-
公开(公告)号：CN110852262A
公开(公告)日：2020-02-28
申请号：CN201911092972.7
申请日：2019-11-11
申请人： 南京大学
摘要： 本发明涉及一种基于时间序列高分一号遥感影像的农业用地提取方法，利用不同地物覆盖在不同波段和特征组合下的特征信息，基于非对称高斯函数拟合法重构了地物时序特征，在消除噪声的同时尽可能的保留地物特征在长时间序列下的特征信息，最终直观的体现出旱地、水体、建筑、林草地以及水田等不同地物间的差异，以光谱特征以及NDWI和WDRVI指数特征为初步分类特征，随机森林分类器为最终分类器进行初步分类，随后加入面向对象形状特征、雷达VV/VH极化波段等辅助特征进行精细提取。本发明使用了国产高分一号影像数据，实现了基于高分一号影像的农业用地精细提取，可将提取结果应用到实际农业监控中，充分体现了本发明精细提取方法的可靠性与实用性。
-
公开(公告)号：CN103473734B
公开(公告)日：2016-09-14
申请号：CN201310421449.0
申请日：2013-09-16
申请人： 南京大学
摘要： 基于车载LiDAR数据的电力线提取与拟合方法，方法如下：首先利用体元划分车载LiDAR点云，确定各个体元内的点；然后根据真实电力线的分布特点剔除不含有电力线点云的体元；再将过滤得到的电力线点云依据电力线走廊进行划分，并利用AutoClust算法对电力线点云进行初始聚类；接着使用基于端部拟合线段的聚类合并方法，将属于同一电力线的初始点云聚类合并到一起；最后根据电力线的特性，恢复断裂的电力线，最终得到可用以表征单条电力线的点云，并以此进行三维拟合。本发明能够实现海量车载LiDAR数据中电力线点云的自动快速提取，实现了单条电力线的准确识别以及电力线三维模型的精确拟合。
-
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
申请人： 南京大学
IPC分类号： G06V20/10 , G06V10/25 , G06V10/26 , G06V10/30 , G06V10/764 , G06V10/774 , G06K9/62
摘要： 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：CN103440489A
公开(公告)日：2013-12-11
申请号：CN201310423428.2
申请日：2013-09-16
申请人： 南京大学
IPC分类号： G06K9/46
摘要： 本发明涉及一种像素级SAR影像时间序列的水体提取方法，该方法首先，对SAR影像数据集进行预处理，经过高精度匹配，构建像素级SAR影像时间序列，生成时间序列文本数据；其次，采样选取纯净水体像元和混合水体像元的时间序列，选取DTW作为时间序列的相似性度量，计算其DTW值作为最大阈值；然后计算所有像元的像素级SAR影像时间序列与纯净水体像元时间序列的DTW值，采用最大阈值方法分割SAR影像，获取二值图像；最后，采用8邻域搜索方法对二值图像进行操作以提高水体识别精度。该方法能够准确提取稳定的水资源分布范围，提取结果不受山体阴影、雨季积水及部分植被的影响，能够满足水体制图的要求。
-
公开(公告)号：CN114241334A
公开(公告)日：2022-03-25
申请号：CN202111560722.9
申请日：2021-12-20
申请人： 南京大学
摘要： 本发明涉及一种多生态因子集成的干旱区生态环境遥感监测方法，属于遥感地学应用技术领域。基于光学遥感影像，从耦合生态系统组成要素的角度出发，在顾及绿度（NDVI）、湿度（Wet）、干度（NDBSI）、热度（LST）生态因子的基础上，结合开发的综合盐度指标（CSI）和水网密度（WND）遥感估算模型，构建增强型遥感生态指数（ERSEI）,该指数实现干旱区生态环境遥感综合评价。ERSEI利用主成分分析设计主成分贡献率自主配权的方式，对各生态因子进行综合表征，进而定量测度生态环境质量。本发明考虑了生态系统的主要组成以及干旱区环境特点，能够自动、快速、高效综合地表大范围生态环境质量专题数据，为干旱区生态环境常态化监测提供了一种新方法。
-
公开(公告)号：CN114187519A
公开(公告)日：2022-03-15
申请号：CN202111535348.7
申请日：2021-12-15
申请人： 南京大学
摘要： 本发明涉及一种基于Sentinel‑2遥感影像塑料大棚快速提取方法，属于遥感地学应用技术领域。主要步骤包括：1）Sentinel‑2遥感影像大气纠正，获取地表真实反射率；2）采用影像海岸气溶胶（coastal aerosol）波段、红（red）波段、近红外（NIR）波段、短波红外2（SWIR2）波段,计算改进大棚指数（Advanced Plastic Greenhouse Index,APGI）；3）预设阈值Threshold对APGI指数影像进行二值化分割获得塑料大棚专题图。本发明提供的方法可以快速有效提取全球典型大棚种植区域的不同类型大棚，而且对季节变化有着较强的鲁棒性。
-
公开(公告)号：CN102938064B
公开(公告)日：2015-06-17
申请号：CN201210483627.8
申请日：2012-11-23
申请人： 南京大学
IPC分类号： G06K9/46
摘要： 本发明涉及一种基于LiDAR数据与正射影像的停车场结构提取方法，该方法利用LiDAR数据将停车场分为空地区域和非空地区域，从LiDAR数据中生成非空地区域的车辆面片的中轴线，从正射影像数据中得到空地区域中的停车场车位线；套合非空地区域中的车辆中轴线和空地区域中的车位线，依其最大相交方向划分停车道；计算停车场结构参数，生成停车道的分割线，完成对停车场结构的提取。该方法能够解决停车场结构提取过程中面临的光照变化、阴影效应、透视变形以及车辆遮盖等问题，准确且高精度地提取停车场的结构。
-
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
申请人： 南京大学
摘要： 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
申请人： 南京大学
IPC分类号： G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06T17/05
摘要： 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
申请人： 南京大学
IPC分类号： G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06T17/05
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.02 秒)
