-
公开(公告)号：CN110136194A
公开(公告)日：2019-08-16
申请号：CN201910422148.7
申请日：2019-05-21
Applicant: 吉林大学
Abstract: 本发明公开了一种基于星载多光谱遥感数据的积雪覆盖度测算方法，属于卫星遥感图像处理与应用的技术领域。针对目前的积雪提取算法存在的云干扰和林下积雪观测问题，本发明首先基于土地的不同类型将所选取的区域划分为森林区域和非森林地区，针对非森林地区使用Landsat8数据计算出积雪覆盖率，对FY-3B获取的多波段数据进行波段运算，计算NDSI积雪指数，结合最小二乘法对重采样的积雪覆盖率和积雪指数拟合线性回归方程，建立积雪指数和积雪覆盖度的函数关系；针对森林地区则建立积雪覆盖度、地表反射率和森林透射率的函数关系，将积雪覆盖度转换为基于森林反射率的相关函数。本发明能够降低森林冠层遮挡的影响，有效提取林下积雪覆盖度信息。
-
公开(公告)号：CN103530888B
公开(公告)日：2016-01-27
申请号：CN201310528638.8
申请日：2013-10-30
Applicant: 吉林大学
Abstract: 本发明的基于比例信息的林地被动微波混合像元分解方法,属于遥感图像处理的技术领域。该方法的应用条件是林地被动微波遥感数据和林地图像数据，方法包括如下过程：1)通过颜色空间转换、阈值分割，计算林地图像中针叶林和阔叶林的比例信息，2)建立林地被动微波混合像元分解模型，3)林地被动微波混合像元分解模型求解，获得阔叶林组分亮温和针叶林组分亮温。本发明可以获得观测地区更为准确的林地信号，有助于森林的微波传输特性和林地相关参数反演研究，也有助于其它相关科学问题的解决和实现，进一步推动遥感面向全球的实时、精确的植被参数监测。
-
公开(公告)号：CN103808736B
公开(公告)日：2015-10-28
申请号：CN201410050321.2
申请日：2014-02-13
Applicant: 吉林大学
IPC: G01N22/00
Abstract: 本发明的基于被动微波混合像元分解技术的盐碱地特性探测方法，属于遥感图像处理的技术领域。通过光谱遥感数据获得观测地区地物分类数据，建立针对盐碱地类型的被动微波混合像元分解模型；采用带约束条件的非负最小二乘法迭代运算求解方程组，实现盐碱地被动微波混合像元分解；进一步建立分解后的被动微波遥感数据与盐碱地含盐量的关系模型，实现盐碱地特性的有效探测。本发明为深入研究苏打盐碱地水盐特性与波谱信息的相关性，及苏打盐碱土的导电特性与微波辐射/散射信息的相关性，掌握苏打盐碱地的基本形态、时空动态变化过程、演变规律和地理分布特性，及苏打盐碱地的改良与合理利用，提供理论方法和技术手段。
-
公开(公告)号：CN104252703A
公开(公告)日：2014-12-31
申请号：CN201410449528.7
申请日：2014-09-04
Applicant: 吉林大学
IPC: G06T5/50
Abstract: 本发明的基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法属于卫星遥感图像处理的技术领域。该方法的应用条件是已知相同观测地区、不同时间分辨率的高分辨率遥感图像和低分辨率遥感图像，对其它观测时间的低分辨率遥感图像进行超分辨率重构，提高低分辨率遥感图像的空间分辨率。具体分为字典训练和对低分辨率遥感图像进行重构两个步骤。本发明考虑到遥感图像的物候变化，构建了含不同特征信息的小波域的字典，基于三对子波段字典的训练，结合稀疏表示，有效地实现低分辨率遥感图像的超分辨率重构，更好地获取了图像的细节特征；本发明的方法可有效提高低分辨率遥感图像的重构质量，为低分辨率遥感图像的后期应用提供基础。
-
公开(公告)号：CN103995298A
公开(公告)日：2014-08-20
申请号：CN201410250716.7
申请日：2014-06-07
Applicant: 吉林大学
IPC: G01V3/40
Abstract: 本发明的一种优化选择质子磁力仪配谐电容的方法，属于磁场强度检测的技术领域。优化选择配谐电容的方法有确定配谐电路系统参数、确定固定最小电容Cmin、逐次确定配谐电容的过程。本发明针对有限电容组合配谐会出现某些频点不在配谐电路带宽之内的情况，提出依据配谐电路带宽优化选择配谐电容的方法，使整个配谐电路带宽可以全覆盖系统带宽；同时针对实际电容与理想电容之间存在误差的情况，分析得到包含电容误差的电路配谐方法，解决了由于电容容值误差导致的配谐频率发射偏移，从而出现某些频率点不在电路带宽范围内的问题。本方法可实现不同测量范围对配谐电容的选择，提高后期测量信号的精度。
-
Patent Agency Ranking
公开(公告)号：CN102608592B
公开(公告)日：2013-06-12
申请号：CN201210096736.4
申请日：2012-04-05
Applicant: 吉林大学
IPC: G01S7/41
Abstract: 本发明属于遥感图像处理技术领域，提供了一种基于五种地物分类信息的积雪被动微波混合像元分解方法。本发明根据影响积雪辐射特性的典型五种下垫面类型，通过获得观测地区中较高空间分辨率的地物分类数据，利用积雪在不同下垫面微波辐射之间差异特性，选择微波天线增益函数和采样率，建立积雪微波混合像元分解模型，采用具有约束条件的最小二乘法迭代计算求解欠定性方程组，实现积雪被动微波混合像元分解。本发明可以有效地解决积雪被动微波混合像元问题，改进积雪参数反演精度，在气候和水文研究以及积雪灾害评估等领域中具有重要应用价值。
-
公开(公告)号：CN101566692B
公开(公告)日：2011-04-13
申请号：CN200910067013.X
申请日：2009-05-26
Applicant: 吉林大学
IPC: G01S17/95
CPC classification number: Y02A90/19
Abstract: 本发明涉及一种利用卫星遥感数据中的云影信息检测云高的方法，属于大气探测领域。包括插值计算、云和云阴影检测、MODIS数据的云和云影匹配、建立云高模型求得云层高度和云高计算和分析五部分。本方法对遥感图像数据中云和云影的信息进行检测；结合数字图像技术进行云和云影匹配，得到云和云影的之间的距离；最后，建立云高模型求得云层高度。本方法可以同一时刻对一片云多个点进行高度计算，以此求得的高度值将极大的提高云高的检测精度。通过本方法可以对符合测量条件的任何地区进行云高测量，而且不用在当地设置测量仪器。
-
公开(公告)号：CN101566692A
公开(公告)日：2009-10-28
申请号：CN200910067013.X
申请日：2009-05-26
Applicant: 吉林大学
IPC: G01S17/95
CPC classification number: Y02A90/19
Abstract: 本发明涉及一种利用卫星遥感数据中的云影信息检测云高的方法，属于大气探测领域。包括插值计算、云和云阴影检测、MODIS数据的云和云影匹配、建立云高模型求得云层高度和云高计算和分析五部分。本方法对遥感图像数据中云和云影的信息进行检测；结合数字图像技术进行云和云影匹配，得到云和云影的之间的距离；最后，建立云高模型求得云层高度。本方法可以同一时刻对一片云多个点进行高度计算，以此求得的高度值将极大的提高云高的检测精度。通过本方法可以对符合测量条件的任何地区进行云高测量，而且不用在当地设置测量仪器。
-
公开(公告)号：CN114663399B
公开(公告)日：2025-01-10
申请号：CN202210290763.9
申请日：2022-03-23
Applicant: 吉林大学
Abstract: 本发明公开了一种基于改进时空融合模型的积雪日变化监测方法，属于卫星遥感图像处理与应用的技术领域。本发明的目的是解决现有积雪产品空间分辨率较低，无法准确获取降雪和融雪等变化的细节问题。本发明采用2幅Landsat8卫星遥感影像和17幅MOD09GA光谱反射率影像作为数据源，使用STDFA时空融合模型获得初步的逐日时空融合影像，由于STDFA模型的时空融合结果存在光谱失真，本发明提出使用Matching‑Pix2pixGAN网络改善STDFA融合模型得到的时空融合结果，最终得到无光谱失真的逐日的时空融合结果，并提取最终时空融合结果的NDSI指数实现对积雪的识别，从而实现连续16天的积雪日变化监测。本发明方法能准确地实现积雪日变化监测，捕捉降雪和融雪的变化细节，为融雪径流分析、农业灌溉及生态环境保护提供可靠的分析数据。
-
公开(公告)号：CN117853337A
公开(公告)日：2024-04-09
申请号：CN202410016514.X
申请日：2024-01-05
Applicant: 吉林大学
IPC: G06T3/4053 , G01S7/41 , G06T5/90
Abstract: 本发明公开了一种基于Lorentzian范数和自适应双边总变分正则化重建的星载微波散射计遥感影像空间分辨率增强方法。具体方法是从星载微波散射计退化机理建模出发，提出了LABTV正则化重建算法，该算法在双边总变分正则化算法的基础上引入了自适应的权值系数，有效地抑制噪声的同时保持图像的纹理细节，同时引入Lorentzian范数进一步提高了重建算法的性能。本发明提出的星载微波散射计分辨率增强算法能够将低空间分辨率的星载微波散射计图像重建成为高空间分辨率的星载微波散射计图像，使其更好应用于海洋和陆地定量遥感。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.024 seconds)
