-
公开(公告)号：CN115761526A
公开(公告)日：2023-03-07
申请号：CN202211556501.9
申请日：2022-12-06
Applicant: 中国科学院地理科学与资源研究所 , 中国地质大学(武汉)
Abstract: 本发明涉及一种融合稀疏照片的卫星遥感影像土地覆被制图方法及系统，其方法包括：步骤S1：利用预训练的Places‑CNN模型提取卫星遥感影像覆盖区域内稀疏照片的语义特征；步骤S2：对语义特征插值，得到稀疏照片插值特征图；步骤S3：使用编码器将稀疏照片插值特征图分层级融入卫星遥感影像各层级编码特征中，得到融合特征；使用解码器对融合特征进行解码，得到土地覆被图；步骤S4：根据稀疏照片，目视判断对其中地物按材质进行分类；利用稀疏照片插值范围内对应的卫星遥感影像像元材质作为监督信息，对插值范围外的土地覆被图依据其地物材质进行精细化分类。本发明提供的方法，将稀疏照片融合至卫星遥感影像，实现更精细化的土地覆被分类。
-
公开(公告)号：CN110263716A
公开(公告)日：2019-09-20
申请号：CN201910539868.1
申请日：2019-06-21
Applicant: 中国科学院地理科学与资源研究所
Abstract: 本发明公开了一种基于街景图像的遥感影像超分辨率土地覆被制图方法。首先，对遥感影像进行预处理，用软分类方法获取得到分数影像；同时，利用卷积神经网络模型(Convolutional Neural Network,简称CNN)和空间定位技术，提取街景图像中地物属性信息。其次，根据设定放大因子，对街景图像中地物进行粗定位，计算其所占亚像元的面积比。然后，综合考虑分数影像与街景图像中地物的类别和位置属性，计算亚像元的空间依赖指数。最后，根据亚像元的空间依赖指数和亚像元面积比，获取得到亚像元的类别隶属度，进而得到超分辨率的土地覆被制图结果。本发明构建基于街景图像的遥感影像超分辨率土地覆被制图方法理论模型，能够融合高分辨率的图片地物信息，制图结果的精度高。
-
公开(公告)号：CN103632065A
公开(公告)日：2014-03-12
申请号：CN201310710711.3
申请日：2013-12-19
Applicant: 中国科学院地理科学与资源研究所
IPC: G06F19/00
Abstract: 本发明公开了一种基于模拟退火的复杂地表空间遥感产品像元值精度验证方法，包括针对选定较大面积遥感像元内地物对象存在的相关性和异质性，使用模拟退火算法对指定数量样本的空间位置进行合理布局和样本权重，进而得到对该像元尺度总体估计的更高精度。本发明具有实用性广、估计精度高等优点，适用于复杂地表遥感产品像元尺度验证的抽样调查，如地表植被指数、农作物种植面积、环境污染分布、生态参数提取等。
-
公开(公告)号：CN101694671A
公开(公告)日：2010-04-14
申请号：CN200910236202.5
申请日：2009-10-27
Applicant: 中国地质大学(武汉) , 石家庄经济学院 , 中国科学院地理科学与资源研究所
Abstract: 本发明一种基于地学栅格图像的空间加权主成分分析的方法，包括选定要进行主成分分析的N个栅格图像或称N个变量、定义待处理图像的加权值W、求变量间加权相关系数矩阵、根据相关矩阵求解特征根、确定主成分进行综合评价以及相对应的一套统计分析图表。本发明是利用样本位置属性给样本中增加空间权重因素来来改进相关矩阵，可以提高那些大权重(权重值接近于1)像元处的重要性，减小那些权重较小点处(权重值接近于0)像元的影响。本发明适用于地学数据如地质数据、矿产数据、地球化学异常、地球物理数据和遥感数据等进行矿产勘查和资源评价、环境污染评价、自然灾害分析等地学信息提取和地学数据挖掘工作。
-
公开(公告)号：CN101276420A
公开(公告)日：2008-10-01
申请号：CN200810104286.2
申请日：2008-04-17
Applicant: 中国科学院地理科学与资源研究所
IPC: G06K9/62
Abstract: 一种融合光谱信息和多点模拟空间信息的分类方法：(1)对遥感图像的光谱信息的像元进行MLC分类，得到每个像元对于各类别的概率矢量；(2)为多点模拟MPS选择样本数据；(3)对于图像中每一个像元根据其条件数据的数目，使用多点模拟方法建立概率模型并且保存概率矢量；(4)采用数据融合方法将两个概率矢量融合起来；(5)得到和结果是一个由各类别对应归属概率组成的概率矢量，在每个像元的概率矢量中对应某一类别的归属概率最大，则将这个像元分到相应的该类别中去，从而得到最终的分类结果。本发明提高了分类精度，在遥感图像解译中有非常广泛的应用，从而可以应用到地质矿产、气象、地理、测绘、海洋研究、军事侦察及环境监测等领域。
-
Patent Agency Ranking
公开(公告)号：CN116823622A
公开(公告)日：2023-09-29
申请号：CN202310964224.3
申请日：2023-08-02
Applicant: 中国科学院地理科学与资源研究所
Abstract: 本发明涉及一种融合地学信息的CNN超分辨率土地覆盖制图方法及系统，其方法包括：S1：获取遥感影像数据以及具有地理位置信息的地学信息数据，输入改进的多尺度U‑Net模型，输出遥感影像特征和地学信息特征；S2：将遥感影像特征和地学信息特征输入注意力机制位置权重计算模块，构建具有位置权重的地学信息特征图；S3：将具有位置权重的地学信息特征图其与遥感影像特征通过特征融合模块进行叠加，生成融合地学信息与影像特征的抽象特征图；S4：对抽象特征图进行连续的上采样操作，获取特定尺度下更高空间分辨率的特征图，利用激活函数获取各个亚像元的超分辨率制图结果。本发明提供的方法能够获取高分辨率、高精度的土地覆盖制图。
-
公开(公告)号：CN110263717B
公开(公告)日：2021-04-09
申请号：CN201910539888.9
申请日：2019-06-21
Applicant: 中国科学院地理科学与资源研究所
Abstract: 本发明公开了一种融入街景影像的土地利用类别确定方法。首先，通过深度学习卷积神经网络的方式提取街景影像采样点中精细地物类别信息；同时，对遥感影像进行预处理，使用监督分类方法获取土地覆被图。其次，通过街景采样点所处像元的光谱、纹理、形状以及地理分布信息，推求临近像元的类别情况。最后融合像元分类信息与土地覆被图，得到精细的多类别土地利用结果。本发明从遥感基于像元分类出发，结合了精细的街景信息，分类结果的精度高。
-
公开(公告)号：CN110263717A
公开(公告)日：2019-09-20
申请号：CN201910539888.9
申请日：2019-06-21
Applicant: 中国科学院地理科学与资源研究所
Abstract: 本发明公开了一种融入街景影像的土地利用类别确定方法。首先，通过深度学习卷积神经网络的方式提取街景影像采样点中精细地物类别信息；同时，对遥感影像进行预处理，使用监督分类方法获取土地覆被图。其次，通过街景采样点所处像元的光谱、纹理、形状以及地理分布信息，推求临近像元的类别情况。最后融合像元分类信息与土地覆被图，得到精细的多类别土地利用结果。本发明从遥感基于像元分类出发，结合了精细的街景信息，分类结果的精度高。
-
公开(公告)号：CN106846246B
公开(公告)日：2019-07-05
申请号：CN201611164569.7
申请日：2016-12-16
Applicant: 河海大学 , 中国科学院地理科学与资源研究所
IPC: G06T3/40
Abstract: 本发明公开了一种基于对象的遥感影像超分辨率制图方法，针对基于对象遥感分类过程面临的混合对象问题，开展基于对象软分类获取各对象的类别比例，利用混合对象及其邻域对象之间的空间关系，依靠地理学第一定律——空间相关性原理，借助地统计学中的去卷积和面到点克里金插值技术，估计混合对象内各亚像元的空间相关性特征，在混合对象各类别比例约束下构建一个基于对象的线性优化模型确定亚像元的最优类别属性，进而完成遥感影像的超分辨率制图。本发明具有实用性强、模拟精度高等优点，适用于遥感数据分类、土地覆被/利用、变化检测等地表信息提取和地学数据挖掘工作。
-
公开(公告)号：CN106846246A
公开(公告)日：2017-06-13
申请号：CN201611164569.7
申请日：2016-12-16
Applicant: 河海大学 , 中国科学院地理科学与资源研究所
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开了一种基于对象的遥感影像超分辨率制图方法，针对基于对象遥感分类过程面临的混合对象问题，开展基于对象软分类获取各对象的类别比例，利用混合对象及其邻域对象之间的空间关系，依靠地理学第一定律——空间相关性原理，借助地统计学中的去卷积和面到点克里金插值技术，估计混合对象内各亚像元的空间相关性特征，在混合对象各类别比例约束下构建一个基于对象的线性优化模型确定亚像元的最优类别属性，进而完成遥感影像的超分辨率制图。本发明具有实用性强、模拟精度高等优点，适用于遥感数据分类、土地覆被/利用、变化检测等地表信息提取和地学数据挖掘工作。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.037 seconds)
