公开(公告)号：CN116670728A

公开(公告)日：2023-08-29

申请号：CN202180085480.4

申请日：2021-12-17

Applicant: 卢森堡科学技术研究院

Inventor： R·霍斯塔奇 ,  M·奇尼 ,  P·马特根 ,  M·津加罗

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/25 ,  G06V10/74 ,  G06F30/20 ,  G06Q50/26

Abstract: 本发明提供了一种用于量化预定自然事件(诸如洪水事件)在一地理区域中的程度和复发的方法，特别是尽管缺乏来自自然事件发生地上的传感器的可靠数据的情况下。该方法依赖于诸如卫星图像等遥感数据和数据处理，并从基于所考虑区域的精确遥感的计算模型中获益。

公开(公告)号：CN118661207A

公开(公告)日：2024-09-17

申请号：CN202280079798.6

申请日：2022-12-01

Applicant: 卢森堡科学技术研究院

Inventor： 赵洁 ,  李煜 ,  M·奇尼

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/50 ,  G06V10/82

Abstract: 该方法包括：预处理(312)地理区域的SAR数据以确定多个SAR图像(2)，所述区域被细分为多个相邻单元格；定义(314)所述区域的城市掩码(4)，所述城市掩码为每个单元格提供所述单元格是城市地区的可能性；在多个SAR图像上应用(316)深度学习分类算法，以针对所述区域的每个单元格计算指示相应单元格是城市洪水地区、农村洪水地区或非洪水地区的类别(6)，深度学习分类算法被构造为全卷积神经网络(16)，包括动态参数和静态参数，其中动态参数的值由城市掩码计算得出，静态参数的值在训练阶段计算。