-
公开(公告)号：CN105913402B
公开(公告)日：2019-04-16
申请号：CN201610341777.3
申请日：2016-05-20
Applicant: 上海海洋大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于DS证据理论的多幅遥感图像融合去噪方法,该方法具体包括以下步骤：选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率；重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。其优点表现在：凭借丰富的信息源，实现去噪的同时更好的保留遥感图像边缘纹理细节。
-
公开(公告)号：CN108596248A
公开(公告)日：2018-09-28
申请号：CN201810368763.X
申请日：2018-04-23
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于改进深度卷积神经网络的遥感影像分类模型，所述遥感分类模型包括以下步骤：步骤S1、基于瓶颈单元的遥感特征影像降维；步骤S2、基于分组卷积的遥感特征影像卷积多通道优化；步骤S3、基于通道洗牌的遥感特征影像特征提取能力改进；步骤S4、面向遥感影像空间位置特征的波段化处理。其优点表现在：实现了对待输入遥感影像的降维，降低深度卷积神经网络遥感影像分类模型训练时的卷积计算量；同时，针对遥感影像的空间相关性，构建通道洗牌结构，提升分组卷积阶段神经网络的特征提取能力。针对遥感影像的空间位置特征，提高了可深度卷积神经网络模型对遥感影像的空间位置特征识别度。
-
公开(公告)号：CN106971204A
公开(公告)日：2017-07-21
申请号：CN201710209001.0
申请日：2017-03-31
Applicant: 上海海洋大学
IPC: G06K9/62
CPC classification number: G06K9/6232
Abstract: 本发明涉及一种新的基于粗集的高光谱遥感数据的降维方法，所述方法包括以下步骤：对原始的高光谱遥感影像预处理，剔除噪声干扰波段，预选地物类型，确定其拓扑结构；粗集约简，使用粗集方法去除冗余波段，保留重要波段；信息熵排序，根据信息熵对重要波段进行重要度排序，筛选出对分类结果影响大的波段组合；通过筛选出的波段组合与PCA方法进行分类精度比较，验证降维效果。其优点表现在：可以实现高光谱有效的降维，减少高光谱数据的存储量和传输量，利于高光谱图像的后续处理与分析。
-
Patent Agency Ranking
公开(公告)号：CN105279521A
公开(公告)日：2016-01-27
申请号：CN201510626946.3
申请日：2015-09-28
Applicant: 上海海洋大学
IPC: G06K9/62
CPC classification number: G06K9/6271
Abstract: 本发明涉及一种基于空间抽样的遥感影像分类结果精度检验方法，包括针对所研究区域内遥感影像分类结果的精度检验，设计一种优化方法选择空间上的最佳样本点，该方法充分考虑遥感数据之间的空间相关性，采用Moran’s I量化遥感数据像元之间的距离与相关性之间的关系，从而在研究区域内选择最佳的样本点，在保证检验精度的同时，减少样本冗余，提高检验效率。采用该种结构的基于空间抽样的遥感影像分类结果精度检验方法具有实用性广，检验效率高等优点，适用于大面积遥感影像分类结果的精度检验。
-
公开(公告)号：CN107203790A
公开(公告)日：2017-09-26
申请号：CN201710488761.X
申请日：2017-06-23
Applicant: 上海海洋大学
CPC classification number: G06K9/6265 , G06K9/00637 , G06K9/6269
Abstract: 本发明涉及一种利用二级抽样模型的中国陆地夜光遥感分类精度评价方法,其该方法具体包括以下步骤：步骤S1，在NPP/VIIRS系列数据实现对中国陆地区域的建成区提取，得到未验证的提取结果；步骤S2，建立二级抽样模型，完成对评价区域的抽样，得到可信的检验数据集；步骤S3，使用误差矩阵验证方法，对夜光数据的初步提取进行分区验证，并最终得到全体夜光数据分类结果的精度评价。利用二级抽样模型的夜光遥感分类精度评价方法，完成对夜光遥感数据的系统、有效地实现对大面积夜光遥感分类结果的精度评价，对夜光遥感城镇提取结果质量检验，能够解决了以往验证集过少，评价参数不全面的问题，达到了一种全面精确的验证结果。
-
公开(公告)号：CN105913402A
公开(公告)日：2016-08-31
申请号：CN201610341777.3
申请日：2016-05-20
Applicant: 上海海洋大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/10032
Abstract: 本发明涉及一种基于DS证据理论的多幅遥感图像融合去噪方法,该方法具体包括以下步骤：选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率；重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。其优点表现在：凭借丰富的信息源，实现去噪的同时更好的保留遥感图像边缘纹理细节。
-
公开(公告)号：CN108596248B
公开(公告)日：2021-11-02
申请号：CN201810368763.X
申请日：2018-04-23
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于改进深度卷积神经网络的遥感影像分类方法，所述遥感分类方法包括以下步骤：步骤S1、基于瓶颈单元的遥感特征影像降维；步骤S2、基于分组卷积的遥感特征影像卷积多通道优化；步骤S3、基于通道洗牌的遥感特征影像特征提取能力改进；步骤S4、面向遥感影像空间位置特征的波段化处理。其优点表现在：实现了对待输入遥感影像的降维，降低深度卷积神经网络遥感影像分类方法训练时的卷积计算量；同时，针对遥感影像的空间相关性，构建通道洗牌结构，提升分组卷积阶段神经网络的特征提取能力。针对遥感影像的空间位置特征，提高了可深度卷积神经网络模型对遥感影像的空间位置特征识别度。
-
公开(公告)号：CN105279521B
公开(公告)日：2019-07-05
申请号：CN201510626946.3
申请日：2015-09-28
Applicant: 上海海洋大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于空间抽样的遥感影像分类结果精度检验方法，包括针对所研究区域内遥感影像分类结果的精度检验，设计一种优化方法选择空间上的最佳样本点，该方法充分考虑遥感数据之间的空间相关性，采用Moran’s I量化遥感数据像元之间的距离与相关性之间的关系，从而在研究区域内选择最佳的样本点，在保证检验精度的同时，减少样本冗余，提高检验效率。采用该种结构的基于空间抽样的遥感影像分类结果精度检验方法具有实用性广，检验效率高等优点，适用于大面积遥感影像分类结果的精度检验。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
