-
公开(公告)号：CN117907245A
公开(公告)日：2024-04-19
申请号：CN202410101655.1
申请日：2024-01-24
Applicant: 桂林理工大学
IPC: G01N21/25 , G06V20/10 , G06V10/771 , G06F17/10 , G06N20/20 , G01N21/84 , G01N21/31 , G01N21/78 , G01D21/02
Abstract: 本发明是一种基于约束性PROSAIL‑PRO模型光谱超分辨率的岩溶湿地植被群落氮和磷含量反演方法，其包括：UAV多光谱遥感影像、实测植被功能性状参数的获取；生成每种植被群落光谱模拟数据集；提出具有物理机制的光谱超分辨率方法；提出新颖的混合反演模型策略；岩溶湿地喜钙耐碱性植被群落生物化学和生物物理参数对冠层光谱的影响分析；岩溶湿地植被群落冠层氮和磷含量的敏感性光谱特征分析和特征优选；构建UAV多光谱传感器的冠层氮和磷含量反演模型；构建超光谱分辨率数据的冠层氮和磷含量的混合反演模型。最终通过对比每个反演模型的反演精度获取每个植被群落合适的反演模型，以便准确和快速的实现岩溶湿地植被健康状况监测。
-
公开(公告)号：CN114120137B
公开(公告)日：2023-07-25
申请号：CN202111217868.3
申请日：2021-10-19
Applicant: 桂林理工大学
IPC: G06V20/13 , G06V10/30 , G06V10/58 , G06V10/774 , G06V10/764
Abstract: 本发明是一种基于时序主被遥感影像的湿地要素时空演变监测方法，它使用所有可用的陆地卫星数据来构建时间光谱特征，从而解决单日期影像因未检测出的部分噪音而导致变化监测中出现大量的假阳性错误的问题。该方法针对现有湿地要素变化监测方法难以在空间上完整描述湿地要素变化信息且不能在时间尺度上实现实时的连续观测的问题，尤其是无法识别长时间序列中多种湿地要素之间的变化，该方法基于连续变化监测和分类算法提出一种基于时序主被遥感影像的湿地要素时空演变监测方法，实现湿地要素的高精度和高效率时空演变监测。
-
公开(公告)号：CN114782821A
公开(公告)日：2022-07-22
申请号：CN202210539204.7
申请日：2022-05-18
Applicant: 桂林理工大学
Abstract: 本发明公开了一种联合多种迁移学习策略的滨海湿地植被遥感识别方法。该方法通过整合递归特征消除和主成分分析对无人机数据进行降维，降低了模型训练的时间成本，并提高了模型对红树林群落的识别能力；通过改进卷积神经网络的结构，提高了卷积神经网络的分割性能，进而提高了深度学习模型对红树林群落的边界的判别能力；通过运用不同的迁移学习策略，使得深度学习模型能低成本的应用于不同的红树林湿地，并提高了模型对红树林群落的分类精度和效率。
-
公开(公告)号：CN114202671A
公开(公告)日：2022-03-18
申请号：CN202111361807.4
申请日：2021-11-17
Applicant: 桂林理工大学
Abstract: 本发明涉及一种图像预测优化处理方法及装置，属于图像处理领域，方法包括：对多个无人机影像进行预处理；将多个深度学习语义标签匹配至预处理的各个无人机影像上，得到多个训练样本，将各个训练样本进行扩充处理，得到扩充后的训练样本集合，在卷积神经网络中进行参数配置优化，通过扩充后的训练样本集合对优化后的卷积神经网络进行深度学习分类训练，得到训练后的卷积神经网络，并进行影像预测分类，得到多种分类结果，对多种分类结果进行融合处理，对融合的分类结果进行扩展裁剪处理，得到整幅遥感影像。能够对多种分类结果进行融合处理，融合的分类结果更为准确和全面，再对融合的分类结果进行扩展裁剪处理，能够消除明显的拼接痕迹。
-
公开(公告)号：CN114782821B
公开(公告)日：2024-03-22
申请号：CN202210539204.7
申请日：2022-05-18
Applicant: 桂林理工大学
IPC: G06V20/10 , G06V10/26 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种联合多种迁移学习策略的滨海湿地植被遥感识别方法。该方法通过整合递归特征消除和主成分分析对无人机数据进行降维，降低了模型训练的时间成本，并提高了模型对红树林群落的识别能力；通过改进卷积神经网络的结构，提高了卷积神经网络的分割性能，进而提高了深度学习模型对红树林群落的边界的判别能力；通过运用不同的迁移学习策略，使得深度学习模型能低成本的应用于不同的红树林湿地，并提高了模型对红树林群落的分类精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN114266961A
公开(公告)日：2022-04-01
申请号：CN202111461864.X
申请日：2021-12-02
Applicant: 桂林理工大学
IPC: G06V20/10 , G06V10/26 , G06V10/54 , G06V10/70 , G06V10/774 , G06V10/764 , G06K9/62 , G06N20/20
Abstract: 本发明公开了一种整合高光谱和多频段全极化SAR影像的沼泽植被堆栈集成学习分类方法，该方法将高光谱影像和不同频段全极化SAR影像进行整合，通过多尺度分割、剔除高相关变量和Boruta算法进行变量优选，构建多维变量数据集，利用Stacking算法将不同的参数优化后的分类模型进行堆栈集成，构建沼泽植被识别分类模型，最后使用该模型对待分类数据进行分类得到沼泽湿地植被分类结果，并对分类结果使用评价指标进行定量评价。本发明将高光谱影像丰富的光谱信息优势和极化SAR影像能穿透植被冠层的优势进行整合来实现沼泽植被高精度识别与分类。
-
公开(公告)号：CN108765538A
公开(公告)日：2018-11-06
申请号：CN201810624335.9
申请日：2018-06-16
Applicant: 桂林理工大学
IPC: G06T15/00
CPC classification number: G06T15/005
Abstract: 本发明公开了一种基于CAD平台的OSGB数据分级渲染的方法。首先对OSGB数据进行解析，生成模型数据、纹理数据；其次利用ARX将模型数据和纹理数据进行重组，生成CAD中的三维模型；然后利用LOD算法构建DWG三维模型的LOD逻辑树；最后，根据CAD中的视距和可视范围对LOD逻辑树中的结点进行筛选，对当前帧待显示的结点进行加载，对当前帧不需要显示的结点进行删除，完成OSGB数据在CAD中的分级渲染。本发明突破OSGB数据的应用界限，为国土、规划、景观等部门在CAD软件上直接使用倾斜摄影实景模型提供新的技术手段。
-
公开(公告)号：CN116563092A
公开(公告)日：2023-08-08
申请号：CN202310376696.7
申请日：2023-04-10
Applicant: 桂林理工大学
Abstract: 本发明提出了基于机器学习算法的海洋环境要素降尺度方法及装置，涉及海洋环境要素浓度获取领域；该方法包括：获取第一分辨率下遥感影像数据中的水体反射率，将所述水体反射率输入至预先训练好的机器学习模型中，得到所述水体反射率对应的预测海洋环境要素浓度；根据所述第一分辨率对预设的第二分辨率下的矫正残差进行降尺度处理，得到第一分辨率下的目标残差，所述第一分辨率大于所述第二分辨率；根据所述目标残差对所述预测海洋环境要素浓度进行矫正，得到矫正海洋环境要素浓度；通过机器学习模型以达到不依赖于原位实测数据的采集的目的,为原位实测数据有限的区域提供一种新的获取高空间分辨率的海洋环境数据的思路和方法。
-
-
公开(公告)号：CN115564907A
公开(公告)日：2023-01-03
申请号：CN202211184067.6
申请日：2022-09-27
Applicant: 桂林理工大学
Abstract: 本发明提供一种三维地形生成方法、装置、系统以及存储介质，属于图像处理领域，方法包括：构建编码器、生成器、判别器以及鉴别器；通过编码器分别对各个原始地形图进行编码得到原始潜在空间域样本；通过编码器以及生成器分别对各个原始地形图以及各个原始潜在空间域样本进行训练得到原始映射地形图以及映射潜在空间域样本。本发明解决了缺少用户控制生成地形难预测，需要大量运算以及生成地形中会出现规则的网格状伪影的问题，无需人工参与，节约了人力物力，能够准确地捕获真实结构化条件分布，解决了优化循环一致性障碍的问题。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.015 seconds)
