-
公开(公告)号：CN119474646A
公开(公告)日：2025-02-18
申请号：CN202411537994.0
申请日：2024-10-31
Applicant: 武汉城市职业学院
Abstract: 本发明公开了一种基于植被叶片生态相关性的反演优化算法，该算法通过叶片辐射传输物理模型的正向运行生成包含叶片生化参数和相应光谱的模拟数据集。算法基于模拟数据集分析不同叶片生化参数间的相关性，对相关系数大于设定阈值的生化参数构建概率样本置信区间。通过物理模型反演得到的生化参数反演值若在置信区间内，则作为参数的最终反演值。否则，通过调节权重序列值进行调节，直至进入置信区间。该算法有效降低错误参数组合出现的概率，缓解病态反演问题，提升反演结果的可信性，且具有高普适性。
-
公开(公告)号：CN116030355B
公开(公告)日：2023-08-11
申请号：CN202310322892.6
申请日：2023-03-30
Applicant: 武汉城市职业学院
IPC: G06V20/10 , G06N3/0464 , G06N3/042 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种地物分类方法及系统，涉及图像处理技术领域，基于获取的指定区域的多光谱遥感图像和DEM数据构建样本数据集；提取样本数据集中的浅层多模态的像元特征，并堆叠像元特征，获取堆叠结果；利用图卷积神经网络和残差网络分别对堆叠结果进行分析，分别获得光谱空间深度特征和地形深度特征并进行融合，获得融合深度特征；将融合深度特征输入到分类器中，获得分类器输出的指定区域的地物标签。通过获得融合深度特征，能够利用数据中深层次的多样的地物特征，更能代表地物，分类器能够更加准确的识别地物，并对地物进行精细分类，有利于提高对复杂地形区域土地覆盖精细分类的精度。
-
公开(公告)号：CN116030355A
公开(公告)日：2023-04-28
申请号：CN202310322892.6
申请日：2023-03-30
Applicant: 武汉城市职业学院
IPC: G06V20/10 , G06N3/0464 , G06N3/042 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种地物分类方法及系统，涉及图像处理技术领域，基于获取的指定区域的多光谱遥感图像和DEM数据构建样本数据集；提取样本数据集中的浅层多模态的像元特征，并堆叠像元特征，获取堆叠结果；利用图卷积神经网络和残差网络分别对堆叠结果进行分析，分别获得光谱空间深度特征和地形深度特征并进行融合，获得融合深度特征；将融合深度特征输入到分类器中，获得分类器输出的指定区域的地物标签。通过获得融合深度特征，能够利用数据中深层次的多样的地物特征，更能代表地物，分类器能够更加准确的识别地物，并对地物进行精细分类，有利于提高对复杂地形区域土地覆盖精细分类的精度。
-
公开(公告)号：CN117574118A
公开(公告)日：2024-02-20
申请号：CN202311452192.5
申请日：2023-11-01
Applicant: 武汉城市职业学院
IPC: G06F18/2113 , G06F18/27
Abstract: 本发明公开了一种顾及生化参数间相关性的叶片生化参数特征波段选择方法，包括以下步骤：确定叶片生化参数的初始特征波段；确定顾及生化参数相关性的最优特征波段。本发明提出了一种顾及生化参数间相关性的叶片生化参数特征波段选择方法，揭示了生化参数对特征波段的相互影响，提高了叶片生化参数的定量反演精度。该方法以波段间相关性和模型敏感性的结果为基础，解决了高光谱数据冗余严重的问题，同时也考虑了生化参数特征波段间的相互影响，获得了顾及生化参数相关性的优选特征组合，优化叶片生化参数特征波段选择。
-
-
-
Search Results
4
records
(took 0.051 seconds)
