-
公开(公告)号：CN117892053A
公开(公告)日：2024-04-16
申请号：CN202310870117.4
申请日：2023-07-14
Applicant: 中国矿业大学(北京)
IPC: G06F17/18 , G06F16/906 , G01D21/02
Abstract: 本发明公开了一种结合多目标规划生态系统碳储量遥感预测方法及系统，其方法包括：S1、将历史土地利用状态数据、规划土地利用状态数据输入MOP模型得出研究时刻所对应的土地利用状态数据A；S2、构建驱动因子邻域权重分析模型，驱动因子邻域权重分析模型从历史土地利用分析数据库提取土地利用转移矩阵，通过PLUS模型利用土地利用转移矩阵的驱动因子及邻域权重对土地利用状态数据A进行数据修正；S3、将土地利用状态数据B输入InVEST模型分别计算得到植被地上碳储量、植被地下碳储量、土壤表层碳储量以及总碳储量。本发明能够基于规划土地利用状态数据预估碳汇前景，实现土地利用与碳储量双因素时空变化下的生态系统碳储量评估预测。
-
公开(公告)号：CN116052001A
公开(公告)日：2023-05-02
申请号：CN202310118218.6
申请日：2023-02-10
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06T7/11
Abstract: 本发明涉及一种基于类别方差比值法进行最优尺度选择的方法，属于遥感图像技术领域。包括以下步骤：用获取的多尺度遥感影像，通过目视解译与实地调研的方法，综合考虑进行研究区域的选择；将选择好研究区域的遥感影像作为输入数据，使用类别方差比值法对输入数据进行处理，首先计算影像中各类研究区域的标准差、均值和影像的总体均值，其次再计算出类间方差与类内方差，最终计算得到各个尺度下遥感影像的类别方差比值；根据类别方差比值的大小，进而选取适宜空间尺度的遥感影像，最后得到最优尺度的遥感影像。本研究提出的类别方差比值法适用于对目标图像进行分离最优空间尺度的判断，根据研究目的选取适宜的空间尺度影像进行有效信息的提取。
-
公开(公告)号：CN114092795A
公开(公告)日：2022-02-25
申请号：CN202010756025.X
申请日：2020-07-31
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/764 , G06Q50/02
Abstract: 本发明提出了一种基于植被指数归一化方法的作物病情严重程度分级方法，包括以下步骤：首先从遥感影像中提取研究区域，对研究区域中农作物的染病和未染病区域进行分类，然后计算研究区域的植被指数并进行植被指数归一化，利用归一化后的植被指数来评估每个像元的病情严重程度并进行分级。本发明克服了目前已有技术的不足，具有无需地面调查和普适性强等优势，将会在大面积作物病情监测领域发挥重要的作用。
-
公开(公告)号：CN118505503A
公开(公告)日：2024-08-16
申请号：CN202410474727.7
申请日：2024-04-19
Applicant: 中国矿业大学(北京)
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于超分辨率图像重建的遥感图像降尺度方法，属于遥感图像技术领域。包括以下步骤：将获取的低分辨率遥感图像进行预处理；输入到训练好的VIT‑ISRGAN超分辨率重建模型；首先通过生成模型，其包括两个轻量化模块、三个残差模块，并在模块之间加入通道注意力机制模块，再加入Transformer模块，最后通过逐点相加层输出图像特征；使用多个卷积块对图像进行判别，每个卷积块包含卷积层、Leaky ReLU激活函数层和标准化层，最后通过两个全连接层和一个Sigmoid激活函数得到图像质量；获得放大四倍的高分辨率遥感图像。本研究提出的方法使得信息在不同通道之间传递更充分，同时能够捕捉到更广泛的图像特征，因此可以提高模型对不同类型的遥感图像的适应性。
-
公开(公告)号：CN105510241B
公开(公告)日：2019-04-16
申请号：CN201510830783.0
申请日：2015-11-25
Applicant: 中国矿业大学(北京)
IPC: G01N21/25
Abstract: 本发明公开了一种多光谱遥感反射率影像吸收特征提取方法，包括以下步骤：根据原始多光谱反射率影像波段设置，按照特定规则生成虚拟波段反射率影像数据；对虚拟波段反射率影像数据逐像素求取包络线；将虚拟波段影像反射率数据每个像素的包络线重采样到原始影像波段设置；依照上述过程求得的包络线对原始多光谱反射率影像逐像素进行包络线去除处理。本发明通过采用添加虚拟波段的方法，提出根据原始多光谱遥感影像波段设置生成虚拟波段数据，根据虚拟波段数据逐像素生成包络线，并重采样到原始波段设置，从而实现了多光谱遥感反射率数据各波段吸收特征精细提取，可以进而实现对矿物、植被、土壤、水体等地面目标成分定量化研究。
-
Patent Agency Ranking
公开(公告)号：CN118072160A
公开(公告)日：2024-05-24
申请号：CN202410090698.4
申请日：2024-01-22
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V20/17 , G06V10/143 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G01B15/00
Abstract: 本发明涉及森林生物量估算和深度学习技术的交叉领域，尤其涉及一种改进Mask R‑CNN单木尺度生物量估算方法及系统。包括以下步骤：第一步，获取典型林区无人机高分辨率高分辨影像，经图像处理得到DOM、DSM和CHM。第二步，进行野外单木数据采集，收集样地优势树种单木的胸径、树高、树冠面积及位置信息。第三步通过改进的Mask R‑CNN模型对样区无人机高分辨率影像单木树冠和树高自动提取，利用实测数据树冠与胸径之间的回归方程，在提取无人机树冠参数条件下拟合胸径，结合不同树种的异速生长方程得到单木尺度生物量，从而实现对林地单木尺度生物量进行快速估算，能克服传统野外实地调查森林参数费时、费力问题，有效提高森林生物量估算的效率和准确度。
-
公开(公告)号：CN116052001B
公开(公告)日：2023-11-17
申请号：CN202310118218.6
申请日：2023-02-10
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06T7/11
Abstract: 本发明涉及一种基于类别方差比值法进行最优尺度选择的方法，属于遥感图像技术领域。包括以下步骤：用获取的多尺度遥感影像，通过目视解译与实地调研的方法，综合考虑进行研究区域的选择；将选择好研究区域的遥感影像作为输入数据，使用类别方差比值法对输入数据进行处理，首先计算影像中各类研究区域的标准差、均值和影像的总体均值，其次再计算出类间方差与类内方差，最终计算得到各个尺度下遥感影像的类别方差比值；根据类别方差比值的大小，进而选取适宜空间尺度的遥感影像，最后得到最优尺度的遥感影像。本研究提出的类别方差比值法适用于对目标图像进行分离最优空间尺度的判断，根据研究目的选取适宜的空间尺度影像进行有效信息的提取。
-
公开(公告)号：CN105510241A
公开(公告)日：2016-04-20
申请号：CN201510830783.0
申请日：2015-11-25
Applicant: 中国矿业大学(北京)
IPC: G01N21/25
CPC classification number: G01N21/25 , G01N2021/1793
Abstract: 本发明公开了一种多光谱遥感反射率影像吸收特征提取方法，包括以下步骤：根据原始多光谱反射率影像波段设置，按照特定规则生成虚拟波段反射率影像数据；对虚拟波段反射率影像数据逐像素求取包络线；将虚拟波段影像反射率数据每个像素的包络线重采样到原始影像波段设置；依照上述过程求得的包络线对原始多光谱反射率影像逐像素进行包络线去除处理。本发明通过采用添加虚拟波段的方法，提出根据原始多光谱遥感影像波段设置生成虚拟波段数据，根据虚拟波段数据逐像素生成包络线，并重采样到原始波段设置，从而实现了多光谱遥感反射率数据各波段吸收特征精细提取，可以进而实现对矿物、植被、土壤、水体等地面目标成分定量化研究。
-
公开(公告)号：CN115587298A
公开(公告)日：2023-01-10
申请号：CN202110765795.5
申请日：2021-07-05
Applicant: 中国矿业大学(北京)
IPC: G06F18/214 , G06F18/241 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的历代景德镇青花瓷年代判别方法，属于图像分类领域，用于解决非专业群体在赏析、购买青花瓷时无据可依的难题，同时提供一种便携化、快速化、无损化的判别技术。包括安装有微信客户端的移动设备、青花瓷年代判别助手小程序终端和云端服务器分析平台；移动设备通过使用微信客户端加载运行青花瓷年代判别助手小程序终端，小程序通过移动设备的摄像头拍摄待识别或者是保存于本地的青花瓷样本图像，上传至云端服务器分析平台，云端服务器分析平台采用青花瓷深度学习神经网络模型对待识别的青花瓷样本图像进行年代判别，并将判别结果返回到移动终端，并在青花瓷年代判别助手小程序终端显示分析结果。
-
公开(公告)号：CN115587296A
公开(公告)日：2023-01-10
申请号：CN202110756248.0
申请日：2021-07-05
Applicant: 中国矿业大学(北京)
IPC: G06F18/214 , G06F18/2431 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于迁移学习分步识别的农作物病害自动识别方法，包括：使用农作物病害叶片数据集作为样本数据，预处理过程是将图像先按照4:1的比例划分出训练集和验证集，选取样本总数10％的图像作为测试集数据单独准备；将预处理后的图片数据按照分步识别方法划分为作物物种图像和作物病害图像；利用迁移学习后的VGG16和ResNet模型，对两种类别图像分别进行模型训练，选取最优模型组合得到迁移学习分步识别模型；当作物病害图片输入模型，可以自动判别作物的病害种类。采用本方法可以实现农作物病虫害的准确识别，不需要专家的专业知识即可完成病害识别，可为作物病害防治提供有效的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.063 seconds)
