公开(公告)号：CN119104043A

公开(公告)日：2024-12-10

申请号：CN202411140854.X

申请日：2024-08-20

Applicant: 桂林理工大学

Inventor： 高二涛 ,  周国清 ,  徐嘉盛 ,  付波霖

IPC: G01C13/00

Abstract: 本发明提出了遥感水边线距水深反演方法，属于遥感水深反演领域。针对带地理坐标的水深点距离水边界线距离与水深成正比，近岸区域水体叶绿素含量比较高的问题，该方法选择经纬度，像元至水边线的距离，海岸波段、蓝波段、绿波段、红波段等波段，改进的归一化水体指数（MNDWI）、红边叶绿素植被指数(RECl)、归一化差值水分指数（NDWI）作为特征影响因子，构建遥感水边线距水深反演模型，反演水深，能够有效提升遥感影像反演水深精度。

公开(公告)号：CN118230185A

公开(公告)日：2024-06-21

申请号：CN202410413478.0

申请日：2024-04-08

Applicant: 桂林理工大学

Inventor： 付波霖 ,  邓力维 ,  李华剑 ,  张书嵘

IPC: G06V20/13 ,  G06V10/75 ,  G06V10/80

Abstract: 本发明公开了一种异步采集的高光谱点云融合方法及系统，涉及遥感数据处理领域，包括：获取目标区域点云数据及高光谱影像数据；对点云数据和高光谱影像数据进行预处理；构建深度学习模型，将预处理后的点云数据和高光谱影像数据投影到同一个高维空间中，得到维度一致的逐点特征图和逐像素特征图；计算逐点特征图中的各点特征向量与逐像素特征图中的各像素特征向量之间的匹配程度，将与点云数据中每个点匹配程度最高的像素的光谱数据赋予该点，得到高光谱点云数据。本发明通过深度学习计算两种不同模态数据之间的匹配度，克服了畸变等产生的时间和空间不对应，实现异步获取点云和高光谱影像的精准融合。

公开(公告)号：CN117969424A

公开(公告)日：2024-05-03

申请号：CN202410130605.6

申请日：2024-01-30

Applicant: 桂林理工大学

Inventor： 付波霖 ,  武炎 ,  宋奕基 ,  祝亚伟

IPC: G01N21/25 ,  G01N21/01 ,  G06V20/13 ,  G06V20/10 ,  G06V10/774 ,  G06V10/74 ,  G06N20/20

Abstract: 本发明提出了一种基于分数阶辅助光谱角映射的红树林含水量和干物质含量反演方法，其包括：红树林功能性状参数、叶片高光谱、多源卫星遥感影像数据的获取；提出新颖的分数阶辅助光谱角分析方法；提出星地光谱匹配和反演验证方法，进行反演数据集的构建，降维和优化；提出融合光学，雷达和热红外数据的多个反演方案，构建多源混合数据集和红树林冠层含水量和干物质含量混合估算模型。本发明能够将基于地面光谱得到的敏感光谱域与卫星波段匹配，进而能广泛、准确地实现红树林含水量和干物质含量反演，以便低成本、准确和快速的实现红树林生长状态和海岸带环境的监测。

公开(公告)号：CN117907245A

公开(公告)日：2024-04-19

申请号：CN202410101655.1

申请日：2024-01-24

Applicant: 桂林理工大学

Inventor： 付波霖 ,  劳植楠 ,  李孙哲 ,  邝宏远 ,  范冬林

IPC: G01N21/25 ,  G06V20/10 ,  G06V10/771 ,  G06F17/10 ,  G06N20/20 ,  G01N21/84 ,  G01N21/31 ,  G01N21/78 ,  G01D21/02

Abstract: 本发明是一种基于约束性PROSAIL‑PRO模型光谱超分辨率的岩溶湿地植被群落氮和磷含量反演方法，其包括：UAV多光谱遥感影像、实测植被功能性状参数的获取；生成每种植被群落光谱模拟数据集；提出具有物理机制的光谱超分辨率方法；提出新颖的混合反演模型策略；岩溶湿地喜钙耐碱性植被群落生物化学和生物物理参数对冠层光谱的影响分析；岩溶湿地植被群落冠层氮和磷含量的敏感性光谱特征分析和特征优选；构建UAV多光谱传感器的冠层氮和磷含量反演模型；构建超光谱分辨率数据的冠层氮和磷含量的混合反演模型。最终通过对比每个反演模型的反演精度获取每个植被群落合适的反演模型，以便准确和快速的实现岩溶湿地植被健康状况监测。

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

Inventor： 付波霖 ,  蓝婓芜 ,  姚航 ,  杨文岚 ,  范冬林 ,  何宏昌

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

Inventor： 付波霖 ,  李雨阳 ,  孙习东 ,  何宏昌 ,  范冬林 ,  邓腾芳

IPC: G06V20/10 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

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

Inventor： 付波霖 ,  刘曼 ,  邓良超 ,  孙习东 ,  范冬林 ,  何宏昌

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

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。