-
公开(公告)号：CN114202699B
公开(公告)日：2025-04-01
申请号：CN202111538443.2
申请日：2021-12-15
Applicant: 南京大学
IPC: G06V20/10 , G06V10/25 , G06V10/26 , G06V10/30 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种融合光学与SAR影像的地表水体月度变化动态监测方法，属于遥感应用技术领域。方法包括四部分：（1）数据准备与预处理：通过月度中值合成、图像滤波等预处理构建月度连续的SAR数据集。（2）初始水体范围提取：利用水体‑植被要素耦合指数（AWVI）和水体自动提取规则，提取光学影像全覆盖月份的水体范围。（3）水体变化范围连续提取：联合分类后比较和CVA分析方法，建立多层次规则提取水体月度变化范围。（4）月度水体范围连续反演：利用光学遥感提取水体初始范围和SAR提取变化范围，通过双向迭代反演的连续制图策略实现水体月度动态监测。本发明为时空连续的地表水体动态监测提供了技术支撑。
-
公开(公告)号：CN114202699A
公开(公告)日：2022-03-18
申请号：CN202111538443.2
申请日：2021-12-15
Applicant: 南京大学
IPC: G06V20/10 , G06V10/25 , G06V10/26 , G06V10/30 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明涉及一种融合光学与SAR影像的地表水体月度变化动态监测方法，属于遥感应用技术领域。方法包括四部分：（1）数据准备与预处理：通过月度中值合成、图像滤波等预处理构建月度连续的SAR数据集。（2）初始水体范围提取：利用水体‑植被要素耦合指数（AWVI）和水体自动提取规则，提取光学影像全覆盖月份的水体范围。（3）水体变化范围连续提取：联合分类后比较和CVA分析方法，建立多层次规则提取水体月度变化范围。（4）月度水体范围连续反演：利用光学遥感提取水体初始范围和SAR提取变化范围，通过双向迭代反演的连续制图策略实现水体月度动态监测。本发明为时空连续的地表水体动态监测提供了技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN116012334B
公开(公告)日：2024-06-25
申请号：CN202310005807.3
申请日：2023-01-04
Applicant: 南京大学
Abstract: 本发明涉及领域知识约束的建设用地非监督变化检测方法，属于遥感地学应用技术领域。主要步骤包括：1）对两期Sentinel‑2遥感影像（仅使用空间分辨率为10米的蓝、绿、红和近红外波段）进行几何校正与辐射校正预处理；2）分别使用变化矢量分析法、迭代加权多元变化检测法、多元变化检测法和主成分分析法四种非监督变化检测方法识别所有类型的变化，并基于集成学习产生初始变化检测结果；3）利用领域知识约束非建设用地的真实变化和所有伪变化，仅保留建设用地的真实变化；4）使用数学形态学后处理增强建设用地变化图斑的连通性和完整性。本发明提供的方法可以快速有效提取大尺度建设用地的变化，而且对季节变化有着较强的鲁棒性。
-
公开(公告)号：CN116485641B
公开(公告)日：2024-06-21
申请号：CN202310002134.6
申请日：2023-01-03
Applicant: 南京大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06T17/05
Abstract: 本发明涉及一种集成先验与地形约束的无监督DEM超分辨率重建方法，包括：准备单张低分辨率DEM影像；将低分辨率影像以有重叠的方式裁剪为固定大小的DEM格网单元；设计卷积神经网络，包括5个降采样模块、5个上采样模块及5个跳跃连接模块；以低分辨率DEM格网单元为约束，将噪声输入网络之中进行多次迭代，使用网络结构的深度先验对神经网络参数进行更新，使用神经网络编码生成格网高分辨率DEM；在迭代过程中，使用地形约束对DEM形态进行优化；对各格网单元执行上述编码、优化过程，最后拼接成原始大小的高分辨率DEM。本发明能够自动、快速、高效地根据低分辨率DEM生成高分辨率DEM。
-
公开(公告)号：CN116485641A
公开(公告)日：2023-07-25
申请号：CN202310002134.6
申请日：2023-01-03
Applicant: 南京大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06T17/05
Abstract: 本发明涉及一种集成先验与地形约束的无监督DEM超分辨率重建方法，包括：准备单张低分辨率DEM影像；将低分辨率影像以有重叠的方式裁剪为固定大小的DEM格网单元；设计卷积神经网络，包括5个降采样模块、5个上采样模块及5个跳跃连接模块；以低分辨率DEM格网单元为约束，将噪声输入网络之中进行多次迭代，使用网络结构的深度先验对神经网络参数进行更新，使用神经网络编码生成格网高分辨率DEM；在迭代过程中，使用地形约束对DEM形态进行优化；对各格网单元执行上述编码、优化过程，最后拼接成原始大小的高分辨率DEM。本发明能够自动、快速、高效地根据低分辨率DEM生成高分辨率DEM。
-
公开(公告)号：CN116012334A
公开(公告)日：2023-04-25
申请号：CN202310005807.3
申请日：2023-01-04
Applicant: 南京大学
Abstract: 本发明涉及领域知识约束的建设用地非监督变化检测方法，属于遥感地学应用技术领域。主要步骤包括：1）对两期Sentinel‑2遥感影像（仅使用空间分辨率为10米的蓝、绿、红和近红外波段）进行几何校正与辐射校正预处理；2）分别使用变化矢量分析法、迭代加权多元变化检测法、多元变化检测法和主成分分析法四种非监督变化检测方法识别所有类型的变化，并基于集成学习产生初始变化检测结果；3）利用领域知识约束非建设用地的真实变化和所有伪变化，仅保留建设用地的真实变化；4）使用数学形态学后处理增强建设用地变化图斑的连通性和完整性。本发明提供的方法可以快速有效提取大尺度建设用地的变化，而且对季节变化有着较强的鲁棒性。
-
公开(公告)号：CN114202698A
公开(公告)日：2022-03-18
申请号：CN202111538442.8
申请日：2021-12-15
Applicant: 南京大学
Abstract: 本发明涉及一种联合主被动遥感数据的水体大范围精准提取方法，方法主要含三部分：（1）数据准备与预处理。（2）基于阈值分割的地表水体覆盖粗提取。（3）联合光学遥感数据的水体精准提取。城区背景下，本发明能够减小SAR漏提，抑制建筑屋顶和阴影区造成的误提。非城区背景下，本发明能够增强对浑浊水体的识别，抑制沙丘、裸地的干扰。本发明能够提升大范围地表水体提取的时空准度和提取精度，有助于水资源的及时调查和现势管理。本发明充分利用Sentinel‑1主动雷达数据遥感的全天时、全天候对地观测能力和Sentinel‑2被动光学遥感的丰富光谱信息，能够自动、快捷、高效地获取大范围区域的高精度水体专题数据。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
