-
公开(公告)号：CN103279935B
公开(公告)日：2016-01-06
申请号：CN201310232049.5
申请日：2013-06-09
申请人： 河海大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于MAP算法的热红外遥感图像超分辨率重建方法及其系统，包括：获取一段序列热红外波段遥感图像，序列图像包括至少两帧图像；基于角点特征的高精度自动配准方法，利用角点的自动提取、匹配从而完成配准；利用MAP算法实现序列图像的超分辨率重建，针对Gibbs模型的势函数参数的选取，提出了一种边缘惩罚函数阈值的自适应选取方法；对经过重建后的目标分辨率图像进行面向应用的质量评价。采用本发明，可以实现图像间高精度地自动配准，可自适应地选择参数阈值，减少人为因素干扰，也可实时超分辨率重建，从而解决了现有技术中热红外遥感图像分辨率低、重建方法不能自动化，受人为因素影响大、速度不够快，重建质量无法客观、真实评价等问题。
-
公开(公告)号：CN117409310A
公开(公告)日：2024-01-16
申请号：CN202210664496.7
申请日：2022-06-14
申请人： 河海大学 , 中国水利水电科学研究院 , 中国科学院南京地理与湖泊研究所
摘要： 本发明公开了一种基于多遥感因子随机森林的植被覆盖度反演方法，包括以下步骤：步骤一，获取薄云较少覆盖的多光谱遥感影像，并进行预处理；步骤二，将修改的土壤调节植被指数和归一化沙漠指数作为输入变量，将植被覆盖度的实测值作为训练数据，建立反演植被覆盖度的随机森林模型；步骤三，采用NDVI阈值法将研究区划分为植被区和非植被区，将随机森林模型结合植被区和非植被区进行植被覆盖度的预测；步骤四，利用已经得到的植被覆盖度的结果与地面植被覆盖度的实测值进行精度评价和交叉检验。本发明可以更好地将植被和沙漠区分开来，有利于高精度地反演干旱地区的植被覆盖度，本发明的方法在地表复杂的干旱地区也具有良好的适用性。
-
公开(公告)号：CN111915694B
公开(公告)日：2022-11-08
申请号：CN202010616766.8
申请日：2020-07-01
申请人： 河海大学
摘要： 本发明公开了一种顾及时空特征的云覆盖像元地表温度重建方法，包括：1、对目标区域在时间段Tlast＝[dbegin,tbegin,dstop,tstop]内的LST图像序列进行像元判断，将云覆盖像元处的LST值设为无效，计算目标区域的NDVI数据，处理得到Tlast内的NDVI图像序列；2、遍历T′last＝[dbegin+nt,tbegin,dstop‑nt,tstop]内每一个LST值无效的像元，对其进行时间域LST重建；3、如目标区域在T′last内仍有无效LST值，遍历每一个LST值无效的像元，对其进行空间域LST重建；4、如目标区域在T′last内仍有无效LST值，跳转至步骤S2进行下一次时空重建，直到目标区域在T′last内的LST值均有效；5、对步骤S4得到的LST图像序列进行S‑G滤波。该方法能够得到较为精确的云下地表温度。
-
公开(公告)号：CN111914896A
公开(公告)日：2020-11-10
申请号：CN202010606871.3
申请日：2020-06-29
申请人： 河海大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于多源数据的城市局部气候区分类方法，包括以下步骤：步骤一，获取研究区域范围内高分一号影像和城市3D建筑数据，并进行预处理；步骤二，提取用于局部气候分区的参数，包括建筑高度、建筑表面分数、归一化植被指数、植被覆盖度、可透水面分数、水体表面分数和不透水面分数，建立不同尺度的规则格网，并基于不同尺度的规则格网分别提取出对应的空间尺度的LCZ分区参数；步骤三，建立随机森林分类模型；步骤四，基于建立的随机森林分类模型，进行不同尺度的局部气候区分类；步骤五，通过目视解译和定量精度评价，选取最佳的局部气候分区尺度。本发明有效结合了两种局部气候分区方法的优点，提高了局部气候分区的精度和高效性。
-
公开(公告)号：CN116682008A
公开(公告)日：2023-09-01
申请号：CN202310629587.1
申请日：2023-05-31
申请人： 河海大学
IPC分类号： G06V20/10 , G06V10/20 , G06T7/10 , G06T7/62 , G06V10/764
摘要： 本发明公开了一种基于Landsat 8的富营养化水体提取方法，包括以下步骤：以水域为研究对象，获取研究区域范围内的数据源；数据预处理。通过验证数据MODIS数据确定不同时期的Landsat 8富营养化程度；水体提取及精度验证。将不同时期Landsat8数据分别按照水体指数MANDWI和ANDWI进行计算，通过大津法获得水体提取结果；通过结果对比及随机点精度验证，结果表明，MANDWI对于不同富营养化程度的水体均具有较好的水体提取效果。本发明的修正的增强归一化差异水体指数MANDWI，具有较好的清水提取效果，能够提取富营养化水体；实现高精度的水体提取，拓展遥感数据在岸线提取、水体识别的应用。
-
公开(公告)号：CN115294183A
公开(公告)日：2022-11-04
申请号：CN202210937731.3
申请日：2022-08-05
申请人： 河海大学 , 中国科学院南京地理与湖泊研究所
摘要： 本发明公开了一种基于多源遥感数据的碟型子湖水体时序提取方法，包括以下步骤：获取Landsat 8遥感影像、MODIS数据；对所有的Landsat和MODIS影像进行相互配准，经配准后的影像按照研究区范围通过矢量数据对影像进行统一裁剪；对于Landsat影像无云的月份，利用基于MNDWI的ISODATA法对水面面积进行提取，提取后验证精度；对于Landsat影像有云的月份，建立模型，进行基于MNDWI的降尺度；步骤五，利用基于MNDWI的ISODATA法对水面面积进行提取，得到云雨时段内达到Landsat分辨率的水体，填补Landsat缺失时期的水体序列。本发明数据完整，空间分辨率高，精度高。
-
公开(公告)号：CN108896185B
公开(公告)日：2020-10-16
申请号：CN201810454339.7
申请日：2018-05-14
申请人： 河海大学
IPC分类号： G01J5/00
摘要： 本发明公开了一种基于归一化沙漠指数的遥感地表温度空间降尺度方法，包括以下步骤：a、获取晴空条件下覆盖研究区范围的多光谱和热红外遥感影像，并进行预处理；b、将多光谱反射率影像与热红外影像通过聚合的方法升尺度到同一低分辨率，以多光谱反射率影像构造一种新的干旱指数表征沙漠类地表；c、对预处理过的热红外遥感影像进行温度反演，得到研究区内的地表温度；d、以新型的干旱指数、植被指数、建筑指数和水体指数为尺度因子，以随机森林回归算法建立地表温度降尺度模型，利用该模型得到研究区的高分辨率的地表温度影像；e、对降尺度结果进行精度评价。本发明有利于提高在沙漠区域的降尺度精度。
-
公开(公告)号：CN103279935A
公开(公告)日：2013-09-04
申请号：CN201310232049.5
申请日：2013-06-09
申请人： 河海大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于MAP算法的热红外遥感图像超分辨率重建方法及其系统，包括：获取一段序列热红外波段遥感图像，序列图像包括至少两帧图像；基于角点特征的高精度自动配准方法，利用角点的自动提取、匹配从而完成配准；利用MAP算法实现序列图像的超分辨率重建，针对Gibbs模型的势函数参数的选取，提出了一种边缘惩罚函数阈值的自适应选取方法；对经过重建后的目标分辨率图像进行面向应用的质量评价。采用本发明，可以实现图像间高精度地自动配准，可自适应地选择参数阈值，减少人为因素干扰，也可实时超分辨率重建，从而解决了现有技术中热红外遥感图像分辨率低、重建方法不能自动化，受人为因素影响大、速度不够快，重建质量无法客观、真实评价等问题。
-
公开(公告)号：CN115326721A
公开(公告)日：2022-11-11
申请号：CN202210932633.0
申请日：2022-08-04
申请人： 河海大学
摘要： 本发明公开了一种作物水分胁迫估算的方法，包括以下步骤：获取遥感数据及预处理：获取薄云较少覆盖的多光谱遥感影像和对应研究区的气象数据，并进行预处理；基于NP法获取实际蒸散：采用非参数蒸散反演法获取实际蒸散，潜在蒸散是通过改进的彭曼‑蒙蒂斯组合获取；以获得的实际蒸散和潜在蒸散作为输入变量，构建新型作物水分指数，对研究区的干旱情况进行监测；利用地表实测的实际蒸散数据对RS‑NP法进行直接验证，采用地表实测的土壤水分数据计算与新型作物水分胁迫指数的相关性，对RS‑PM法的结果进行精度评定和交叉验证。本发明基于RS‑NP法和RS‑PM法构建了NM‑CWSI法，在地表复杂的地区也能快速且高精度地监测干旱变化情况。
-
公开(公告)号：CN111915694A
公开(公告)日：2020-11-10
申请号：CN202010616766.8
申请日：2020-07-01
申请人： 河海大学
摘要： 本发明公开了一种顾及时空特征的云覆盖像元地表温度重建方法，包括：1、对目标区域在时间段Tlast＝[dbegin,tbegin,dstop,tstop]内的LST图像序列进行像元判断，将云覆盖像元处的LST值设为无效，计算目标区域的NDVI数据，处理得到Tlast内的NDVI图像序列；2、遍历T′last＝[dbegin+nt,tbegin,dstop-nt,tstop]内每一个LST值无效的像元，对其进行时间域LST重建；3、如目标区域在T′last内仍有无效LST值，遍历每一个LST值无效的像元，对其进行空间域LST重建；4、如目标区域在T′last内仍有无效LST值，跳转至步骤S2进行下一次时空重建，直到目标区域在T′last内的LST值均有效；5、对步骤S4得到的LST图像序列进行S-G滤波。该方法能够得到较为精确的云下地表温度。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.041 秒)
