-
公开(公告)号：CN109858450B
公开(公告)日：2020-10-23
申请号：CN201910110621.8
申请日：2019-02-12
Applicant: 中国科学院遥感与数字地球研究所 , 应急管理部国家减灾中心
Abstract: 本发明公开一种十米级空间分辨率遥感影像城镇提取方法及系统。所述提取方法包括：采集夏季时相的十米级空间分辨率光学遥感影像和城镇地区的夜间灯光数据；根据光学遥感影像建立城镇和非城镇多尺寸遥感影像训练样本集；根据深度学习特征训练城镇场景图像分类器，获得训练分类器；计算夜间灯光数据的最佳阈值，最佳阈值为夜间灯光数据中用于分割城镇和非城镇两个区域类型的分割点数值；在初始城镇区域分布掩膜图约束的空间范围内采用训练分类器进行多尺度格网的城镇场景分类，获得城镇分类结果；将城镇分类结果进行后处理操作，获得城镇边界提取结果。通过采用最佳阈值分割夜间灯光数据获得城镇和非城镇两个区域类型的分布范围和使用多尺度格网的城镇场景分类提高了城镇边界提取结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN105005784A
公开(公告)日：2015-10-28
申请号：CN201510259887.0
申请日：2015-05-21
Applicant: 中国科学院遥感与数字地球研究所
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明涉及一种基于CD-DTW距离的时间序列遥感影像土地覆盖分类方法，主要步骤包括：输入多时相Landsat8遥感影像，进行相对辐射校正和几何精校正；计算多时相Landsat8遥感影像的NDVI图像；将多时相Landsat8遥感影像的绿、红、近红外波段时间序列与NDVI时间序列组成多特征时间序列；对多特征时间序列进行基于CD-DTW距离的K均值聚类，得到聚类结果；对聚类结果进行类别合并，得到最终的分类结果。本发明通过多特征的优化组合以及对DTW距离的改进能有效地实现时间序列遥感影像土地覆盖分类，并且能够消除云等尖锐噪声对时间序列遥感影像分类的影响。
-
公开(公告)号：CN105005784B
公开(公告)日：2019-01-15
申请号：CN201510259887.0
申请日：2015-05-21
Applicant: 中国科学院遥感与数字地球研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于CD‑DTW距离的时间序列遥感影像土地覆盖分类方法，主要步骤包括：输入多时相Landsat8遥感影像，进行相对辐射校正和几何精校正；计算多时相Landsat8遥感影像的NDVI图像；将多时相Landsat8遥感影像的绿、红、近红外波段时间序列与NDVI时间序列组成多特征时间序列；对多特征时间序列进行基于CD‑DTW距离的K均值聚类，得到聚类结果；对聚类结果进行类别合并，得到最终的分类结果。本发明通过多特征的优化组合以及对DTW距离的改进能有效地实现时间序列遥感影像土地覆盖分类，并且能够消除云等尖锐噪声对时间序列遥感影像分类的影响。
-
公开(公告)号：CN110866494B
公开(公告)日：2022-09-06
申请号：CN201911112285.7
申请日：2019-11-14
Applicant: 三亚中科遥感研究所 , 中国科学院遥感与数字地球研究所
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明提出了一种基于光学遥感影像的城镇群提取方法及系统。本发明的方法，首先，根据光学遥感影像数据与全球地表覆盖分类数据建立训练样本库；然后，建立带有注意力机制的深度卷积神经网络模型；利用训练样本库的训练样本对带有注意力机制的深度卷积神经网络模型进行训练，获得城镇群提取模型；最后，获取待检测区域的光学遥感影像，进行城镇群的提取。本发明利用带有注意力机制的深度卷积神经网络，通过深度学习语义分割来获取遥感图像地物分类信息，充分利用了遥感图像中更加深层次的形状、纹理、语义等信息，提高了基于光学遥感影像的城镇群提取的准确性，并且无需人工的参与，提高了城镇群提取的实时性和效率。
-
公开(公告)号：CN110866494A
公开(公告)日：2020-03-06
申请号：CN201911112285.7
申请日：2019-11-14
Applicant: 三亚中科遥感研究所 , 中国科学院遥感与数字地球研究所
Abstract: 本发明提出了一种基于光学遥感影像的城镇群提取方法及系统。本发明的方法，首先，根据光学遥感影像数据与全球地表覆盖分类数据建立训练样本库；然后，建立带有注意力机制的深度卷积神经网络模型；利用训练样本库的训练样本对带有注意力机制的深度卷积神经网络模型进行训练，获得城镇群提取模型；最后，获取待检测区域的光学遥感影像，进行城镇群的提取。本发明利用带有注意力机制的深度卷积神经网络，通过深度学习语义分割来获取遥感图像地物分类信息，充分利用了遥感图像中更加深层次的形状、纹理、语义等信息，提高了基于光学遥感影像的城镇群提取的准确性，并且无需人工的参与，提高了城镇群提取的实时性和效率。
-
公开(公告)号：CN109858450A
公开(公告)日：2019-06-07
申请号：CN201910110621.8
申请日：2019-02-12
Applicant: 中国科学院遥感与数字地球研究所 , 应急管理部国家减灾中心
Abstract: 本发明公开一种十米级空间分辨率遥感影像城镇提取方法及系统。所述提取方法包括：采集夏季时相的十米级空间分辨率光学遥感影像和城镇地区的夜间灯光数据；根据光学遥感影像建立城镇和非城镇多尺寸遥感影像训练样本集；根据深度学习特征训练城镇场景图像分类器，获得训练分类器；计算夜间灯光数据的最佳阈值，最佳阈值为夜间灯光数据中用于分割城镇和非城镇两个区域类型的分割点数值；在初始城镇区域分布掩膜图约束的空间范围内采用训练分类器进行多尺度格网的城镇场景分类，获得城镇分类结果；将城镇分类结果进行后处理操作，获得城镇边界提取结果。通过采用最佳阈值分割夜间灯光数据获得城镇和非城镇两个区域类型的分布范围和使用多尺度格网的城镇场景分类提高了城镇边界提取结果的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.037 seconds)
