-
公开(公告)号：CN112597826A
公开(公告)日：2021-04-02
申请号：CN202011441451.0
申请日：2020-12-08
Applicant: 核工业北京地质研究院
Inventor： 韩晓青
Abstract: 本发明属于遥感地质勘察领域技术领域，具体涉及一种对高光谱SASI数据进行岩性分类的方法，包括以下步骤：步骤一：对高光谱SASI数据预处理，并提取训练样本数据；步骤二：利用自编码+2D卷积深度学习模型进行岩石分类；步骤2.1：建立自编码+2D卷积深度学习网络模型，使用训练数据对深度学习网络进行训练，构建合适的深度学习网络模型；步骤2.2：模型参数选择与设置；步骤三：精度评价。本发明设计的方法可实现遥感地质勘查区域的高光谱遥感数据高精度岩石分类。
-
公开(公告)号：CN113553914A
公开(公告)日：2021-10-26
申请号：CN202110735048.7
申请日：2021-06-30
Applicant: 核工业北京地质研究院
Abstract: 本发明属于高光谱遥感异常目标检测领域，具体公开一种CASI高光谱数据异常目标检测方法，包括：步骤(1)、将高光谱三维图像矩阵转换为二维矩阵L；步骤(2)、对高光谱CASI数据进行中值滤波MF处理；步骤(3)、对高光谱CASI数据进行主成分分析PCA处理；步骤(4)、对高光谱CASI数据进行GRX检测和阈值分割处理。本发明方法通过采用MF方法对CASI数据进行平滑滤波去噪，通过采用PCA方法对高光谱数据进行降维，实现了对CASI高光谱数据异常目标的检测。
-
公开(公告)号：CN118314381A
公开(公告)日：2024-07-09
申请号：CN202410385632.8
申请日：2024-04-01
Applicant: 核工业北京地质研究院
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/771
Abstract: 本发明属于高光谱遥感地质领域，具体涉及一种基于深度学习的航空高光谱遥感岩性填图方法。该方法包括：步骤一：对原始航空高光谱数据进行预处理，获得目标反射率数据；步骤二：对各航带目标反射率数据分别进行地形辐射校正处理、镶嵌处理，获得无明显色差的大范围整体反射率镶嵌数据；步骤三：对反射率镶嵌数据进行高光谱数据特征变换处理，提取高光谱数据特征，获得假彩色特征图像，突出地质体岩性信息；步骤四：在假彩色特征图像上，依据不同色调圈定岩性范围，参考地质图初步确定不同色调对应的岩性信息，建立岩性样本库；步骤五：制作样本训练集栅格数据和目标预测集栅格数据，进行深度学习模型训练，获得岩性特征提取网络模型，进行岩性识别填图。本发明方法通过高光谱特征变换增强了岩性特征，通过假彩色特征图像选取岩性样本，并结合野外实地调查验证，有效减少了野外调查验证的工作量，确保了岩性样本提取的准确性。
-
公开(公告)号：CN113553914B
公开(公告)日：2024-03-19
申请号：CN202110735048.7
申请日：2021-06-30
Applicant: 核工业北京地质研究院
Abstract: 本发明属于高光谱遥感异常目标检测领域，具体公开一种CASI高光谱数据异常目标检测方法，包括：步骤(1)、将高光谱三维图像矩阵转换为二维矩阵L；步骤(2)、对高光谱CASI数据进行中值滤波MF处理；步骤(3)、对高光谱CASI数据进行主成分分析PCA处理；步骤(4)、对高光谱CASI数据进行GRX检测和阈值分割处理。本发明方法通过采用MF方法对CASI数据进行平滑滤波去噪，通过采用PCA方法对高光谱数据进行降维，实现了对CASI高光谱数据异常目标的检测。
-
-
-
Search Results
4
records
(took 0.019 seconds)
