-
公开(公告)号：CN115880586A
公开(公告)日：2023-03-31
申请号：CN202211560667.8
申请日：2022-12-07
Applicant: 吉林大学
Abstract: 本发明公开了一种基于混合特征网络的卫星遥感影像云雪检测方法，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卫星遥感影像中云雪共存的条件下云雪检测精度低，无法准确获取雪和云分布状态细节的问题。本发明采用卫星遥感影像作为数据源，使用GLCM、LBP和SEEDS的方法提取图像的浅层特征，通过深度特征提取网络提取图像的深度热图特征，随后将浅层特征与深度热图特征融合形成混合特征，同时将混合特征送入基于混合特征的云雪检测网络中训练和验证，应用训练好的云雪检测模型最终获得云和雪的检测结果。本发明方法能在云雪共存条件下和不同空间分辨率的卫星遥感影像中准确地检测云和雪。
-
公开(公告)号：CN110136194B
公开(公告)日：2022-11-11
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：CN108596103A
公开(公告)日：2018-09-28
申请号：CN201810382988.0
申请日：2018-04-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法，属于卫星遥感图像处理与应用的技术领域。针对目前的建筑物提取算法存在如下明显的缺陷：(1)算法复杂度较高；(2)忽略光谱信息；(3)依赖于建筑物的矩形形状特征。本发明在将高分辨卫星遥感影像进行预处理后，通过采用最佳光谱指数对影像进行处理后，将影像转为灰度影像，利用Otsu算法进行图像分割，提取出建筑物目标，在通过几何约束和形态学处理等方式，进一步提高提取准确率和检测率。
-
公开(公告)号：CN103808736A
公开(公告)日：2014-05-21
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：CN103530888A
公开(公告)日：2014-01-22
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。
-
Patent Agency Ranking
公开(公告)号：CN119579724A
公开(公告)日：2025-03-07
申请号：CN202411718798.3
申请日：2024-11-28
Applicant: 吉林大学
Abstract: 本发明公开了一种联合维纳滤波和SIR算法的星载被动微波辐射计数据重建方法，属于卫星遥感图像处理技术领域。空间分辨率低已成为星载被动微波辐射计在遥感应用领域的主要制约因素，研究提高星载被动微波辐射计空间分辨率的图像重建方法是被动微波遥感技术研究和发展重要方向之一。本发明根据星载被动微波辐射计工作原理，利用维纳滤波提高被动微波辐射计数据采样间隔，并基于SIR算法对提高采样间隔的被动微波辐射计数据进行重建，最终获取高空间分辨率的星载被动微波辐射计数据。
-
公开(公告)号：CN110287944B
公开(公告)日：2022-07-01
申请号：CN201910597394.6
申请日：2019-07-04
Applicant: 吉林大学
IPC: G06V20/17 , G06V10/46 , G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的多光谱遥感影像的农作物虫害监测方法，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方法对农作物虫害监测的时效性差，单一指数光谱信息不稳定，高光谱无人机数据获取难等问题。本发明采用10组特征波段光谱的组合，构建出一个LSTM长短期记忆网络，并通过深度学习的方法训练出能够对遥感影像中的农作物虫害进行分类的模型，本发明方法能自动、高效地从多光谱卫星遥感影像中识别农作物虫害灾情，为农业生产灾情预测防治、农业保险理赔等诸多领域提供一定的技术支持。
-
公开(公告)号：CN114663399A
公开(公告)日：2022-06-24
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：CN112861802A
公开(公告)日：2021-05-28
申请号：CN202110279564.3
申请日：2021-03-16
Applicant: 吉林大学
Abstract: 本发明公开了一种基于时空深度学习融合技术的农作物全自动化分类方法，属于卫星遥感图像处理与应用的技术领域。本发明目的是解决现有高分辨率遥感影像在对农作物分类中存在的地物边界模糊或椒盐噪声现象、算法复杂度高且时间开销大、忽略特征信息对作物识别结果的影响，以及目前深度学习方法无法对高分辨率遥感影像进行及时、准确的农作物识别等问题。本发明提出全自动化的训练样本选择方法，融合地理信息的Geo‑3D CNN网络与Geo‑Conv1D网络，并采用Active Learning策略实现两种分类方法分类结果的融合。利用本发明提出的基于时空深度学习融合技术的农作物全自动化分类方法可以实现对大面积农作物的高效、准确的识别。
-
公开(公告)号：CN111582194A
公开(公告)日：2020-08-25
申请号：CN202010395467.6
申请日：2020-05-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于多特征LSTM网络的多时相高分辨率遥感影像建筑物提取方法，属于卫星遥感图像处理与应用的技术领域。目的是解决现有方法建筑物提取结果准确率低、错分率高、边界模糊等问题。本发明采用多幅多时相高分二号遥感图像作为数据源，使用基于HSI彩色变换的方法提取建筑物光谱特征、基于图分割与条件随机场后处理相结合的方法提取建筑物的形状特征、基于Gabor小波变换的方法提取建筑物的纹理信息特征和基于DSBI指数的方法提取建筑物的指数特征，将提取的多时相建筑物的光谱、形状、纹理及指数特征组成了一个拥有60个特征波段的建筑物特征集，并将制作的建筑物样本与标签送入LSTM网络中获得建筑物粗提取结果，经过形态学处理后得到最终结果。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.02 seconds)
