-
公开(公告)号：CN105913361A
公开(公告)日：2016-08-31
申请号：CN201610216317.8
申请日：2016-04-08
Applicant: 民政部国家减灾中心 , 中国科学院遥感与数字地球研究所
IPC: G06Q50/26
Abstract: 本发明涉及洪涝灾害评估技术领域，公开了一种洪涝灾害评估系统和方法，该系统包括：数据获取单元，用于获取受灾区域的灾前和灾后的遥感数据；植被指数计算单元，用于根据所述灾前和灾后的遥感数据分别计算灾前和灾后的植被指数；以及灾害评估单元，用于根据所述灾前和灾后的植被指数来确定受灾程度。本发明通过根据受灾区域的灾前和灾后的遥感数据分别计算得到的灾前和灾后的植被指数，再根据该植被指数来确定受灾程度，可以看出，本发明可以自动根据灾前和灾后的遥感数据得到作物的受灾程度，不仅具有客观、高效等优点，而且可以为防灾减灾相关部门提供可靠的数据支撑和基础。
-
公开(公告)号：CN105844287A
公开(公告)日：2016-08-10
申请号：CN201610147613.7
申请日：2016-03-15
Applicant: 民政部国家减灾中心 , 中国科学院遥感与数字地球研究所
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6277
Abstract: 本发明涉及遥感影像技术领域，公开了一种遥感影像分类的域自适应方法及系统，所述域自适应方法包括：通过主动学习从目标领域选择出对于当前分类器最具有信息量的未标记样本进行标记，并根据标记后的样本和当前训练样本集来调整所述当前分类器；以及通过半监督学习调整经主动学习调整后的所述当前分类器。本发明的域自适应方法及系统适用于不同时间同一区域或者不同区域之间影像先验知识的迁移，通过主动学习和半监督学习的方法解决了域自适应性问题，使得不同影像之间的知识得以相互传递和利用。
-
公开(公告)号：CN105787977A
公开(公告)日：2016-07-20
申请号：CN201610108608.5
申请日：2016-02-26
Applicant: 民政部国家减灾中心 , 中国科学院遥感与数字地球研究所
IPC: G06T11/00
CPC classification number: G06T11/00 , G06T2207/30181
Abstract: 本发明涉及地理信息处理领域，公开了一种建筑物矢量边界简化方法，包括：从建筑物的矢量图中获取建筑物矢量多边形；确定所述矢量多边形的边角点；根据所述矢量多边形的周长或所述边角点之间的距离确定距离筛选阈值；以及遍历所述矢量多边形的全部边界点，将所遍历到的边界点和与该边界点相邻的边界点之间的距离与所述距离筛选阈值相比较，当所述距离小于所述距离筛选阈值且该相邻的边界点不是所述边角点时，删除该相邻的边界点。通过上述技术方案，利用距离筛选阈值对不符合条件的边界点进行剔除，可以很好的应用于建筑物矢量边界简化过程，所涉及到的计算过程简单。
-
公开(公告)号：CN107765243A
公开(公告)日：2018-03-06
申请号：CN201610695108.6
申请日：2016-08-22
Applicant: 中国科学院遥感与数字地球研究所 , 民政部国家减灾中心
IPC: G01S13/89
CPC classification number: G01S13/89
Abstract: 本发明公开了一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法，该方法包括如下步骤：步骤1)基于全极化RADARSAT-2数据，针对极化分解技术，研发一套雷达数据处理技术流程，获得不同散射参量分布图；步骤2)基于不同玉米生长期，尤其是浓密植被覆盖情况下，分析单次散射、偶次散射和体散射随时间变化规律；步骤3)基于Freeman_Durden、Yanaguchi和VanZyl三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型；步骤4)基于Freeman_Durden、Yamaguchi和VanZyl，获得玉米不同生长期土壤水分反演模型；步骤5)基于不同极化分解技术和实测数据，优选最优土壤水分反演模型，获得玉米不同生育期最优土壤水分分布图。
-
公开(公告)号：CN105844287B
公开(公告)日：2019-06-07
申请号：CN201610147613.7
申请日：2016-03-15
Applicant: 民政部国家减灾中心 , 中国科学院遥感与数字地球研究所
IPC: G06K9/62
Abstract: 本发明涉及遥感影像技术领域，公开了一种遥感影像分类的域自适应方法及系统，所述域自适应方法包括：通过主动学习从目标领域选择出对于当前分类器最具有信息量的未标记样本进行标记，并根据标记后的样本和当前训练样本集来调整所述当前分类器；以及通过半监督学习调整经主动学习调整后的所述当前分类器。本发明的域自适应方法及系统适用于不同时间同一区域或者不同区域之间影像先验知识的迁移，通过主动学习和半监督学习的方法解决了域自适应性问题，使得不同影像之间的知识得以相互传递和利用。
-
Patent Agency Ranking
公开(公告)号：CN105787977B
公开(公告)日：2018-10-09
申请号：CN201610108608.5
申请日：2016-02-26
Applicant: 民政部国家减灾中心 , 中国科学院遥感与数字地球研究所
IPC: G06T11/00
Abstract: 本发明涉及地理信息处理领域，公开了一种建筑物矢量边界简化方法，包括：从建筑物的矢量图中获取建筑物矢量多边形；确定所述矢量多边形的边角点；根据所述矢量多边形的周长或所述边角点之间的距离确定距离筛选阈值；以及遍历所述矢量多边形的全部边界点，将所遍历到的边界点和与该边界点相邻的边界点之间的距离与所述距离筛选阈值相比较，当所述距离小于所述距离筛选阈值且该相邻的边界点不是所述边角点时，删除该相邻的边界点。通过上述技术方案，利用距离筛选阈值对不符合条件的边界点进行剔除，可以很好的应用于建筑物矢量边界简化过程，所涉及到的计算过程简单。
-
公开(公告)号：CN106920235B
公开(公告)日：2020-06-26
申请号：CN201710109715.4
申请日：2017-02-28
Applicant: 中国科学院电子学研究所 , 民政部国家减灾中心
IPC: G06T7/33
Abstract: 本发明提供了一种基于矢量底图匹配的星载光学遥感影像自动校正方法，其特征在于，包括：步骤A，将待校正影像按照指定分辨率进行地理编码；步骤B，将矢量图按所述指定分辨率转换为二值化栅格图像，统一待校正影像与矢量图的分辨率；步骤C，以矢量图作为控制底图，根据待校正影像和控制底图的地理信息确定图像间的共同区域；步骤D，在上述步骤C确定的共同区域内，进行同分辨率待校正影像与二值化控制底图自动匹配处理，将得到的匹配点对作为控制点校正遥感影像。本发明具有稳定度好和定位精度高的特点，拓展了星载光学遥感影像自动校正处理可使用的控制底图类型，有效解决了无传统光学控制影像覆盖区域的星载光学遥感影像自动校正问题。
-
公开(公告)号：CN105574521B
公开(公告)日：2019-01-29
申请号：CN201610105173.9
申请日：2016-02-25
IPC: G06K9/00
Abstract: 本发明涉及图像信息处理领域，公开了房屋轮廓提取方法和装置，该方法包括：接收输入的种子点，在图像中进行点生长来获得生长区域；利用直线段检测算法检测图像中直线轮廓，获得直线段集合，根据直线段集合中直线段与生长区域间位置关系对所述直线段进行筛选；对直线段集合中直线段的长度和角度进行统计，依据统计结果确定矩形主方向；根据矩形主方向对直线段集合中直线段进行筛选，对直线段集合中筛选后剩余直线段进行最小外接矩形拟合，并将拟合的最小外接矩形作为房屋轮廓进行输出。本发明依据输入的种子点开始进行处理，能够更好地适用于复杂环境，并且本发明还能够提高房屋轮廓提取的精度和速度。
-
公开(公告)号：CN105785364A
公开(公告)日：2016-07-20
申请号：CN201610108960.9
申请日：2016-02-26
IPC: G01S13/90
CPC classification number: G01S13/9035
Abstract: 本发明涉及极化SAR影像解译领域，公开了一种倒塌建筑物信息获取方法及获取设备，所述倒塌建筑物信息获取方法包括：获取灾区的全极化影像；针对所述全极化影像提取多个极化特征；以及基于所述多个极化特征获取倒塌建筑物信息。如此，基于所述多个极化特征在极化SAR影像中的特点，能够准确地提取房屋损毁信息。
-
公开(公告)号：CN104268879A
公开(公告)日：2015-01-07
申请号：CN201410510164.9
申请日：2014-09-28
IPC: G06T7/00
CPC classification number: G06T7/0004 , G06T2207/10036
Abstract: 本发明公开了一种基于遥感多光谱图像的建筑物实物量损毁评估方法。可先对灾前灾后的多时相多光谱遥感图像做预处理，然后采用基于随机游走的变化检测方法获取二值掩膜图像，在利用二值掩膜图像对灾前图像做目标检测以提取建筑物，最后给出建筑物实物量损毁评估结果。本发明可快速、准确、自动地检测建筑物实物量损毁状况，为灾情评估、救灾决策工作提供有力的数据支持。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.114 seconds)
