-
公开(公告)号：CN111141708A
公开(公告)日：2020-05-12
申请号：CN201911408912.1
申请日：2019-12-31
Applicant: 核工业北京地质研究院
IPC: G01N21/55
Abstract: 本发明属于地质勘查领域，具体涉及一种岩石高光谱图像数据增强方法，该方法包括以下步骤：步骤(1)采集高光谱图像中有地面岩石分析测试验证的像元光谱为数据增强的样本；步骤(2)计算出每种矿物端元的光谱反射率x；步骤(3)计算每种矿物端元的单次散射反照率；步骤(4)计算混合矿物的单次散射反照率；步骤(5)将步骤(4)构建的混合矿物光谱转换为图像中的光谱反射率；步骤(6)将不同角度的混合矿物光谱反射率进行合并，制作数据增强后的岩石高光谱图像。本发明针对花岗岩、碳酸岩等岩石光谱做过大量实验研究，构建可用于深度学习的光谱样本数据集，适用性较强，对于其他地物的识别和分析工作也具有借鉴意义。
-
公开(公告)号：CN115266599B
公开(公告)日：2025-03-04
申请号：CN202210994712.4
申请日：2022-08-18
Applicant: 核工业北京地质研究院
Abstract: 本发明公开了一种用于目标地物分类识别的特征光谱提取方法，包括：获取目标地物的多条地物光谱、并构建光谱矩阵，根据光谱矩阵获得目标地物光谱的谱域空间，构建以整型反射率为行号，波长为列号的多条目标地物光谱对应的多个待插值矩阵，根据波长对应的反射率和谱域空间的距离，计算每个待插值矩阵的归一化插值因子，对每个待插值矩阵采用反距离插值的方式进行插值处理，获得多个谱域空间矩阵，累加多个谱域空间矩阵，获得地物累计谱域空间矩阵、并计算目标地物的特征光谱。该方法构建的特征光谱可以用于改进分类场景中目标地物的特征光谱提取流程，提高目标识别精度；优化反演场景中特征参量的构建，提升特征参量的表征能力。
-
公开(公告)号：CN114689520A
公开(公告)日：2022-07-01
申请号：CN202011619519.X
申请日：2020-12-31
Applicant: 核工业北京地质研究院
Abstract: 本发明属于地质勘探领域，具体涉及一种基于高光谱岩心扫描技术的页岩岩相划分方法。页岩岩心样品收集及准备，岩心图像扫描及高光谱数据获取；确定不同岩心段下各种矿物相对含量；对扫描页岩各岩心段三类端元矿物相对含量进行投图，页岩岩相划分；在不破坏页岩岩心标本的前提条件下，能够快速、准确的识别页岩岩心的矿物组成，从而进行岩心矿物识别及岩相分类，做到页岩岩相的快速准确划分，可广泛用于页岩沉积相判别及页岩油气勘探潜力评价与开发设计。
-
公开(公告)号：CN112683813A
公开(公告)日：2021-04-20
申请号：CN202011620380.0
申请日：2020-12-31
Applicant: 核工业北京地质研究院
Abstract: 本发明属于地矿分析技术，具体涉及一种硬岩型铀矿山土壤污染信息高光谱提取方法，铀矿山土壤样品采集并测量光谱反射率，土壤重金属元素不同形态含量测定，并确定各形态下的高光谱特征波段，建立元素各形态含量的高光谱反演模型，铀矿山土壤重金属污染空间分布评价；本方法能够增强重金属元素的光谱特征，从而提升高光谱反演精度，为硬岩型铀矿山土壤重金属监测提供更为准确的数据支持。
-
公开(公告)号：CN111564188A
公开(公告)日：2020-08-21
申请号：CN202010356591.1
申请日：2020-04-29
Applicant: 核工业北京地质研究院
Abstract: 本发明属于地质勘查技术领域，具体涉及一种基于变分自编码矿物信息定量分析方法，包括以下步骤：步骤一：采集研究区高光谱数据，读取多种矿物混合的光谱作为训练样本光谱；步骤二：根据光谱波段数、矿物种类、构建五层全连接神经网络；步骤三：将每一条样本光谱转化为一个列向量，并进行光谱归一化处理；输入到全连接神经网络进行训练，获得矿物端元光谱的初始值；步骤四：构建变分自编码神经网络；步骤五：训练变分自编码神经网络，将变分自编码神经网络第二隐含层映射到变分自编码神经网络重构样本输出层的权重系数矩阵参数设置为步骤三中矿物端元光谱的初始值。
-
Patent Agency Ranking
公开(公告)号：CN111564188B
公开(公告)日：2023-09-12
申请号：CN202010356591.1
申请日：2020-04-29
Applicant: 核工业北京地质研究院
Abstract: 本发明属于地质勘查技术领域，具体涉及一种基于变分自编码矿物信息定量分析方法，包括以下步骤：步骤一：采集研究区高光谱数据，读取多种矿物混合的光谱作为训练样本光谱；步骤二：根据光谱波段数、矿物种类、构建五层全连接神经网络；步骤三：将每一条样本光谱转化为一个列向量，并进行光谱归一化处理；输入到全连接神经网络进行训练，获得矿物端元光谱的初始值；步骤四：构建变分自编码神经网络；步骤五：训练变分自编码神经网络，将变分自编码神经网络第二隐含层映射到变分自编码神经网络重构样本输出层的权重系数矩阵参数设置为步骤三中矿物端元光谱的初始值。
-
公开(公告)号：CN111141708B
公开(公告)日：2022-07-26
申请号：CN201911408912.1
申请日：2019-12-31
Applicant: 核工业北京地质研究院
IPC: G01N21/55
Abstract: 本发明属于地质勘查领域，具体涉及一种岩石高光谱图像数据增强方法，该方法包括以下步骤：步骤(1)采集高光谱图像中有地面岩石分析测试验证的像元光谱为数据增强的样本；步骤(2)计算出每种矿物端元的光谱反射率x；步骤(3)计算每种矿物端元的单次散射反照率；步骤(4)计算混合矿物的单次散射反照率；步骤(5)将步骤(4)构建的混合矿物光谱转换为图像中的光谱反射率；步骤(6)将不同角度的混合矿物光谱反射率进行合并，制作数据增强后的岩石高光谱图像。本发明针对花岗岩、碳酸岩等岩石光谱做过大量实验研究，构建可用于深度学习的光谱样本数据集，适用性较强，对于其他地物的识别和分析工作也具有借鉴意义。
-
公开(公告)号：CN110361315B
公开(公告)日：2022-05-17
申请号：CN201910776654.6
申请日：2019-08-22
Applicant: 核工业北京地质研究院
Abstract: 本发明公开了一种检测原油馏分渗漏过程中表层土壤光谱变化的装置，包括地质模拟系统，烃源压力控制系统和光谱检测系统。还公开了一种检测原油馏分渗漏过程中表层土壤光谱变化的装置的使用方法，包括如下步骤：第一步：设置管柱和模拟地质层；第二步：设置原油馏分存储容器；第三步：连接烃源压力控制系统；第四步：连接光谱检测系统；第五步：光谱测量并观察。提供了对地下油藏中不同馏分从地下渗漏至地表过程中的地表土壤、相关蚀变矿物光谱变化规律的研究，填补了油气渗漏过程中地表浅层土壤及相关蚀变矿物的光谱变化机理研究的空白，有利于明确地下油气渗漏过程中地表浅层土壤及相关蚀变矿物的光谱变化特征识别，为利用机载或星载高光谱技术探测油气渗漏，圈定油气勘探潜力区提供重要的依据。
-
公开(公告)号：CN112529837A
公开(公告)日：2021-03-19
申请号：CN202011216694.4
申请日：2020-11-04
Applicant: 核工业北京地质研究院
Abstract: 本发明提出了一种基于耦合判别特征自学习网络的遥感图像变化检测算法。该算法主要设计了耦合判别特征自学习网络，该网络通过两个子网络分别对待检测图像进行特征提取，所建立的耦合训练模型可得到耦合特征空间，该空间中特征的判别能力将增强，有助于生成更加分明的差异图，得到准确的变化检测结果。该方法不需要标签数据，并且不受数据类型的限制，具有广阔应用空间。该算法的有效性在公开数据集上进行了验证。
-
公开(公告)号：CN110361315A
公开(公告)日：2019-10-22
申请号：CN201910776654.6
申请日：2019-08-22
Applicant: 核工业北京地质研究院
Inventor： 崔鑫
Abstract: 本发明公开了一种检测原油馏分渗漏过程中表层土壤光谱变化的装置，包括地质模拟系统，烃源压力控制系统和光谱检测系统。还公开了一种检测原油馏分渗漏过程中表层土壤光谱变化的装置的使用方法，包括如下步骤：第一步：设置管柱和模拟地质层；第二步：设置原油馏分存储容器；第三步：连接烃源压力控制系统；第四步：连接光谱检测系统；第五步：光谱测量并观察。提供了对地下油藏中不同馏分从地下渗漏至地表过程中的地表土壤、相关蚀变矿物光谱变化规律的研究，填补了油气渗漏过程中地表浅层土壤及相关蚀变矿物的光谱变化机理研究的空白，有利于明确地下油气渗漏过程中地表浅层土壤及相关蚀变矿物的光谱变化特征识别，为利用机载或星载高光谱技术探测油气渗漏，圈定油气勘探潜力区提供重要的依据。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.027 seconds)
