-
公开(公告)号：CN108932520B
公开(公告)日：2021-12-07
申请号：CN201810386697.9
申请日：2018-04-26
Applicant: 武汉大学
Abstract: 本发明公开了一种结合先验概率估计的SAR影像水体概率制图方法，包括以下步骤：步骤1，建立SAR影像像元后向散射系数分布统计模型假设；步骤2，估计水体分布先验概率；步骤3，根据研究区域影像后向散射系数σ0估计分布参数；步骤4，计算该像元属于水体的条件概率。本发明采用贝叶斯推断对研究区域影像像元后向散射系数做Gauss分布假设，随后结合k‑means聚类算法对像元做水体、非水体二分类，计算研究区域水体像元比例作为水体分布先验概率的估计值，最后结合该先验概率估计值将后向散射系数理论概率密度函数叠加在统计分布直方图之上，使用非线性最小二乘拟合完成模型参数估计，得到研究区域影像每个像元属于水体的概率。
-
公开(公告)号：CN112990041A
公开(公告)日：2021-06-18
申请号：CN202110319351.9
申请日：2021-03-25
Applicant: 武汉大学
Abstract: 本发明提供一种基于改进型U‑net的遥感影像建筑物提取方法，包括利用训练样本影像集和标签集，进行改进型U‑net网络训练，获得训练好的改进型U‑net网络；所述改进型U‑net网络，是在U‑net深度神经网络基础上，引入残差模块、中间过渡桥接模块以及Inception式最大池化模块；利用训练好的改进型U‑net网络对经处理后多光谱遥感影像进行建筑物提取，获得建筑物提取概率结果图；根据预设的阈值，在得到建筑物提取结果概率图后，设置灰度阈值T，进行建筑物提取结果二值化，获取建筑物提取结果。本发明利用遥感影像中建筑物的空间特性及光谱特性，提供用于建筑物提取的改进型U‑net网络结构，该网络具有较好的建筑物提取能力，在遥感影像中进行建筑物提取精度高，效果好。
-
公开(公告)号：CN112069938A
公开(公告)日：2020-12-11
申请号：CN202010851332.6
申请日：2020-08-21
Applicant: 武汉大学
Abstract: 本发明属于遥感技术领域，公开了一种基于随机森林的遥感影像河湖水边线提取方法，包括获得遥感影像，利用随机森林对遥感影像进行水陆识别，获得水陆二值化图像；对水陆二值化图像进行非目标去除处理，获得目标图像；对目标图像进行河湖水边线提取，获得河湖水边线提取结果。本发明解决了现有技术中河湖水边线提取难度较大、精度较低的问题，可以得到较好的河湖水边线提取精度。
-
公开(公告)号：CN110646587B
公开(公告)日：2020-10-09
申请号：CN201910934058.6
申请日：2019-09-29
Applicant: 武汉大学
IPC: G01N33/24
Abstract: 本发明公开了一种结合多源遥感数据的高分辨率农业干旱监测方法及装置，属于农业干旱监测领域，包括：对雷达、光学和地形数据进行空间分辨率转换，使之与土壤水分的低分辨率相同；以随机森林为训练模型，以粗分辨率的雷达、光学和地形数据为输入，以粗分辨率土壤水分数据为输出，获得土壤水分计算模型；将雷达、光学和地形数据进行空间分辨率转换至目标的高分辨率；计算某天高分辨率土壤水分；计算高分辨率的田间持水量和土壤凋萎系数；计算HSWDI。本发明构建了一种较为普适的土壤水分计算模型，并结合土壤农业水文特性，利用土壤水分亏缺监测农业干旱，是一种简单快捷近实时的农业干旱的预测预警方法，主要针对遥感土壤水分产品。
-
公开(公告)号：CN111325384A
公开(公告)日：2020-06-23
申请号：CN202010080915.3
申请日：2020-02-05
Applicant: 武汉大学
Abstract: 本发明提出了一种结合统计特征和卷积神经网络模型的NDVI预测方法。本发明将原始遥感影像进行波段提取和格式转换得到NDVI数据集；通过NDVI数据集构建统计特征；对NDVI数据集进行裁剪；NDVI数据集和对应的统计特征输入到结合统计特征和卷积神经网络模型中进行训练和验证，直到训练集误差降低而验证集误差升高时停止，获得NDVI预测模型。本发明可提前获取大范围土地绿度信息，填补了结合统计特征和卷积神经网络模型以预测NDVI的技术空白；相比其他传统的NDVI预测方法，本发明预测具有快速、准确的优势。
-
Patent Agency Ranking
公开(公告)号：CN108169161B
公开(公告)日：2019-12-24
申请号：CN201711320452.8
申请日：2017-12-12
Applicant: 武汉大学
IPC: G01N21/3554
Abstract: 本发明公开了一种基于改进型MODIS指数的玉米种植区域土壤湿度评估方法，该方法包括以下步骤：步骤1)对采集到的MODIS遥感数据进行预处理；2)遥感指标计算；3)植被覆盖度分区；4)根据步骤3)中确定的裸土低植被与中高植被覆盖区域的阈值，构建改进型MODIS指数；5)构建土壤含水量估算模型。相对于被动微波产品，本发明空间分辨率较好，相较于主动微波，本发明时间分辨率较高。本发明折中了主被动微波方法的时间与空间分辨率特点，提供了同时具有较好时间与空间分辨率的表层土壤含水量估算方法。
-
公开(公告)号：CN105930173A
公开(公告)日：2016-09-07
申请号：CN201610329521.0
申请日：2016-05-18
Applicant: 武汉大学
CPC classification number: G06F9/4416 , G06F9/5016 , G06T3/4038 , G06T2207/20221 , H04L67/1097
Abstract: 本发明公开了一种基于OSGi的MODIS数据分布式处理方法，将IDL语言进行编程实现的MODIS数据生产算法进行并行化与组件化改造，使之能够在分布式的OSGi环境中进行动态的部署与安装，并将MODIS数据生产封装成OSGi中的标准服务，通过服务调用实现MODIS数据的分布式生产。本发明整合了局域网内的计算资源，提高了MODIS数据处理的效率；改变了原有软件手工操作的生产模式，减少数据生产过程中的人工交互及出错概率，为MODIS数据生产带来了统一规范的管理方式。
-
公开(公告)号：CN103281376B
公开(公告)日：2015-11-11
申请号：CN201310211886.X
申请日：2013-05-31
Applicant: 武汉大学
IPC: H04L29/08
Abstract: 一种云环境下海量时序遥感影像的自动缓存构建方法：针对Hadoop云环境下影像缓存构建特点，在固定时间间隔内对新接收的分景数据进行数据优化划分，执行数据块粒度的单景或多景数据缓存计算，并通过数据块在云环境中的优化放置影响缓存切片的任务调度，从而以时间上连续的多个小批量MapReduce任务实现时序影像持续抵达情况下的自动缓存构建过程。本发明通过若干优化策略尽可能地发挥MapReduce“数据本地化计算”特性，利用Hadoop提供的可扩展云计算能力，在短周期内能够快速构建与更新多种时序抵达遥感数据的缓存服务；适用于不同空间时间分辨率，不同数据源的遥感影像，具有良好的普适性。
-
公开(公告)号：CN103092775B
公开(公告)日：2015-06-10
申请号：CN201310037992.0
申请日：2013-01-31
Applicant: 武汉大学
IPC: G06F12/08
Abstract: 本发明公开了一种基于键值结构的空间数据双缓存方法及机制，属于空间数据存储与管理技术领域。本发明基于键值结构提出了内存缓存和文件缓存的双缓存机制，内存缓存为第一级缓存，使用B+树组织数据，并采用缓存回写机制以异步方式写入文件缓存；文件缓存为第二级缓存，使用大文件构建，并构建基于B+树的缓存索引以加快检索速度；文件缓存的空闲空间使用基于B+树的空闲空间管理。本发明保持了键值存储模式自由、查询速度快和并发性能高等优点，提高了网络环境下空间数据缓存的存储和访问效率，可用于网络GIS中遥感影像、矢量数据、DEM等类空间数据的缓存。
-
公开(公告)号：CN103281376A
公开(公告)日：2013-09-04
申请号：CN201310211886.X
申请日：2013-05-31
Applicant: 武汉大学
IPC: H04L29/08
Abstract: 一种云环境下海量时序遥感影像的自动缓存构建方法：针对Hadoop云环境下影像缓存构建特点，在固定时间间隔内对新接收的分景数据进行数据优化划分，执行数据块粒度的单景或多景数据缓存计算，并通过数据块在云环境中的优化放置影响缓存切片的任务调度，从而以时间上连续的多个小批量MapReduce任务实现时序影像持续抵达情况下的自动缓存构建过程。本发明通过若干优化策略尽可能地发挥MapReduce“数据本地化计算”特性，利用Hadoop提供的可扩展云计算能力，在短周期内能够快速构建与更新多种时序抵达遥感数据的缓存服务；适用于不同空间时间分辨率，不同数据源的遥感影像，具有良好的普适性。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.027 seconds)
