-
公开(公告)号：CN116935238B
公开(公告)日：2024-02-23
申请号：CN202310826794.6
申请日：2023-07-07
IPC分类号： G06V20/13 , G06V10/82 , G06N3/04 , G06V10/774 , G06V20/10
摘要： 本发明公开一种深度学习的森林扰动监测方法、系统、设备及介质，涉及森林监测领域，该方法包括：对待监测区域的历史遥感影像进行特征提取获得遥感特征集；遥感特征集中包括历史遥感影像中各像元的特征；基于遥感特征集构建随机森林模型，并基于基尼系数法确定遥感特征集中各特征的重要性；根据各特征的重要性从多个特征中筛选出优选特征；基于历史遥感影像和优选特征构建数据集，数据集中每个样本包括输入数据和标签数据，输入数据为遥感影像样本中各像元的各优选特征，标签数据为各像元真实地表数据；根据数据集训练深度学习网络，将训练好的深度学习网络作为森林扰动监测模型。本发(56)对比文件CN 113705454 A,2021.11.26刘代超.基于GF-6WFV数据的林地非林地快速提取技术研究《.中国优秀硕士学位论文全文数据库基础科学辑》.2021,(2021年第01期),A008-342.王宁 等.森林扰动遥感影像检测方法研究进展《.世界林业研究》.2022,第35卷(第04期),40-46.Chen zou 等.Early identification ofCotton fields based on GF-6 images inArid and semiarid regions(China)《.remotesensing》.2023,第15卷(第5326期),1-16.Jinxi Yao 等.The classificationmethod study of Crops remote sensing withdeep learning, machine learning, andGoogle earth engine《.remote sensing》.2022,第14卷(第2758期),1-22.
-
公开(公告)号：CN114091613A
公开(公告)日：2022-02-25
申请号：CN202111419535.9
申请日：2021-11-26
IPC分类号： G06K9/62 , G06F17/18 , G06V10/774 , G06V10/80 , G06V10/77
摘要： 本发明涉及一种基于高分联合组网数据的森林生物量估算方法，属于森林资源遥感监测领域，首先获取高分卫星影像样本数据和数字高程模型；从数字高程模型中提取地形数据；对高分卫星影像样本数据进行预处理；以样地林分小班为单位，提取各个样地林分小班对应的特征因子；实地测量并计算样地林分小班的实测生物量；对实测生物量与特征因子进行相关性分析和共线性检验，得到筛选后的特征因子；建立随机森林估算模型，并利用实测生物量和筛选后的特征因子对其进行训练；获取待测地区的高分卫星影像数据，并将其对应的筛选后的特征因子输入至训练好的随机森林估算模型中，输出森林生物量估算结果，能够提升森林生物量的估算精度。
-
公开(公告)号：CN117475316A
公开(公告)日：2024-01-30
申请号：CN202311399452.7
申请日：2023-10-26
IPC分类号： G06V20/13 , G06V20/10 , G06V10/26 , G06V10/54 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种棉花早期种植区域识别方法、系统、电子设备及存储介质，涉及棉田识别领域，方法包括：首先获取待识别区域的高分6号卫星数据(6月中、下旬)，并根据待识别区域的高分6号卫星数据建立三个特征集，即光谱特征集、纹理特征集和指数特征集，然后利用棉花早期种植区域识别模型，确定待识别区域的棉花种植区域。其中的棉花种植区域识别模型是利用训练数据集对改进的DeepLab V3+模型进行训练得到的；改进的DeepLab V3+模型将DeepLab V3+模型的骨干网络Xception网络替换为MobileNetV2网络，并在ASPP模块和上采样层分别添加DAM模块。本发明提高了对棉花早期种植区域识别的准确性。
-
公开(公告)号：CN116844049A
公开(公告)日：2023-10-03
申请号：CN202310826594.0
申请日：2023-07-07
摘要： 本发明公开一种基于图像差值法的森林扰动监测方法、系统、设备及介质，涉及森林监测领域，该方法包括：对待监测区域的历史遥感影像进行光谱指数特征提取获得遥感特征集；将历史遥感影像的遥感特征集分为扰动森林和未扰动森林两类，统计这2种类型所对应的8个波段的反射率均值，选择像元值差值中差异较大的波段，从预设数量个波段中选择3个波段作为设定差值波段；分别获得待监测区域当前时期遥感影像对应的光谱特征图和上一时期遥感影像对应的光谱特征图；根据当前时期光谱特征图和上一时期光谱特征图，根据预设差值波段，采用图像差值法确定待监测区域的当前扰动森林区域。本发明实现了大范围、精细化的森林扰动实时监测。
-
公开(公告)号：CN114091613B
公开(公告)日：2023-03-24
申请号：CN202111419535.9
申请日：2021-11-26
IPC分类号： G06V10/774 , G06V10/80 , G06V10/77 , G06F17/18
摘要： 本发明涉及一种基于高分联合组网数据的森林生物量估算方法，属于森林资源遥感监测领域，首先获取高分卫星影像样本数据和数字高程模型；从数字高程模型中提取地形数据；对高分卫星影像样本数据进行预处理；以样地林分小班为单位，提取各个样地林分小班对应的特征因子；实地测量并计算样地林分小班的实测生物量；对实测生物量与特征因子进行相关性分析和共线性检验，得到筛选后的特征因子；建立随机森林估算模型，并利用实测生物量和筛选后的特征因子对其进行训练；获取待测地区的高分卫星影像数据，并将其对应的筛选后的特征因子输入至训练好的随机森林估算模型中，输出森林生物量估算结果，能够提升森林生物量的估算精度。
-
公开(公告)号：CN115862010B
公开(公告)日：2023-09-05
申请号：CN202211102819.X
申请日：2022-09-09
IPC分类号： G06V20/70 , G06V20/13 , G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06T7/136 , G06T7/11
摘要： 本发明公开了一种基于语义分割模型的高分遥感影像水体提取方法，涉及遥感影像技术领域，包括以下步骤：获取遥感影像数据；对遥感影像数据进行水体光谱特征提取；将水体光谱特征与HH和HV双极化模式特征进行特征组合，构建水体样本数据集；构建改进的DeepLabV3+网络模型；根据水体样本数据集对改进的DeepLabV3+网络模型进行语义分割训练，对改进的DeepLabV3+网络模型中的参数进行调整，得到最优DeepLabV3+网络模型；通过最优DeepLabV3+网络模型对水体信息进行提取。本发明首次提出了联合GF‑3SAR影像和GF‑6光学遥感影像，制作水体样本数据集，并通过替换改进的骨干网络、损失函数类型及设置不同的学习率值，实现DeepLabV3+网络的改进及优化，对于复杂背景下水环境问题研究提供了强有力的技术支持。
-
公开(公告)号：CN117423011B
公开(公告)日：2024-08-06
申请号：CN202311482382.1
申请日：2023-11-09
IPC分类号： G06V20/13 , G06V20/10 , G06V10/764 , G06V10/771 , G06V10/77 , G06V10/774
摘要： 本发明公开一种森林碳储量遥感估算方法、系统、设备及介质，涉及森林碳储量估计领域，方法包括获取森林的遥感数据和数字高程数据；所述遥感数据包括高分二号卫星遥感影像数据、高分三号卫星遥感影像数据和高分六号卫星遥感影像数据；分别对所述遥感数据和所述数字高程数据进行特征因子提取，得到多个数据特征；对多个所述数据特征进行相关性分析，得到相关性特征；根据所述相关性特征利用梯度提升决策树构建多树种碳储量模型；根据所述多树种碳储量模型进行估算，得到森林碳储量。本发明能提高森林碳储量的估算精度。
-
公开(公告)号：CN117011699A
公开(公告)日：2023-11-07
申请号：CN202310760237.9
申请日：2023-06-25
IPC分类号： G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/048 , G06N3/094
摘要： 本发明公开了一种基于GAN模型的高分辨率遥感图像农作物识别模型和识别方法，应用于遥感图像识别技术领域，构建的改进DeepLab V3+模型能在高分辨率遥感小麦和油菜识别中具有较高的识别精度，但是需要大量逐像元标注的样本支持，进一步，构建判别网络使用SegNet网络的前三个模块和后三个模块；同时保留原始判别网络的Leakey ReLU激活函数；因此，本文提出了一种基于生成对抗网络的半监督语义分割模型，通过分割网络和判别网络的对抗过程达到减少样本的需求。使模型在提高农作物识别精度的同时，减少对标签样本的需求。
-
公开(公告)号：CN116935238A
公开(公告)日：2023-10-24
申请号：CN202310826794.6
申请日：2023-07-07
IPC分类号： G06V20/13 , G06V10/82 , G06N3/04 , G06V10/774 , G06V20/10
摘要： 本发明公开一种深度学习的森林扰动监测方法、系统、设备及介质，涉及森林监测领域，该方法包括：对待监测区域的历史遥感影像进行特征提取获得遥感特征集；遥感特征集中包括历史遥感影像中各像元的特征；基于遥感特征集构建随机森林模型，并基于基尼系数法确定遥感特征集中各特征的重要性；根据各特征的重要性从多个特征中筛选出优选特征；基于历史遥感影像和优选特征构建数据集，数据集中每个样本包括输入数据和标签数据，输入数据为遥感影像样本中各像元的各优选特征，标签数据为各像元真实地表数据；根据数据集训练深度学习网络，将训练好的深度学习网络作为森林扰动监测模型。本发明实现了大范围、精细化且准确的森林扰动实时监测。
-
公开(公告)号：CN115862010A
公开(公告)日：2023-03-28
申请号：CN202211102819.X
申请日：2022-09-09
IPC分类号： G06V20/70 , G06V20/13 , G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06T7/136 , G06T7/11
摘要： 本发明公开了一种基于语义分割模型的高分遥感影像水体提取方法，涉及遥感影像技术领域，包括以下步骤：获取遥感影像数据；对遥感影像数据进行水体光谱特征提取；将水体光谱特征与HH和HV双极化模式特征进行特征组合，构建水体样本数据集；构建改进的DeepLabV3+网络模型；根据水体样本数据集对改进的DeepLabV3+网络模型进行语义分割训练，对改进的DeepLabV3+网络模型中的参数进行调整，得到最优DeepLabV3+网络模型；通过最优DeepLabV3+网络模型对水体信息进行提取。本发明首次提出了联合GF‑3SAR影像和GF‑6光学遥感影像，制作水体样本数据集，并通过替换改进的骨干网络、损失函数类型及设置不同的学习率值，实现DeepLabV3+网络的改进及优化，对于复杂背景下水环境问题研究提供了强有力的技术支持。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.039 秒)
