-
公开(公告)号：CN115936422A
公开(公告)日：2023-04-07
申请号：CN202211213278.8
申请日：2022-09-29
Applicant: 桂林理工大学
IPC: G06Q10/0635 , G06Q50/26
Abstract: 本申请公开了一种基于尺度优化的生态风险评价方法及系统，包括以下步骤：S1、采集研究区域内历史土地利用数据；S2、基于历史土地利用数据，获取生态风险的尺度效应；S3、基于尺度效应，确定研究区域内生态风险评价的最佳尺度；S4、基于最佳尺度分析土地利用变化和生态风险时空变化特征；S5、基于最佳尺度模拟预测未来生态风险变化并提出保护建议。基于历史土地利用数据，根据景观格局指数粒度响应曲线以及景观生态风险半变异函数拟合结果确定生态风险时空变化特征。并通过PLUS模型模拟预测不同情景下土地的利用格局及生态风险变化趋势，根据预测结果提出相应保护建议，为研究区域生态风险管理和规避提供参考依据和决策支持。
-
公开(公告)号：CN114821370A
公开(公告)日：2022-07-29
申请号：CN202210500698.8
申请日：2022-05-10
Applicant: 桂林理工大学
IPC: G06V20/17 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了基于无人机影像与U‑Net的单木树冠检测与分割方法，涉及单木分割技术领域。该方法包括采集不同场景多树种的无人机影像数据并制作正射影像；截取不同场景对应的正射影像子图，并对正射影像子图进行处理获得所需的样本数据，再对样本数据进行数据增强获得样本数据集；将样本数据集划分为训练集与测试集；获取U‑Net模型，利用训练集和测试集分别对其进行训练和验证，利用混合Loss函数对每次训练的U‑Net模型的预测结果进行监督，直至混合Loss函数稳定不再下降时停止U‑Net模型的训练，获得训练好的U‑Net模型；从所述正射影像上再次截取正射影像子图分别输入训练好的U‑Net模型中，完成正射影像子图上的单木树冠检测与分割。该方法对于很多场景的多树种的树冠检测效果均表现较高精度。
-
公开(公告)号：CN116165635B
公开(公告)日：2024-06-14
申请号：CN202310304232.5
申请日：2023-03-27
Applicant: 桂林理工大学
IPC: G01S7/495 , G06T5/70 , G06V10/762 , G06V10/75
Abstract: 本发明涉及多级滤波算法的日间条件下不同波束光子云数据去噪方法，包括：通过读取日间光子点云数据并转换为沿轨距离‑高程的形式，基于RANSAC算法进行第一级粗去噪，并对去噪处理后的所述日间光子点云数据进行点云特征分析获取其水平方向连续性参数，从而自适应的改进第二级精去噪算法，即OPTICS算法和RANSAC算法结合的多级滤波算法的搜索域参数，并给出三种滤波方向方案，即水平方向、组内统一方向和各光子自适应方向应用于第二级滤波算法处理，对第二级结果进行判断，如若为弱波束则进行异常数据处理，完成日间光子点云数据去噪。本发明能够更好实现日间高背景噪声光子点云数据精确去噪，适用性更强。
-
公开(公告)号：CN114862872B
公开(公告)日：2024-05-07
申请号：CN202210500765.6
申请日：2022-05-10
Applicant: 桂林理工大学
IPC: G06T7/11 , G06N3/0464 , G06N3/08 , G06V10/25
Abstract: 本发明提供了一种基于Faster R‑CNN的红树林单木分割方法，涉及单木分割技术领域。该方法包括采集红树林的无人机机载LiDAR点云数据；对采集的红树林的无人机机载LiDAR点云数据进行预处理；利用Pit‑free算法对预处理后的红树林的无人机机载LiDAR点云数据生成冠层高度模型CHM；将二阶段目标检测方法Faster R‑CNN应用到步骤3产生的CHM中，构建基于CHM特征图的单木提取网络进行红树林的单木特征自动提取。该方法采用深度学习方法，借助大数据样本进行学习，相比传统流行的单木分割算法，可以解决下层木探测结果依赖上层木及点云的空间信息不能充分利用的问题，单木分割准确度更高，可有效减少错检漏检的单木数量，为提高基于无人机机载激光雷达数据的红树林单木分割精度提供可能性。
-
公开(公告)号：CN112561931B
公开(公告)日：2023-11-10
申请号：CN202011473361.X
申请日：2020-12-15
Applicant: 桂林理工大学
Abstract: 本发明提供一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法，涉及影像处理技术领域。该方法首先将待分割SAR影像定义为在影像域D上的随机场的一个实现，并赋予SAR影像中每个类别一个权重构成权重集合；再利用待分割影像和权重集合定义类加权SAR影像，并将其定义为在影像域上的特征场的一个实现；然后利用规则划分技术将类加权SAR影像的影像域划分为多个子块；在划分的影像域上，建立类加权SAR影像分割模型；最后针对已建立的类加权SAR影像分割模型，设定迭代次数，并在每次迭代过程中利用GMTRJ算法设计求解类加权SAR影像分割模型中所有参数，并利用EM算法估算权重集合，进而确定类加权SAR影像分割模型的最优解，完成SAR影像的分割。
-
Patent Agency Ranking
公开(公告)号：CN112561931A
公开(公告)日：2021-03-26
申请号：CN202011473361.X
申请日：2020-12-15
Applicant: 桂林理工大学
Abstract: 本发明提供一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法，涉及影像处理技术领域。该方法首先将待分割SAR影像定义为在影像域D上的随机场的一个实现，并赋予SAR影像中每个类别一个权重构成权重集合；再利用待分割影像和权重集合定义类加权SAR影像，并将其定义为在影像域上的特征场的一个实现；然后利用规则划分技术将类加权SAR影像的影像域划分为多个子块；在划分的影像域上，建立类加权SAR影像分割模型；最后针对已建立的类加权SAR影像分割模型，设定迭代次数，并在每次迭代过程中利用GMTRJ算法设计求解类加权SAR影像分割模型中所有参数，并利用EM算法估算权重集合，进而确定类加权SAR影像分割模型的最优解，完成SAR影像的分割。
-
公开(公告)号：CN119888227A
公开(公告)日：2025-04-25
申请号：CN202411949243.X
申请日：2024-12-27
Applicant: 桂林理工大学
IPC: G06V10/26 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种不同林龄条件下人工林林分均匀性分析方法、系统、设备及介质，包括：获取单木分割模型数据集，基于Mask R‑CNN算法构建初始单木分割模型，对所述初始单木分割模型的主干网络、特征金字塔网络和检测头进行改进，对改进后的单木分割模型进行训练，得到训练后的单木分割模型；基于训练后的单木分割模型执行待研究人工林影像的单木分割及估算单木林龄，利用SAHI算法推算林分林龄，提取单木树高及单木冠幅，基于提取的单木树高和单木冠幅计算不同林龄条件下人工林林分的均匀性。本发明所述技术方案能够实现不同阶段桉树人工林精确的单木分割和林分林龄的精确估测。
-
公开(公告)号：CN118097409A
公开(公告)日：2024-05-28
申请号：CN202410195631.7
申请日：2024-02-22
Applicant: 桂林理工大学
IPC: G06V20/10 , G06V20/17 , G06V20/13 , G06V10/771 , G06V10/26 , G06V10/764 , G06N20/20 , G06N20/10 , G06N3/126 , G06V10/776
Abstract: 本发明公开了一种基于可解释性人工智能植被覆盖度反演性能优化方法，包括：基于GEE平台获取与实测目标区域对应的遥感影像数据集；基于遗传算法和XGBoost构建GA‑XGB特征选择算法；所述GA‑XGB特征选择算法对所述遥感影像数据集进行特征选择得到全局最优特征子集；构建堆栈集成模型，基于所述全局最优特征子集和所述堆栈集成模型得到植被覆盖度反演结果。本发明构建了一套FVC高精度反演方案，并实现了青藏高原FVC的高精度反演，该方案对其它生态参数反演具有重要的参考价值。
-
公开(公告)号：CN117474936A
公开(公告)日：2024-01-30
申请号：CN202311541429.7
申请日：2023-11-17
Applicant: 桂林理工大学
IPC: G06T7/11 , G06V10/762 , G06V10/764 , G06V10/40
Abstract: 本发明提供一种结合DFIC和MTM的PolSAR图像区域化统计分割方法，涉及图像处理技术领域。该方法首先基于待分割PolSAR图像的极化相干矩阵，利用非相干极化分解方法提取多个极化特征，构成特征集合；再结合待分割PolSAR图像的极化特征和空间特征，利用DFIC算法实现待分割PolSAR图像的图像域的超像素分割；并在最优超像素分割上，利用能量函数定义最优超像素的类别标号采样函数；最后利用GMTM算法模拟任一超像素的类别标号采样函数，多次迭代后得到标号场的最优实现，得到PolSAR图像的最优分割结果。该方法提高了PolSAR图像分割精度。
-
公开(公告)号：CN115631424A
公开(公告)日：2023-01-20
申请号：CN202210755532.0
申请日：2022-06-30
Applicant: 桂林理工大学
IPC: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774 , G06F16/29 , G06T3/40 , G06T5/00 , G06T5/50
Abstract: 本发明提供了基于时间序列卫星影像的桉树人工林月尺度林龄反演方法，涉及森林资源调查与林业定量遥感技术领域。该方法能够更加快速准确地获取桉树人工林林龄数据，弥补了传统林龄获取方法耗时耗力、成本高昂、数据获取周期长的不足；采用长时间序列遥感影像植被指数在桉树砍伐前后的变化进行林龄反演能够弥补基于林龄和遥感光谱反射之间的关系以建立林龄反演模型反演林龄的不足，实现时间序列林龄的精确提取；通过使用时空融合算法将高空间分辨率卫星遥感影像与低空间分辨率卫星遥感影像进行时空融合，重构月份因云雨影响而不能使用所缺失的影像数据，构建完整的时间序列影像，进而将桉树人工林林龄反演精确到月尺度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.033 seconds)
