-
公开(公告)号：CN116434064A
公开(公告)日：2023-07-14
申请号：CN202310398075.9
申请日：2023-04-14
申请人： 安徽大学
IPC分类号： G06V20/10 , G06V10/764 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于SK‑UNet深度学习网络的遥感影像大豆种植区域提取方法，包括：获取10m分辨率的哨兵二号遥感影像并进行预处理，构成遥感影像数据集；构建改进的UNet网络模型即SK‑UNet模型作为大豆种植区影像提取网络；得到训练后的SK‑UNet模型；获取待提取的遥感影像并进行预处理；将预处理后的待提取的遥感影像输入训练后的SK‑UNet模型，得到大豆种植区影像提取结果。本发明基于对UNet网络的改进，在每个双层卷积后加入SKNet Block模块，其可扩展性好且提取精度高，可调整参数应用于不同传感器的遥感卫星影像；通过验证，本发明得到的高分辨率遥感影像分类结果在评价指标优上优于对比分类算法，并且产生的分类结果能够更好的保持了边缘的平滑和完整性。
-
公开(公告)号：CN111462223A
公开(公告)日：2020-07-28
申请号：CN202010321528.4
申请日：2020-04-22
申请人： 安徽大学
摘要： 本发明特别涉及一种基于Sentinel-2影像的江淮地区大豆和玉米种植面积识别方法，包括如下步骤：A、获取Sentinel-2卫星拍摄的待测区域卫星图像并进行预处理；B、采用JM距离计算土地覆盖类型之间的可分离性，选择最佳分类时相的图像；C、通过分类算法对目标区图像中的像素点进行分类；D、根据被分类为大豆/玉米的像素点数量计算得到大豆/玉米的种植面积。本发明利用具有较高时空分辨率的Sentinel-2影像数据，结合相关分类算法，可以很好地实现江淮地区大豆和玉米的识别。采用这些步骤，可以在大豆和玉米收获之前，以相对快速和低成本的方式，在种植结构破碎的主产区对大豆和玉米进行识别并制图，获得相对可靠的大豆和玉米的空间分布结果，从而为种植结构复杂和气候多变地区的大豆和玉米种植面积提取提供技术支持。
-
公开(公告)号：CN117612006A
公开(公告)日：2024-02-27
申请号：CN202311612743.X
申请日：2023-11-29
申请人： 安徽大学
IPC分类号： G06V20/10 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06V10/82
摘要： 本发明涉及一种基于LSTM与U‑Net融合网络的大豆种植区遥感提取方法，与现有技术相比解决了机器学习方法提取精度有限、模型时空泛化能力不高的缺陷。本发明包括以下步骤：Sentinel‑2影像的获取和预处理；构造反射率时间序列影像；数据集的构建；PF‑Unet模型的构建与训练；大豆种植区遥感分布图的获得。本发明通过将卷积神经网络U‑Net和长短期记忆网络LSTM融合，提出了PF‑Unet深度学习网络，可以从多个尺度提取时间序列中的特征，相比于U‑Net、LSTM和TFBS模型，大豆种植区遥感提取精度更高。
-
公开(公告)号：CN117611893A
公开(公告)日：2024-02-27
申请号：CN202311577453.6
申请日：2023-11-24
申请人： 安徽大学
IPC分类号： G06V10/764 , G06V10/774 , G06V20/10
摘要： 本发明涉及一种基于降冗余特征优选策略的大豆种植区遥感提取方法，与现有技术相比解决了多维遥感特征执行分类时可能出现的信息冗余、数据臃肿和执行效率低的缺陷。本发明包括以下步骤：Sentinel‑1、Sentinel‑2以及Planet影像的获取及预处理；利用决策树规则集剔除非农田地物；进行ReliefF特征重要性评估；进行特征最大相关最小冗余排序；构建ReliefF‑mMRM‑RF分类模型；大豆种植区分布图的生成。本发明利用ReliefF算法对候选特征进行特征重要性评估，能够从众多特征中初步筛选出对大豆分类更有利的特征。
-
公开(公告)号：CN118505844A
公开(公告)日：2024-08-16
申请号：CN202410576175.0
申请日：2024-05-10
申请人： 安徽大学
摘要： 本发明涉及一种基于绿度氮素指数的遥感影像大豆制图方法，与现有技术相比解决了难以针对大豆遥感影像进行制图的缺陷。本发明包括以下步骤：遥感影像的获取及预处理；耕地判别决策树的构建；GNI指数的构建；进行大豆分类制图。本发明通过对遥感影像进行均值合成，解决了遥感影像中云层及随机噪声带来的问题；通过NDVI及RECI指数结合，提出了新的GNI指数，该指数反映了作物的叶绿素含量及含氮量情况，增强了大豆在生长中后期与其他作物的差异，实现了遥感影像的大豆制图。
-
公开(公告)号：CN111462223B
公开(公告)日：2023-05-26
申请号：CN202010321528.4
申请日：2020-04-22
申请人： 安徽大学
IPC分类号： G06T7/62 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06V10/764
摘要： 本发明特别涉及一种基于Sentinel‑2影像的江淮地区大豆和玉米种植面积识别方法，包括如下步骤：A、获取Sentinel‑2卫星拍摄的待测区域卫星图像并进行预处理；B、采用JM距离计算土地覆盖类型之间的可分离性，选择最佳分类时相的图像；C、通过分类算法对目标区图像中的像素点进行分类；D、根据被分类为大豆/玉米的像素点数量计算得到大豆/玉米的种植面积。本发明利用具有较高时空分辨率的Sentinel‑2影像数据，结合相关分类算法，可以很好地实现江淮地区大豆和玉米的识别。采用这些步骤，可以在大豆和玉米收获之前，以相对快速和低成本的方式，在种植结构破碎的主产区对大豆和玉米进行识别并制图，获得相对可靠的大豆和玉米的空间分布结果，从而为种植结构复杂和气候多变地区的大豆和玉米种植面积提取提供技术支持。
-
公开(公告)号：CN115063678A
公开(公告)日：2022-09-16
申请号：CN202210673426.8
申请日：2022-06-15
申请人： 安徽大学
IPC分类号： G06V20/10 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/82
摘要： 本发明涉及一种基于国产GF‑6WFV数据的大豆种植区提取方法，包括：获取待提取区域的GF‑6WFV数据，并对数据进行预处理；采用决策树分层逐级提取策略剔除预处理后的GF‑6WFV数据中的非农作物像元，得到农田植被总体分布数据；生成候选遥感特征集合；得到优选特征集合，再进行分类器的筛选，得到最佳分类器；将优选特征集合和最佳分类器结合，获得最优提取模型，并对最优提取模型的表现进行评价，考查最优提取模型对于大豆种植区的制图效果。本发明利用决策树分层逐级提取策略，显著降低水体、建成区、裸土、树木等其他地物类型对大豆提取结果造成的干扰，有助于获取更为准确和可靠的结果；同时降低数据占用的存储空间和运算量，从而提高执行效率。
-
公开(公告)号：CN117523412A
公开(公告)日：2024-02-06
申请号：CN202311543030.2
申请日：2023-11-20
申请人： 安徽大学
IPC分类号： G06V20/13 , G06V20/10 , G06V10/764
摘要： 本发明涉及一种基于改进GWCCI指数的大豆遥感制图方法，包括：获得研究区Sentinel‑2影像，筛选出高晴空覆盖率的合成影像；得到仅包含耕地信息的合成影像；筛选出其中适合提取大豆的两种指数参与构建改进版GWCCI指数，确定改进版GWCCI指数的数学形式，并将其命名为GWCCI2指数；构建不同作物类型的GWCCI2时序图，确定大豆提取的最佳时相t；确定大豆提取的最佳阈值δ；根据最佳阈值δ判断每个像素是否属于大豆种植区。本发明提出了新的GWCCI2指数，该指数同时反映了作物的叶绿素含量及冠层水分含量，增强了大豆在结荚期内与其他作物间的差异，其对于大豆的敏感度要高于原始GWCCI指数，更加适用于种植区分散、大豆与其他作物交错混杂种植普遍情况下的大豆种植区提取。
-
公开(公告)号：CN115861836A
公开(公告)日：2023-03-28
申请号：CN202211480121.1
申请日：2022-11-24
申请人： 安徽大学
IPC分类号： G06V20/13 , G06V20/10 , G06V10/764 , G06V10/771 , G06V10/80 , G06V10/70
摘要： 本发明涉及一种基于多时相Sentinel‑2数据的大豆种植区提取方法，包括：获取Sentinel‑2影像数据和辅助数据，进行预处理；将研究区的影像内的非农作物像元进行剔除，得到研究区的植被总体分布；生成所有特征的集合，并将数据融合在一起，进行掩膜；进行特征优选，筛选出各个分类器对应的最佳特征子集，选出最佳分类器；通过获取的最佳分类器和该分类器对应的最佳特征子集，组成大豆最佳提取模型，并对大豆最佳提取模型的大豆提取效果进行评估，并得到该研究区内的大豆最佳制图效果。本发明提高了精度，减少错分漏分的概率；丰富了光谱特征，还提取了部分地物是光谱难以区分的，以用作辅助数据；极大的减少了工作量，减少了特征冗余以及噪声，提高了工作效率。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.021 秒)
