-
公开(公告)号：CN114049571A
公开(公告)日：2022-02-15
申请号：CN202210034953.4
申请日：2022-01-13
Applicant: 西南石油大学
Abstract: 本申请实施例提供的高光谱影像的水体区域提取方法、装置及电子设备，涉及图像处理技术领域。首先，通过近红外波段的反射率阈值从目标高光谱影像中进行水体区域提取，得到第一水体区域；然后，再通过基于可见光及近红外波段的光谱特性建立的水体指数模型，对第一水体区域进行水体区域提取，得到第二水体区域；最后，对第二水体区域进行去噪处理得到目标高光谱影像中的水体区域。上述方法通过充分利用高光谱影像中的光谱信息进行两次水体区域提取，可以提高高光谱影像中水体区域的提取精度。
-
公开(公告)号：CN113191582B
公开(公告)日：2022-09-06
申请号：CN202110274765.4
申请日：2021-03-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GIS与机器学习的道路山洪易损性评价方法，包括步骤：S1、选择格网单元作为基本评价单元，由研究区域的大小确定格网单元的大小；格网单元的长宽不超过5km；S2、通过山洪灾害对道路的作用机理研究和分析，建立道路山洪易损性评价的指标体系；S3、基于支持向量机的道路山洪易损性评价的SVM模型的建立；S4、SVM训练数据集与测试数据集的建立；S5、SVM模型的训练和测试；S6、根据计算道路造价后得到的格网单元内道路的暴露度，与SVM模型输出得到的减灾力，得到单元内道路的易损性评价结果，并进行制图和分析。本发明提供的评价方法计算精确，原理可靠，操作过程易学简便，能够普遍适用于道路山洪易损性评价的需要。
-
公开(公告)号：CN112907587A
公开(公告)日：2021-06-04
申请号：CN202110353359.7
申请日：2021-04-01
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GEE的Otsu和边缘检测算法的高山林线提取方法，包括步骤：S1、选择数据源：采用拥有30米分辨率的多光谱陆地遥感卫星Landsat8影像，或使用Landsat7或Landsat5影像；所选影像处于植被早期生长季4‑6月，待提取的目标是有高山林线的区域；S2、对目标区域的遥感图像进行预处理；S3、采用归一化植被指数NDVI提取遥感影像中的植被区域；S4、图像分割与边缘检测：在GEE平台中引入Otsu算法，实现NDVI指数的图像分割，进一步使用边缘检测算法提取高山林线；S5、对图像进行后处理，最终得到高山林线的分布图。本发明的方法提取高山林线的技术流程自动化高，快速简单，提取效果好，能实现批量操作，避免了传统野外调查费时费力和不安全的问题。
-
公开(公告)号：CN109409719B
公开(公告)日：2022-07-15
申请号：CN201811208911.8
申请日：2018-10-17
Applicant: 西南石油大学
Abstract: 本发明公开了一种滑坡作用下长输油气管道易损性评价方法，包括以下步骤：对研究区目标管道进行评价单元划分、建立管道滑坡易损性评价的指标体系、基于熵权法的管道滑坡易损性评价的熵权计算、管道滑坡易损性评价，本发明利用基于GIS的综合分段法对研究区管道进行管段划分，综合利用了传统的随机分段、Kent法分段、逐级分段等方法的优势。不仅考虑到了管道沿线环境情况的变化，更为数据的收集和处理减少了工作量，降低了评价的成本；采用熵权法赋值理论建立的适用管道滑坡易损性评价模型，克服了传统权重赋值法不考虑各评价指标指标值差异性、赋值过程中人为影响因素过大的弊端。
-
公开(公告)号：CN112907587B
公开(公告)日：2022-03-01
申请号：CN202110353359.7
申请日：2021-04-01
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GEE的Otsu和边缘检测算法的高山林线提取方法，包括步骤：S1、选择数据源：采用拥有30米分辨率的多光谱陆地遥感卫星Landsat8影像，或使用Landsat7或Landsat5影像；所选影像处于植被早期生长季4‑6月，待提取的目标是有高山林线的区域；S2、对目标区域的遥感图像进行预处理；S3、采用归一化植被指数NDVI提取遥感影像中的植被区域；S4、图像分割与边缘检测：在GEE平台中引入Otsu算法，实现NDVI指数的图像分割，进一步使用边缘检测算法提取高山林线；S5、对图像进行后处理，最终得到高山林线的分布图。本发明的方法提取高山林线的技术流程自动化高，快速简单，提取效果好，能实现批量操作，避免了传统野外调查费时费力和不安全的问题。
-
Patent Agency Ranking
公开(公告)号：CN108760643B
公开(公告)日：2021-03-16
申请号：CN201810301163.1
申请日：2018-04-04
Applicant: 西南石油大学
Abstract: 本发明公开一种适宜于高海拔地区的干旱遥感监测方法，包括以下步骤：步骤S10、收集目标区域的数据资料；步骤S20、将步骤S10中得到的数据进行预处理，得到增强型植被指数、地表温度指数、土地覆盖类型、降尺度降水数据；步骤S30、再通过步骤S20中的数据计算得到植被状态指数、温度条件指数、降水状态指数、重分类后的土地覆盖类型、高程；步骤S40、基于空间主成分分析构建干旱遥感监测模型。本发明综合考虑影响干旱的多方面因素，包括植被因子、地表温度因子、降水因子、土地覆盖类型因子和地形因子，利用空间主成分分析方法构建干旱监测模型可以有效消除所选变量之间相关性较大的变量，提取出较少的几项互不相关的综合性指标。
-
公开(公告)号：CN108760643A
公开(公告)日：2018-11-06
申请号：CN201810301163.1
申请日：2018-04-04
Applicant: 西南石油大学
Abstract: 本发明公开一种适宜于高海拔地区的干旱遥感监测方法，包括以下步骤：步骤S10、收集目标区域的数据资料；步骤S20、将步骤S10中得到的数据进行预处理，得到增强型植被指数、地表温度指数、土地覆盖类型、降尺度降水数据；步骤S30、再通过步骤S20中的数据计算得到植被状态指数、温度条件指数、降水状态指数、重分类后的土地覆盖类型、高程；步骤S40、基于空间主成分分析构建干旱遥感监测模型。本发明综合考虑影响干旱的多方面因素，包括植被因子、地表温度因子、降水因子、土地覆盖类型因子和地形因子，利用空间主成分分析方法构建干旱监测模型可以有效消除所选变量之间相关性较大的变量，提取出较少的几项互不相关的综合性指标。
-
公开(公告)号：CN113191582A
公开(公告)日：2021-07-30
申请号：CN202110274765.4
申请日：2021-03-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GIS与机器学习的道路山洪易损性评价方法，包括步骤：S1、选择格网单元作为基本评价单元，由研究区域的大小确定格网单元的大小；格网单元的长宽不超过5km；S2、通过山洪灾害对道路的作用机理研究和分析，建立道路山洪易损性评价的指标体系；S3、基于支持向量机的道路山洪易损性评价的SVM模型的建立；S4、SVM训练数据集与测试数据集的建立；S5、SVM模型的训练和测试；S6、根据计算道路造价后得到的格网单元内道路的暴露度，与SVM模型输出得到的减灾力，得到单元内道路的易损性评价结果，并进行制图和分析。本发明提供的评价方法计算精确，原理可靠，操作过程易学简便，能够普遍适用于道路山洪易损性评价的需要。
-
公开(公告)号：CN109409719A
公开(公告)日：2019-03-01
申请号：CN201811208911.8
申请日：2018-10-17
Applicant: 西南石油大学
Abstract: 本发明公开了一种滑坡作用下长输油气管道易损性评价方法，包括以下步骤：对研究区目标管道进行评价单元划分、建立管道滑坡易损性评价的指标体系、基于熵权法的管道滑坡易损性评价的熵权计算、管道滑坡易损性评价，本发明利用基于GIS的综合分段法对研究区管道进行管段划分，综合利用了传统的随机分段、Kent法分段、逐级分段等方法的优势。不仅考虑到了管道沿线环境情况的变化，更为数据的收集和处理减少了工作量，降低了评价的成本；采用熵权法赋值理论建立的适用管道滑坡易损性评价模型，克服了传统权重赋值法不考虑各评价指标指标值差异性、赋值过程中人为影响因素过大的弊端。
-
公开(公告)号：CN107463991A
公开(公告)日：2017-12-12
申请号：CN201710506290.0
申请日：2017-06-28
Applicant: 西南石油大学
CPC classification number: G06N3/084 , G06Q10/06393
Abstract: 本发明公开了一种基于坡体单元与机器学习的区域滑坡危险性评价方法，包括如下步骤：首先根据数字高程模型划分出研究区待评价的斜坡单元，并建立了适用于研究区的滑坡危险性评价指标体系；然后对评价指标在已发生滑坡的斜坡单元中的分布规律进行分析，并在此基础上，构建各个指标的滑坡危险性等级划分表；最后建立基于LM-BP神经网络的滑坡灾害危险性评价模型，计算各评价单元的危险度，并进行危险性等级划分。本发明所提供的方法计算精确，原理可靠，操作过程学简便，能够普遍适用于区域滑坡危险性评价的需要。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
