-
公开(公告)号：CN115931727A
公开(公告)日：2023-04-07
申请号：CN202211193076.1
申请日：2022-09-28
Applicant: 桂林理工大学
Abstract: 本发明提供一种叶绿素a遥感反演方法、装置、系统以及存储介质，属于色素处理领域，方法包括：S1：从SeaBASS验证系统中获取多个叶绿素a浓度，并从中分辨率成像光谱仪中获取多个卫星传感器测量值；S2：分别将各个叶绿素a浓度及各个卫星传感器测量值进行匹配得到卫星原位匹配对集合；S3：对卫星原位匹配对集合进行分析筛选得到筛选后匹配对样本集合；S4：按照预设比例将筛选后匹配对样本集合划分为匹配对训练子集合以及匹配对测试子集合。本发明解决了现有叶绿素a反演算法输入特征和训练样本的不足，且反演精度易受扩展特征质量的影响的问题，还解决了人工构造扩展的缺点以及噪声不耐受及反演结果不丰富的问题。
-
公开(公告)号：CN114120137A
公开(公告)日：2022-03-01
申请号：CN202111217868.3
申请日：2021-10-19
Applicant: 桂林理工大学
IPC: G06V20/13 , G06V10/30 , G06V10/58 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明是一种基于时序主被遥感影像的湿地要素时空演变监测方法，它使用所有可用的陆地卫星数据来构建时间光谱特征，从而解决单日期影像因未检测出的部分噪音而导致变化监测中出现大量的假阳性错误的问题。该方法针对现有湿地要素变化监测方法难以在空间上完整描述湿地要素变化信息且不能在时间尺度上实现实时的连续观测的问题，尤其是无法识别长时间序列中多种湿地要素之间的变化，该方法基于连续变化监测和分类算法提出一种基于时序主被遥感影像的湿地要素时空演变监测方法，实现湿地要素的高精度和高效率时空演变监测。
-
公开(公告)号：CN114120137B
公开(公告)日：2023-07-25
申请号：CN202111217868.3
申请日：2021-10-19
Applicant: 桂林理工大学
IPC: G06V20/13 , G06V10/30 , G06V10/58 , G06V10/774 , G06V10/764
Abstract: 本发明是一种基于时序主被遥感影像的湿地要素时空演变监测方法，它使用所有可用的陆地卫星数据来构建时间光谱特征，从而解决单日期影像因未检测出的部分噪音而导致变化监测中出现大量的假阳性错误的问题。该方法针对现有湿地要素变化监测方法难以在空间上完整描述湿地要素变化信息且不能在时间尺度上实现实时的连续观测的问题，尤其是无法识别长时间序列中多种湿地要素之间的变化，该方法基于连续变化监测和分类算法提出一种基于时序主被遥感影像的湿地要素时空演变监测方法，实现湿地要素的高精度和高效率时空演变监测。
-
公开(公告)号：CN114782821A
公开(公告)日：2022-07-22
申请号：CN202210539204.7
申请日：2022-05-18
Applicant: 桂林理工大学
Abstract: 本发明公开了一种联合多种迁移学习策略的滨海湿地植被遥感识别方法。该方法通过整合递归特征消除和主成分分析对无人机数据进行降维，降低了模型训练的时间成本，并提高了模型对红树林群落的识别能力；通过改进卷积神经网络的结构，提高了卷积神经网络的分割性能，进而提高了深度学习模型对红树林群落的边界的判别能力；通过运用不同的迁移学习策略，使得深度学习模型能低成本的应用于不同的红树林湿地，并提高了模型对红树林群落的分类精度和效率。
-
公开(公告)号：CN114202671A
公开(公告)日：2022-03-18
申请号：CN202111361807.4
申请日：2021-11-17
Applicant: 桂林理工大学
Abstract: 本发明涉及一种图像预测优化处理方法及装置，属于图像处理领域，方法包括：对多个无人机影像进行预处理；将多个深度学习语义标签匹配至预处理的各个无人机影像上，得到多个训练样本，将各个训练样本进行扩充处理，得到扩充后的训练样本集合，在卷积神经网络中进行参数配置优化，通过扩充后的训练样本集合对优化后的卷积神经网络进行深度学习分类训练，得到训练后的卷积神经网络，并进行影像预测分类，得到多种分类结果，对多种分类结果进行融合处理，对融合的分类结果进行扩展裁剪处理，得到整幅遥感影像。能够对多种分类结果进行融合处理，融合的分类结果更为准确和全面，再对融合的分类结果进行扩展裁剪处理，能够消除明显的拼接痕迹。
-
Patent Agency Ranking
公开(公告)号：CN116563092A
公开(公告)日：2023-08-08
申请号：CN202310376696.7
申请日：2023-04-10
Applicant: 桂林理工大学
Abstract: 本发明提出了基于机器学习算法的海洋环境要素降尺度方法及装置，涉及海洋环境要素浓度获取领域；该方法包括：获取第一分辨率下遥感影像数据中的水体反射率，将所述水体反射率输入至预先训练好的机器学习模型中，得到所述水体反射率对应的预测海洋环境要素浓度；根据所述第一分辨率对预设的第二分辨率下的矫正残差进行降尺度处理，得到第一分辨率下的目标残差，所述第一分辨率大于所述第二分辨率；根据所述目标残差对所述预测海洋环境要素浓度进行矫正，得到矫正海洋环境要素浓度；通过机器学习模型以达到不依赖于原位实测数据的采集的目的,为原位实测数据有限的区域提供一种新的获取高空间分辨率的海洋环境数据的思路和方法。
-
-
公开(公告)号：CN113936214A
公开(公告)日：2022-01-14
申请号：CN202111216622.4
申请日：2021-10-19
Applicant: 桂林理工大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/56 , G06V10/70 , G06V10/764 , G06K9/62 , G06T5/50 , G06T7/30 , G06N20/20
Abstract: 本发明公开了一种基于融合空天遥感影像的岩溶湿地植被群落分类方法，该方法通过整合无人机影像的高空间分辨率和卫星影像的高光谱分辨率的优势准确提取岩溶湿地植被群落空间分布范围；通过采用面向对象的多尺度分割，对构建的多维数集进行去除高相关性和变量选择，降低数据的冗余来提高岩溶湿地植被群落识别模型的训练精度与效率；通过对比优化的面向对象的机器学习算法，实现对不同岩溶湿地植被群落的高精度识别。
-
-
公开(公告)号：CN111103628A
公开(公告)日：2020-05-05
申请号：CN202010035274.X
申请日：2020-01-14
Applicant: 桂林理工大学
IPC: G01V3/40
Abstract: 本申请涉及一种大地电磁TE极化模式对电场数据二维反演方法和装置。所述方法包括：根据测线中多个观测点沿X轴的不同频率观测电场数据分量以及观测点沿X轴的不同频率计算电场数据分量，构建大地电磁TE极化模式下的反演目标函数；通过反演目标函数，得到反演目标函数对应的反演迭代方程组；通过引入归一化电场数据分量误差和用计算得到的磁场Hy分量代替实测磁场Hy分量，使得实际拟合的是张量阻抗数据；根据归一化电场数据分量误差的数学表达式，计算雅克比矩阵，根据雅克比矩阵和归一化电场数据分量误差计算反演迭代方程组，根据所述反演迭代方程组对电场数据进行二维反演。采用本方法能够提高二维反演的计算效率和反演精度。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.03 seconds)
