-
公开(公告)号：CN118334534A
公开(公告)日：2024-07-12
申请号：CN202410579237.3
申请日：2022-12-27
Applicant: 国家基础地理信息中心
IPC: G06V20/13 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种全球遥感影像样本集构建与更新方法及系统，其包括：获取历史遥感影像数据和历史解译数据；基于历史解译数据，采用二分法确定地表覆盖类别集；基于地表覆盖类别集得到分类数据；基于历史遥感影像数据，进行相似度计算，得到分区结果；对分类数据进行坐标投影转换和栅格形式转换，得到标签数据；基于地表覆盖类别集、分区结果、标签数据和历史遥感影像数据构建样本集；获取实时遥感影像，结合训练好的分类预测模型得到实时分类结果，对分类预测结果进行坐标投影转换和栅格形式转换，得到实时标签数据；将实时遥感影像、实时分类结果和实时标签数据同步至样本集。本发明增强了样本集的普适性和延展性，实现样本集的动态更新。
-
Patent Agency Ranking
公开(公告)号：CN117451631A
公开(公告)日：2024-01-26
申请号：CN202311544424.X
申请日：2020-06-17
Applicant: 国家基础地理信息中心
Abstract: 本发明公开了一种基于物候时序轨迹的耕地变化检测方法、装置、电子设备和存储介质，所述方法包括：基于用于模拟耕地物候时序轨迹的数学模型和第一时期内的耕地物候时序数据集，获取第一时期的耕地物候时序轨迹，其中，所述数学模型包括表征耕地年内双峰或多峰分布的多阶谐波及表征耕地年际周期性变化趋势的趋势项；根据所述第一时期的耕地物候时序轨迹预测得到第二时期的耕地物候时序预测轨迹；根据所述第二时期的耕地物候时序预测轨迹及第二时期的耕地物候时序实测轨迹，确定耕地变化信息，并基于所述第二时期的耕地物候时序实测轨迹确定耕地变化类型。本发明通过上述方法，可以确定耕地的变化信息和变化类型，实现对耕地的动态监测。
-
公开(公告)号：CN111721711A
公开(公告)日：2020-09-29
申请号：CN202010556680.0
申请日：2020-06-17
Applicant: 国家基础地理信息中心
Abstract: 本申请提供一种基于物候时序轨迹的耕地变化检测方法、装置、电子设备和存储介质，所述方法包括：基于用于模拟耕地物候时序轨迹的数学模型和第一时期内的耕地物候时序数据集，获取第一时期的耕地物候时序轨迹，其中，所述数学模型包括表征耕地年内双峰或多峰分布的多阶谐波及表征耕地年际周期性变化趋势的趋势项；根据所述第一时期的耕地物候时序轨迹预测得到第二时期的耕地物候时序预测轨迹；根据所述第二时期的耕地物候时序预测轨迹及第二时期的耕地物候时序实测轨迹，确定耕地变化信息，并基于所述第二时期的耕地物候时序实测轨迹确定耕地变化类型。通过上述方法，可以确定耕地的变化信息和变化类型，实现对耕地的动态监测。
-
公开(公告)号：CN114863168A
公开(公告)日：2022-08-05
申请号：CN202210451397.0
申请日：2022-04-27
Applicant: 国家基础地理信息中心
IPC: G06V10/764 , G06V10/82 , G06V20/17 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种自适应递归增量模型的遥感影像分类方法、装置及设备，该方法包括：获取任务区遥感影像，以及确定任务区的空间异质性水平与自适应递归增量模型对应空间异质性水平的差值；自适应递归增量模型包括至少一个神经网络隐藏层；若差值大于预设异质性阈值，则自适应递归增量模型增加至少一层神经网络隐藏层，得到更新后的自适应递归增量模型；根据任务区遥感影像对应的训练样本，训练更新后的自适应递归增量模型；对任务区遥感影像进行分类，得到任务区遥感影像的分类结果。本发明实施例可以根据不同异质性程度自适应调整深度学习模型的层数，实现对遥感影像的自动分类，避免灾难性遗忘和计算资源的浪费。
-
公开(公告)号：CN115861843A
公开(公告)日：2023-03-28
申请号：CN202211682517.4
申请日：2022-12-27
Applicant: 国家基础地理信息中心
IPC: G06V20/13 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种全球遥感影像样本集构建与更新方法及系统，方法包括：获取历史遥感影像数据和历史解译数据；基于历史解译数据，采用二分法确定地表覆盖类别集；基于地表覆盖类别集得到分类数据；基于历史遥感影像数据，进行相似度计算，得到分区结果；对分类数据进行坐标投影转换和栅格形式转换，得到标签数据；基于地表覆盖类别集、分区结果、标签数据和历史遥感影像数据构建样本集；获取实时遥感影像，结合训练好的分类预测模型得到实时分类结果，对分类预测结果进行坐标投影转换和栅格形式转换，得到实时标签数据；将实时遥感影像、实时分类结果和实时标签数据同步至样本集。本发明增强了样本集的普适性和延展性，实现样本集的动态更新。
-
公开(公告)号：CN114863168B
公开(公告)日：2023-04-07
申请号：CN202210451397.0
申请日：2022-04-27
Applicant: 国家基础地理信息中心
IPC: G06V10/764 , G06V10/82 , G06V20/17 , G06N3/08 , G06N3/045
Abstract: 本发明公开了一种自适应递归增量模型的遥感影像分类方法、装置及设备，该方法包括：获取任务区遥感影像，以及确定任务区的空间异质性水平与自适应递归增量模型对应空间异质性水平的差值；自适应递归增量模型包括至少一个神经网络隐藏层；若差值大于预设异质性阈值，则自适应递归增量模型增加至少一层神经网络隐藏层，得到更新后的自适应递归增量模型；根据任务区遥感影像对应的训练样本，训练更新后的自适应递归增量模型；对任务区遥感影像进行分类，得到任务区遥感影像的分类结果。本发明实施例可以根据不同异质性程度自适应调整深度学习模型的层数，实现对遥感影像的自动分类，避免灾难性遗忘和计算资源的浪费。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
