-
公开(公告)号：CN118964968B
公开(公告)日：2025-03-11
申请号：CN202411011137.7
申请日：2024-07-26
Applicant: 中南林业科技大学 , 湖南省自然资源事务中心
IPC: G06F18/2135 , G01S13/90 , G01S13/95 , G01S19/39 , G06F17/18
Abstract: 本发明公开了一种基于独立主成分分析和非平稳性探测的MT‑InSAR大气改正方法。包括：利用时序N景SAR影像形成的M幅差分干涉图，在选择高相干点后，校正轨道误差相位和地形相关的对流层延迟相位，并结合最小二乘估计获取时序上N景累积的差分干涉相位。然后，基于高相干点位置信息对研究区域进行格网划分，通过空间独立成分分析(sICA)算法和非平稳性探测算法处理每个格网的差分干涉相位，识别并重建大气误差信号与形变源信号，从而计算格网的时序形变结果。利用高相干点在相邻格网重叠区域的形变结果，实现整体研究区域形变结果的拼接，有效提升了时序InSAR形变监测的精度，避免了对高时空分辨率气象数据或主观滤波方法的依赖。
-
公开(公告)号：CN117473215A
公开(公告)日：2024-01-30
申请号：CN202311383585.5
申请日：2023-10-24
Abstract: 本申请适用于获取地表数字高程模型技术领域，提供了一种基于重复轨道InSAR的DEM高频更新方法及设备，该方法包括：获取多个重复轨道SAR影像数据；解缠获取解缠相位矩阵；基于多轨道解缠相位矩阵构建观测方程组，获取观测方程组的初始解；对初始解进行稳健估计得到稳健权重矩阵；计算后验方差矩阵；利用后验方差矩阵对稳健权重矩阵更新得到权重矩阵，判断后验方差矩阵中元素是否相等，若是，权重矩阵作为最优权重矩阵，否则，权重矩阵作为初始权重矩阵，返回对初始解进行稳健估计得到稳健权重矩阵的步骤；利用最优权重矩阵估计第T个时刻的地形残差，与参考DEM相加，得到当前的DEM。该方法能够解决DEM更新准确性低的问题。
-
公开(公告)号：CN112733596A
公开(公告)日：2021-04-30
申请号：CN202011393002.3
申请日：2020-12-01
Applicant: 中南林业科技大学
Abstract: 本发明涉及森林监测，具体涉及一种基于中高空间分辨率遥感影像融合的森林资源变化监测方法及应用。其方案包括以下步骤：(1)采集地物遥感数据；(2)对所采集的地物遥感数据预处理；(3)构建森林影像融合模型。因此本发明研究了单时相遥感影像时空融合技术，利用已有的中空间分辨率遥感影像和高空间分辨率遥感影像(简称中高空间分辨率遥感影像)生成某时刻缺失的、高质量的高空间分辨率融合影像，并将高空间分辨率融合影像应用到森林资源变化监测中，对森林资源的空间分布及其利用状况进行观测分析与评价，及时掌握森林资源现状和覆盖变化动态，为林业规划与政策实施提供重要依据。
-
公开(公告)号：CN110085433B
公开(公告)日：2020-12-04
申请号：CN201910256257.6
申请日：2019-04-01
Applicant: 中南林业科技大学
Abstract: 基于碳纳米管和二氧化锰的杉木碳片电极材料，包括由碳化后的片状杉木片经过活化处理、化学气相沉积和电化学沉积得到；经过活化处理在碳化后的片状杉木片内形成有从上到下整齐顺直的管胞结构；化学气相沉积包括在CO2活化后的片状杉木片上化学气相沉积碳纳米管，使得在管胞结构的内壁生长有碳纳米管；电化学沉积包括在化学气相沉积后的片状杉木片上碳纳米管的周围电化学沉积有二氧化锰。本发明采用化学气相沉积法在杉木管胞内壁制备了碳纳米管，并在管胞内表面电化学沉积了MnO2，提高了器件的稳定性和循环性能。
-
公开(公告)号：CN111652092A
公开(公告)日：2020-09-11
申请号：CN202010427807.9
申请日：2020-05-19
Applicant: 中南林业科技大学
Abstract: 本发明涉及森林覆盖变化监测，具体涉及一种基于Sentinel-2A数据监测森林覆盖变化的方法。本发明通过以Sentinel-2A遥感影像为数据源，从NDVI归一化植被指数、NDWI归一化水体指数、NDBI归一化建筑指数等方面设计构建指数得到对应地物的识别方式，然后引入纹理特征和决策树分类模型，通过光谱特征指数和纹理特征结合探究地物分类规则，运用决策树分类模型进行地物分类，得到相应森林覆盖面积，根据两个时间节点森林覆盖面积比较得到森林覆盖变化情况。本发明的方案解决了在地物复杂，相似度高的区域，利用单一光谱特征无法较为精确的进行森林覆盖变化监测的问题。本发明通过对Sentinel-2A影像的光谱特征和纹理特征结合研究，可以对地物复杂化和植被多样化的地域进行精确地监测并提高监测时效性，并且经与实地考察核算后，本发明的方法与实地调查统计的结果一致性高。
-
Patent Agency Ranking
公开(公告)号：CN109192525B
公开(公告)日：2020-05-12
申请号：CN201810914960.7
申请日：2018-08-13
Applicant: 中南林业科技大学
Abstract: 一种基于杉木的超级电容器电极材料，由碳化后的片状杉木经过活化处理得到，所述活化处理包括CO2活化，所述CO2活化为：在CO2流动气氛中在650‑850℃的温度下活化处理8‑12小时，将活化后的杉木片抛光成厚度为0.4‑1.2mm的薄片。本发明中，采用CO2，碱和酸依次活化碳化横切杉木薄片。通过一系列活化处理，碳木木片具有更多的微纳米孔道，其比表面积显着增加至613.2m2g‑1。通过使用这些薄片作为电极，构建了具有优异的综合性能、高比电容和高能量密度的对称型超级电容器。
-
公开(公告)号：CN110310308A
公开(公告)日：2019-10-08
申请号：CN201910528152.1
申请日：2019-06-18
Applicant: 中南林业科技大学
Abstract: 近年来，所有的图像配准算法都是基于整景图像信息的配准，这样会花费大量的时间，特别是对于数据量巨大的遥感影像。这里提出一种新的基于子图的图像配准算法，这种算法在保证亚像素配准精度的前提下可以极大程度地减少配准时间。这个算法的中心思想是具有全局变换的图像对的变换模型通常与从原始图像划分的子图像的变换模型一致，反之亦然。因此，这个算法首先把参考图像划分为相同大小的子图，然后对每个子图进行小波分解，提取小波系数和最大的子图作为新的参考图像，接着利用小波变换和矩阵乘法离散傅里叶变换对待配准图像和参考子图。本发明和整个图配准一样能达到亚像素配准精度，且可以大量地缩短计算时间。
-
公开(公告)号：CN108595373A
公开(公告)日：2018-09-28
申请号：CN201810098507.3
申请日：2018-01-31
Applicant: 中南林业科技大学
Abstract: 在一些地形条件极其复杂的地区，由于观测受到限制，很难在图上选取同名控制点进行配准。在无控制高程配准中，最近邻点迭代算法迭代收敛速度很快，但是由于计算距离比较复杂，整体计算效率不高，且对于存在尺度变换的数据无法正确匹配；最小高程差算法迭代收敛速度较慢，但是计算量小，计算效率很高。针对两种经典无控制配准算法存在的问题，结合最近邻点迭代算法和最小高程差算法的优点，提出一种无控制DEM配准方法，该方法成功避免了最小高程差算法由于初始值的选择而导致的收敛速度慢的问题，提高了无控制高程的收敛速度和配准精度。
-
公开(公告)号：CN117332820A
公开(公告)日：2024-01-02
申请号：CN202311456586.8
申请日：2023-11-03
Applicant: 中南林业科技大学
IPC: G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于特征增强集成学习框架的SRTM DEM校正方法，包括以下步骤：1)通过FEB模块扩展特征数量；2)通过FRB模块增强特征；3)通过深度森林变体算法对SRTM DEM进行校正；增强的特征XB首先压缩成一个一维特征向量，称为XC＝{N×40}，深度森林变体算法基于XC预测高程误差，并通过从原始SRTM DEM中减去预测误差来改进SRTM DEM精度；所述深度森林变体算法为通过自适应提升算法训练深度森林，自适应提升算法中对拟合质量和特征重要性进行自适应加权。本发明所提出的校正方法与五种传统典型的SRTM DEM校正算法相比可以增强SRTM DEM在复杂地形和植被条件下的精度。
-
公开(公告)号：CN110310370B
公开(公告)日：2023-01-10
申请号：CN201910528151.7
申请日：2019-06-18
Applicant: 中南林业科技大学
Abstract: 一种基于积分平差实现GPS与SRTM点面融合的方法，包括以下步骤：1)通过地面GPS观测，获得目标地区SRTM的DEM格网上任一点p的GPS高程值hp；2)用测量平差方法把hp和p所在DEM格网的高程值进行融合；得到p点所在格网的格网值和四个角点a、b、c、d新的高程值；作为第一层融合；3)以a、b、c、d四个点为新的观测值，分别对其周围的网格进行融合，得到外围8格网融合后新的格网值及外围12个节点的新的高程；作为第二层融合；依次类推，得到全格网的高程值；当有格网的角点得到多个高程值时，取平均值。本发明的基于积分平差实现GPS与SRTM点面融合的方法的精度高。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.027 seconds)
