、选取监督分类的训练样本集；将剩余的参考数据样本作为测试样本集；S4、进行像素级图像分类操作，获得各对应类别的概率隶属分布图；S5、进行滤波处理，获得优化后的类别概率隶属分布图；S6、提取所有地面目标：采用图割模型对优化后的类别概率隶属分布图进行分割，获得各类别的分割结果；对各类别的分割结果采用合并准则和最大后验概率估计来获得最终的标签结果；S7、输出最终分类图。本发明提供了区域标签化的新策略，可有效提高高光谱影像分类精度。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.03 seconds)
