-
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：CN117710808A
公开(公告)日：2024-03-15
申请号：CN202311566294.X
申请日：2023-11-22
Applicant: 中南林业科技大学
IPC: G06V20/10 , G06V10/44 , G06N20/00 , G06N3/0442 , G06N3/08
Abstract: 一种森林地上生物量的预测方法，包括以下步骤；1)光学数据的获取及预处理；2)对目标地的SAR数据进行预处理；3)光学与SAR影像的特征提取；4)选出两个AGB相关系数最高的两个SAR变量与相关性性绝对值大于0.1的植被指数与生物物理参数相结合，得到COSI；5)利用PIO迭代过程来优化BiLSTM神经网络模型的COSI1参数和COSI2参数；6)将隐藏层节点数链接到BiLSTM层，初始学习率和L2正则化系数的最优参数输入至BiLSTM神经网络模型里面；获得了AGB的预测值。本发明所提出的方法在AGB反演方面更具优势。与其他三个模型相比，RMSE的相对改善率高达43.6％。
-
公开(公告)号：CN116797750A
公开(公告)日：2023-09-22
申请号：CN202310711266.6
申请日：2023-06-15
IPC: G06T17/05 , G06V10/774 , G06V10/82 , G06N3/0985 , G06N5/01 , G06N20/20
Abstract: 本发明中的基于深度学习的DEM误差校正方法，包括以下步骤：S10、获取输入参数；S20、将输入参数依次输入至两个以上的基学习器中，对每个基学习器以交叉验证的方式进行训练，获得每个基学习器中输入参数与输出结果之间的对应组数的初步预测结果，并将所有基学习器的所有初步预测结果组成新特征矩阵；S30、将新特征矩阵输入至元学习器中，通过元学习器训练融合所有的初步预测结果，获得最终预测结果。本发明中通过将具有不同算法结构的多个基学习器和元学习器进行融合，能够充分结合不同基学习器和元学习器的优势，同时最小化它们的劣势，使得在提升表现的同时降低了过拟合的可能性，因而具有更强的非线性拟合能力和泛化能力。
-
公开(公告)号：CN116740296A
公开(公告)日：2023-09-12
申请号：CN202310779189.8
申请日：2023-06-28
Abstract: 一种基于最小二乘配置的TanDEM‑XDEM误差校正方法，包括以下步骤：1)由TanDEM‑X/TerraSAR‑X数据生成TanDEM‑XDEM数据，获取ICESat‑2数据；2)将DEM任意一点的误差分为系统误差和随机误差，并建立基于最小二乘配置的误差校正模型；L＝BX+GY+Δ；(1)3)由原始的TanDEM‑XDEM减去步骤2)得到的误差估计值，便可得到校正后的DEM。本发明的方法，可以同时校正TanDEM‑XDEM的系统误差和随机误差。结果表明，经过本发明方法校正后的TanDEM‑XDEM在该区域的平均误差绝对值由2.019m减少到了0.058m；均方根误差由6.141m降低到了3.851m，精度提高了37.3％。
-
公开(公告)号：CN110322557B
公开(公告)日：2022-11-08
申请号：CN201910528737.3
申请日：2019-06-18
Applicant: 中南林业科技大学
Abstract: 一种结合GPS与SRTM融合的游动平差方法，包括以下步骤：1)在第一个已知GPS点建立已知第一个GPS点与对应SRTM格网九个相邻格网的平差模型；2)求解平差模型计算对应SRTM格网和四个角点的改进高程值；3)把四个角点作为下一轮改进SRTM的已知值，求每一层平差融合后的新值与原格网值的差值，若差值的均值
-
Patent Agency Ranking
公开(公告)号：CN110322557A
公开(公告)日：2019-10-11
申请号：CN201910528737.3
申请日：2019-06-18
Applicant: 中南林业科技大学
Abstract: 一种结合GPS与SRTM融合的游动平差方法，包括以下步骤：1)在第一个已知GPS点建立已知第一个GPS点与对应SRTM格网九个相邻格网的平差模型；2)求解平差模型计算对应SRTM格网和四个角点的改进高程值；3)把四个角点作为下一轮改进SRTM的已知值，求每一层平差融合后的新值与原格网值的差值，若差值的均值
-
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。
-
公开(公告)号：CN111783706A
公开(公告)日：2020-10-16
申请号：CN202010651657.X
申请日：2020-07-08
Applicant: 中南林业科技大学
Abstract: 一种小波DFT零填充重采样重建的随机森林分类方法，首先采用BayesShrink阈值滤波法去除遥感影像中的大部分高斯白噪声，不仅能极大地提高遥感影像的信噪比，同时也能较好地保留原始影像的边缘和尖峰点；然后对去噪后的影像应用小波DFT零填充重采样算法进行重建；接着使用随机森林对重建影像进行森林分类。经小波DFT零填充重采样重建的遥感影像较原始影像，具有更高的分辨率、噪点减少、纹理结构更加清晰；且重建影像采用随机森林分类的精度得到有效提升。
-
公开(公告)号：CN110310370A
公开(公告)日：2019-10-08
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
13
records
(took 0.03 seconds)
