-
公开(公告)号：CN112464920A
公开(公告)日：2021-03-09
申请号：CN202110133424.5
申请日：2021-02-01
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种基于极端随机树的FY‑3D红外高光谱云检测方法，涉及卫星遥感技术领域。本发明使用FY‑3D上搭载的HIRAS和MERSI对地球的连续观测数据，先将两种数据文件进行时间匹配，将两种仪器的像元进行空间匹配，在通过匹配的MERSI像元的云标签确定HIRAS像元的云标签，得到带有云标签的HIRAS数据，构成极端随机树模型的训练数据集，然后使用极端随机树算法训练数据集，并用测试数据集检验模型的性能，最后将训练得到云检测性能较好的极端随机树模型用于YF‑3D的红外高光谱数据的云检测处理。本发明的云检测时间短，成本低，云检测分类的准确率高。
-
公开(公告)号：CN112730300B
公开(公告)日：2024-06-07
申请号：CN202011091930.4
申请日：2020-10-13
申请人： 中国人民解放军国防科技大学
IPC分类号： G01N21/3504
摘要： 本发明公开了一种基于香浓熵的GIIRS观测区大气廓线集采样方法，包括以下步骤：S1：构建GIIRS观测区基础大气数据集；S2：将GIIRS观测区的地表分为若干个不同的地表类型，根据地表类型将GIIRS观测区基础数据集相应的划分成不同的大气数据集；S3：将步骤S2中得到的每个数据集分月划分成大气子数据集；S4：从每个子数据集中随机挑选h根廓线，构建GIIRS观测区初始采样廓线集；S5：利用GIIRS观测区初始廓线集构建GIIRS观测区优化廓线集；S6：对步骤S5中的优化廓线集进行统计检验。本发明在结合地表类型和大气月变化的因素的基础上，应用香农熵采样方法构建GIIRS观测区廓线数据集，解决了目前公开发布的廓线数据库难以准确表征红外高光谱GIIRS观测区大气变化特征的问题。
-
公开(公告)号：CN112767543A
公开(公告)日：2021-05-07
申请号：CN202110133631.0
申请日：2021-02-01
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种基于逻辑回归的FY‑3D红外高光谱云检测方法，涉及卫星遥感技术领域。本发明利用传统的基于成像仪的云检测方法，将MERSI的云检测段产品与HIRAS像元进行匹配，得到带有云标签的HIRAS数据，构成训练数据集，然后使用逻辑回归算法训练数据集，在训练过程中，采用网格搜索方法选择合适的逻辑回归算法超常数，得到泛化性能最佳的模型参数，最后将训练得到逻辑回归云检测模型用于YF‑3D的红外高光谱数据的云检测处理。本发明的逻辑回归云检测模型能达到0.97的分类准确度，预测速度是传统方法的50倍左右，体现出良好的泛化性能。
-
公开(公告)号：CN112966710A
公开(公告)日：2021-06-15
申请号：CN202110133532.2
申请日：2021-02-01
申请人： 中国人民解放军国防科技大学
IPC分类号： G06K9/62 , G06N20/00 , G01N21/3504 , G01W1/10
摘要： 本发明公开一种基于线性判别分析的FY‑3D红外高光谱云检测方法，涉及卫星遥感技术领域。本发明利用传统的基于成像仪的云检测方法，将MERSI的云检测段产品与HIRAS像元进行匹配，得到带有云标签的HIRAS数据，构成训练数据集，然后使用线性判别分析算法训练数据集，在训练过程中，采用网格搜索方法选择合适的线性判别分析算法超常数，得到泛化性能最佳的模型参数，最后将训练得到线性判别分析云检测模型用于YF‑3D的红外高光谱数据的云检测处理。本发明的线性判别分析云检测模型能达到0.95的分类准确度，预测速度是传统方法的58倍左右，体现出良好的泛化性能。
-
公开(公告)号：CN112730300A
公开(公告)日：2021-04-30
申请号：CN202011091930.4
申请日：2020-10-13
申请人： 中国人民解放军国防科技大学
IPC分类号： G01N21/3504
摘要： 本发明公开了一种基于香浓熵的GIIRS观测区大气廓线集采样方法，包括以下步骤：S1：构建GIIRS观测区基础大气数据集；S2：将GIIRS观测区的地表分为若干个不同的地表类型，根据地表类型将GIIRS观测区基础数据集相应的划分成不同的大气数据集；S3：将步骤S2中得到的每个数据集分月划分成大气子数据集；S4：从每个子数据集中随机挑选h根廓线，构建GIIRS观测区初始采样廓线集；S5：利用GIIRS观测区初始廓线集构建GIIRS观测区优化廓线集；S6：对步骤S5中的优化廓线集进行统计检验。本发明在结合地表类型和大气月变化的因素的基础上，应用香农熵采样方法构建GIIRS观测区廓线数据集，解决了目前公开发布的廓线数据库难以准确表征红外高光谱GIIRS观测区大气变化特征的问题。
-
公开(公告)号：CN112464920B
公开(公告)日：2021-04-30
申请号：CN202110133424.5
申请日：2021-02-01
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种基于极端随机树的FY‑3D红外高光谱云检测方法，涉及卫星遥感技术领域。本发明使用FY‑3D上搭载的HIRAS和MERSI对地球的连续观测数据，先将两种数据文件进行时间匹配，将两种仪器的像元进行空间匹配，在通过匹配的MERSI像元的云标签确定HIRAS像元的云标签，得到带有云标签的HIRAS数据，构成极端随机树模型的训练数据集，然后使用极端随机树算法训练数据集，并用测试数据集检验模型的性能，最后将训练得到云检测性能较好的极端随机树模型用于YF‑3D的红外高光谱数据的云检测处理。本发明的云检测时间短，成本低，云检测分类的准确率高。
-
公开(公告)号：CN112131789B
公开(公告)日：2023-11-21
申请号：CN202010991858.4
申请日：2020-09-18
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F30/27 , G06F18/214 , G06F18/2431
-
公开(公告)号：CN112767543B
公开(公告)日：2022-05-27
申请号：CN202110133631.0
申请日：2021-02-01
申请人： 中国人民解放军国防科技大学
IPC分类号： G06T17/00 , G06K9/62 , G06V10/764 , G06F17/11 , G06F17/15
摘要： 本发明公开一种基于逻辑回归的FY‑3D红外高光谱云检测方法，涉及卫星遥感技术领域。本发明利用传统的基于成像仪的云检测方法，将MERSI的云检测段产品与HIRAS像元进行匹配，得到带有云标签的HIRAS数据，构成训练数据集，然后使用逻辑回归算法训练数据集，在训练过程中，采用网格搜索方法选择合适的逻辑回归算法超常数，得到泛化性能最佳的模型参数，最后将训练得到逻辑回归云检测模型用于YF‑3D的红外高光谱数据的云检测处理。本发明的逻辑回归云检测模型能达到0.97的分类准确度，预测速度是传统方法的50倍左右，体现出良好的泛化性能。
-
公开(公告)号：CN112966710B
公开(公告)日：2021-11-30
申请号：CN202110133532.2
申请日：2021-02-01
申请人： 中国人民解放军国防科技大学
IPC分类号： G06K9/62 , G06N20/00 , G01N21/3504 , G01W1/10
摘要： 本发明公开一种基于线性判别分析的FY‑3D红外高光谱云检测方法，涉及卫星遥感技术领域。本发明利用传统的基于成像仪的云检测方法，将MERSI的云检测段产品与HIRAS像元进行匹配，得到带有云标签的HIRAS数据，构成训练数据集，然后使用线性判别分析算法训练数据集，在训练过程中，采用网格搜索方法选择合适的线性判别分析算法超常数，得到泛化性能最佳的模型参数，最后将训练得到线性判别分析云检测模型用于YF‑3D的红外高光谱数据的云检测处理。本发明的线性判别分析云检测模型能达到0.95的分类准确度，预测速度是传统方法的58倍左右，体现出良好的泛化性能。
-
公开(公告)号：CN112131789A
公开(公告)日：2020-12-25
申请号：CN202010991858.4
申请日：2020-09-18
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于随机森林算法的多光谱降水检测方法,利用静止卫星上搭载的可见和红外自旋扫描辐射仪和极轨卫星上搭载的微波温度探测仪同时对相同云区进行观测，得到观测数据后，将可见和红外自旋扫描辐射仪高分辨率云产品匹配到微波温度探测仪相元中后，既获得了微波温度探测仪AMSU‑A像元中云体表面的信息又得到了云体内部的信息，进而使用随机森林算法模拟出云顶光学信息和云体内部微波降水信息之间的非线性关系，建立起光学信息和微波降水信息之间的联系，本发明还提供了一种基于随机森林算法的多光谱降水检测系统，包括数据采集模块、匹配模块、建模模块、模型验证模块和降水检测模块。本发明的检测系统及方法比传统的检测方法有着更高的准确率、检测率和较低的错误率。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.035 秒)
