-
公开(公告)号:CN114118231A
公开(公告)日:2022-03-01
申请号:CN202111313000.3
申请日:2021-11-08
申请人: 长安大学
IPC分类号: G06K9/62 , G06V20/10 , G06V10/764 , G06V10/77
摘要: 本发明提供了一种基于多源遥感的浅覆盖区地层岩性分类特征空间构建方法,浅覆盖区地层岩性分类方法及系统。发明提供了一种有效的多源遥感在浅覆盖区地层岩性分类中的特征空间构建方法,通过极化SAR和多光谱影像的植被信息抑制去除植被干扰,并利用不同极化方式SAR影像的穿透能力获取浅覆盖区地层岩性的纹理信息,充分发挥了两种数据源的优势并有效降低了特征数据维度,形成可用于岩性分类的特征组合影像。与此同时,本发明提出了基于多源遥感特征空间构建的浅覆盖区地层岩性分类算法,解决现有技术方法在浅覆盖区地层岩性分类中适用性差、精度较低的问题。可以用于植被、干沙等浅覆盖条件下的地层岩性分类。
-
公开(公告)号:CN111008647A
公开(公告)日:2020-04-14
申请号:CN201911076217.X
申请日:2019-11-06
申请人: 长安大学
摘要: 本发明属于图像处理技术领域,公开了一种样本提取及基于空洞卷积与残差链接的图像分类方法,样本提取方法通过构建原始图像的图像金字塔,然后对图像金字塔进行卷积,并提取标识结果,并通过二值化,模糊聚类等方法最终获得带有类别标签的区域标识图,最终通过图像映射得到同源可靠分类样本。基于空洞卷积与残差链接的图像分类方法通过模拟视网膜中央凹清晰视野的方法,构架了完全自适应的深度学习分类网络,从影像自身的同源可靠样本中学习不同类别独有的特征模式,并根据学习到的特征模式,对图像进行了完全自适应的分类。
-
公开(公告)号:CN108711159A
公开(公告)日:2018-10-26
申请号:CN201810275450.X
申请日:2018-03-30
申请人: 长安大学
摘要: 本发明提供了一种基于Landsat 8含雪影像的云检测方法,包括以下步骤:步骤1,选取任一Landsat 8影像作为当前影像;步骤2,获取当前影像中圈定云范围的云阈值;步骤3,剔除通过云阈值在当前影像中圈定的云范围中的假异常,得到剔除假异常后的云影像。本发明能够有效的解决传统云检测方法产生的云雪混淆问题,适用于不同纬度地区且不受云量的限制。
-
公开(公告)号:CN106569210B
公开(公告)日:2017-10-31
申请号:CN201610905725.4
申请日:2016-10-18
申请人: 长安大学
摘要: 本发明公开了一种基于遥感的土壤水分反演方法和装置,包括以下步骤:步骤1,根据SAR影像的参数信息,反演得到SAR影像中各个像元的地表组合粗糙度;步骤2,根据入射角范围和各个像元的地表组合粗糙度这两个指标,逐像元进行分类判断选择对应的土壤水分反演半经验方程;步骤3,通过野外实测数据对各半经验方程的系数进行回归拟合,得到像元对应的经验反演方程;步骤4,得到SAR影像中各像元对应的土壤水分;本发明突破了目前常规使用单一反演方程反演所有不同区域土壤水分的方法,使得本发明适用性更广泛;另外本发明考虑了土壤有效温度和土壤质地对后向散射系数的影响,能够有效提高土壤水分的反演精度。
-
公开(公告)号:CN114417092B
公开(公告)日:2023-06-27
申请号:CN202111320910.4
申请日:2021-11-09
申请人: 长安大学
IPC分类号: G06F16/904 , G06Q50/26 , G06T17/00
摘要: 本发明提供了一种沙漠化监测指数的构建方法及沙漠化动态变化趋势评价方法。本发明基于特征空间的基本原理,利用土壤调整植被指数、地表反照率、沙化特征指数三个对沙漠化敏感的指数构建三维特征空间,并通过坐标空间中的距离公式得到沙漠化监测指数。本发明结合沙漠化趋势斜率与沙漠化变异系数对沙漠化长时间序列的动态变化趋势进行分析和评价,可以在时间空间上了解沙漠化的状态变化,为政府和相关决策部门制定下一步生态环境保护和防治沙漠化恶化工作措施提供科学的决策依据。
-
公开(公告)号:CN111008647B
公开(公告)日:2022-02-08
申请号:CN201911076217.X
申请日:2019-11-06
申请人: 长安大学
IPC分类号: G06K9/62 , G06V10/764 , G06V10/56
摘要: 本发明属于图像处理技术领域,公开了一种样本提取及基于空洞卷积与残差链接的图像分类方法,样本提取方法通过构建原始图像的图像金字塔,然后对图像金字塔进行卷积,并提取标识结果,并通过二值化,模糊聚类等方法最终获得带有类别标签的区域标识图,最终通过图像映射得到同源可靠分类样本。基于空洞卷积与残差链接的图像分类方法通过模拟视网膜中央凹清晰视野的方法,构架了完全自适应的深度学习分类网络,从影像自身的同源可靠样本中学习不同类别独有的特征模式,并根据学习到的特征模式,对图像进行了完全自适应的分类。
-
-
-
公开(公告)号:CN107423741B
公开(公告)日:2020-05-05
申请号:CN201710470315.6
申请日:2017-06-20
申请人: 长安大学
摘要: 本发明一种基于视觉仿生与力场作用的图像自适应聚类方法,包括以下步骤:步骤1,任选一张图像作为待分析图像Img,将待分析图像Img生成CIE‑Laba颜色空间下的颜色图Img2;步骤2,将CIE‑Laba颜色空间下的颜色图Img2的每个波段划分成d个子空间,即得到dn个颜色子区域空间,其中n为颜色图Img2的波段数;步骤3,计算dn个颜色子区域空间中每个子区域的稳定重心,并将每个子区域的稳定重心作为聚类中心;本发明提出并实现了用一种基于视觉仿生技术和力场作用的自适应聚类方法,该方法高效、简洁、易于实现,可用于各种数据分析的初步认知。
-
公开(公告)号:CN107423741A
公开(公告)日:2017-12-01
申请号:CN201710470315.6
申请日:2017-06-20
申请人: 长安大学
摘要: 本发明一种基于视觉仿生与力场作用的图像自适应聚类方法,包括以下步骤:步骤1,任选一张图像作为待分析图像Img,将待分析图像Img生成CIE-Laba颜色空间下的颜色图Img2;步骤2,将CIE-Laba颜色空间下的颜色图Img2的每个波段划分成d个子空间,即得到dn个颜色子区域空间,其中n为颜色图Img2的波段数;步骤3,计算dn个颜色子区域空间中每个子区域的稳定重心,并将每个子区域的稳定重心作为聚类中心;本发明提出并实现了用一种基于视觉仿生技术和力场作用的自适应聚类方法,该方法高效、简洁、易于实现,可用于各种数据分析的初步认知。
-
-
-
-
-
-
-
-
-