-
公开(公告)号：CN119180723B
公开(公告)日：2025-03-25
申请号：CN202411640482.7
申请日：2024-11-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06Q50/02 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种林区跨季变化检测方法、系统及计算机程序产品，所述方法包括：获取林区遥感时间序列数据和多时相高空间分辨率遥感影像数据；基于卷积神经网络和时间注意力机制构建林区物候及环境扰动检测模型；基于卷积神经网络和多任务学习方法构建林区植被类型变化检测模型；获得林区物候及环境扰动检测结果，据此对林区植被类型变化检测模型进行微调和再训练，获得林区跨季变化检测模型；获得林区跨季变化检测结果。本发明提供的技术方案，基于林区植被类型变化检测，整合林区物候及环境扰动变化信息，提取植被覆盖精细尺度详细变化信息，实现年内多期植被覆盖精细变化信息准确提取；基于多项指标对网络模型进行综合评估和微调完善。
-
公开(公告)号：CN119048866B
公开(公告)日：2025-03-25
申请号：CN202411523394.9
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区植被类型变化检测方法、系统及计算机程序产品，包括：获取林区多时相高空间分辨率遥感图像数据；根据林区多时相高空间分辨率遥感图像数据，基于卷积神经网络模型和多任务学习构建多任务全卷积神经网络模型；基于林区多时相高空间分辨率遥感图像数据，构建样本数据集，对多任务全卷积神经网络模型进行训练，获得林区植被类型变化检测模型；将林区多时相高空间分辨率遥感图像数据输入林区植被类型变化检测模型，获得林区植被类型变化检测结果。本发明提供的技术方案，能够利用林区多时相高空间分辨率遥感图像数据，构建多任务全卷积神经网络模型，检测林区植被类型变化，实现植被覆盖变化的精准检测。
-
公开(公告)号：CN119180723A
公开(公告)日：2024-12-24
申请号：CN202411640482.7
申请日：2024-11-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06Q50/02 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种林区跨季变化检测方法、系统及计算机程序，所述方法包括：获取林区遥感时间序列数据和多时相高空间分辨率遥感影像数据；基于卷积神经网络和时间注意力机制构建林区物候及环境扰动检测模型；基于卷积神经网络和多任务学习方法构建林区植被类型变化检测模型；获得林区物候及环境扰动检测结果，据此对林区植被类型变化检测模型进行微调和再训练，获得林区跨季变化检测模型；获得林区跨季变化检测结果。本发明提供的技术方案，基于林区植被类型变化检测，整合林区物候及环境扰动变化信息，提取植被覆盖精细尺度详细变化信息，实现年内多期植被覆盖精细变化信息准确提取；基于多项指标对网络模型进行综合评估和微调完善。
-
公开(公告)号：CN119048865A
公开(公告)日：2024-11-29
申请号：CN202411523361.4
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区物候及环境扰动检测方法、系统及计算机程序，包括：获取林区遥感时间序列图像数据；根据林区遥感时间序列图像数据，基于卷积神经网络和时间注意力机制构建时间序列全卷积神经网络模型；基于林区遥感时间序列图像数据，构建样本数据集，对时间序列全卷积神经网络模型进行训练，获得林区物候及环境扰动检测模型；将林区遥感时间序列图像数据输入林区物候及环境扰动检测模型，获得林区物候及环境扰动检测结果。本发明提供的技术方案，能够利用高时序中空间分辨率的林区遥感时间序列图像数据，构建时间序列全卷积神经网络模型，识别林区物候及环境扰动变化，定位扰动区域和时间。
-
公开(公告)号：CN111753726B
公开(公告)日：2024-01-19
申请号：CN202010588462.5
申请日：2020-06-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V20/10
Abstract: 本发明提供了一种基于树冠编码的磁力标记树冠边界矢量化方法，用以解决现有技术中树冠边界矢量化效率低的问题。所述边界矢量化方法，在树冠编码栅格单元的基础上，新建树冠标记栅格层，在当前栅格单元的树冠编码有效且未完成矢量化时，作为种子点，获得矢量化的树冠边界，再对边界范围内的栅格单元进行磁力标记，得到磁力标记的树冠栅格单元。本发明不依赖于树冠顶点信息，不需要建立空间索引，不需要判断栅格单元是否位于已经矢量化的树冠边界内，通过磁力标记能够快速地实现树冠边界矢量化，随着数据量的增加，运算时间线性增加，而不会出现几何化增长，运算效率高，节约时间，同时也适用于大数据量栅格的快速矢量化。
-
Patent Agency Ranking
公开(公告)号：CN101976357A
公开(公告)日：2011-02-16
申请号：CN201010508761.X
申请日：2010-10-18
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06K9/64
Abstract: 本发明提供了一种全极化合成孔径雷达(SAR)图像分类方法及装置。通过将复数形式的全极化SAR图像数据的协方差矩阵转换为完全由强度量表示的形式，并基于转换后的由强度量表示的图像数据，进行全极化SAR图像分类处理。从而将服从不同统计分布的全极化SAR图像数据转换为对应的服从统一分布的后向散射强度图像数据，以便于现有基于遥感图像数据服从统一分布的遥感图像处理方法，例如基于光学遥感图像发展的分割与面向对象分类方法，可以适于对全极化SAR图像数据进行处理，进而提高了全极化SAR图像数据的分类精度。
-
公开(公告)号：CN119048865B
公开(公告)日：2025-03-18
申请号：CN202411523361.4
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区物候及环境扰动检测方法和系统，包括：获取林区遥感时间序列图像数据；根据林区遥感时间序列图像数据，基于卷积神经网络和时间注意力机制构建时间序列全卷积神经网络模型；基于林区遥感时间序列图像数据，构建样本数据集，对时间序列全卷积神经网络模型进行训练，获得林区物候及环境扰动检测模型；将林区遥感时间序列图像数据输入林区物候及环境扰动检测模型，获得林区物候及环境扰动检测结果。本发明提供的技术方案，能够利用高时序中空间分辨率的林区遥感时间序列图像数据，构建时间序列全卷积神经网络模型，识别林区物候及环境扰动变化，定位扰动区域和时间。
-
公开(公告)号：CN104361592A
公开(公告)日：2015-02-18
申请号：CN201410645071.7
申请日：2014-11-14
Applicant: 中国林业科学研究院资源信息研究所
CPC classification number: G01S13/9005 , G01S13/9023 , G06T2207/10044
Abstract: 本发明是有关于一种森林地上生物量估测方法及装置，其中的方法包括：针对预处理后的一对极化干涉SAR影像，利用像元的复相干在垂直方向上的勒让德展开式来估测像元的相对反射率的垂直分布；针对预处理后的主影像中的所有像元进行散射类区分，将影像中所有体散射类像元形成的区域作为森林区域，并进行面向对象分割，以获得表示均质森林对象的多个多边形林分；针对各多边形林分，分别计算平均相对反射率垂直结构剖面，并对各平均相对反射率垂直结构剖面进行参数化处理；根据获得的多个参数建立多元线性森林地上生物量估测模型，并利用该模型分别计算各多边形林分的森林地上生物量。本发明提供的技术方案可以对森林地上生物量进行更准确地估测。
-
公开(公告)号：CN1790379A
公开(公告)日：2006-06-21
申请号：CN200410098953.2
申请日：2004-12-17
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06K9/62
Abstract: 本发明涉及遥感遥测技术领域，特别是一种遥感影像决策树分类系统及方法。系统包括：遥感影像存储单元、显示器、影像显示放缩漫游控制单元、训练区域人机交互定义单元、决策树生长与剪枝单元、决策树及分类精度评价结果文件保存单元、遥感影像分类处理单元、分类结果影像文件存储单元。方法包括：启动程序启动分类系统；遥感影像显示程序显示影像；训练区域定义程序定义训练样区；样本数据提取程序提取训练样本数据；决策树生长和剪枝程序生成决策树；精度评价程序计算分类精度评价指标；遥感影像逐像元分类处理程序生成分类结果影像。本发明可用于星载或机载传感器获取的各种遥感影像的分类处理。
-
公开(公告)号：CN119048866A
公开(公告)日：2024-11-29
申请号：CN202411523394.9
申请日：2024-10-30
Applicant: 中国林业科学研究院资源信息研究所
IPC: G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/82 , G06V20/10 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种林区植被类型变化检测方法、系统及计算机程序，包括：获取林区多时相高空间分辨率遥感图像数据；根据林区多时相高空间分辨率遥感图像数据，基于卷积神经网络模型和多任务学习构建多任务全卷积神经网络模型；基于林区多时相高空间分辨率遥感图像数据，构建样本数据集，对多任务全卷积神经网络模型进行训练，获得林区植被类型变化检测模型；将林区多时相高空间分辨率遥感图像数据输入林区植被类型变化检测模型，获得林区植被类型变化检测结果。本发明提供的技术方案，能够利用林区多时相高空间分辨率遥感图像数据，构建多任务全卷积神经网络模型，检测林区植被类型变化，实现植被覆盖变化的精准检测。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.034 seconds)
