-
公开(公告)号：CN110263111A
公开(公告)日：2019-09-20
申请号：CN201910469835.4
申请日：2019-05-31
Applicant: 南京林业大学 , 中国地质调查局南京地质调查中心
Abstract: 本发明涉及一种基于先验知识的土地利用/覆被信息时空监测方法与技术，具体步骤包括：多源土地利用/覆被数据的几何配准；多源土地利用/覆被数据的尺度转换；多源土地利用/覆被数据的数据转换；基于多源土地利用/覆被的先验知识提取；基于先验知识的土地利用/覆被信息提取；长时间序列土地利用/覆被空间监测；土地利用/覆被信息时空模拟与预测。优点：1）挖掘和利用国内外已有的土地利用/覆被产品和成果，有效地实现土地利用/覆被信息的快速提取。2）有效实现土地利用/覆被的模拟和预测，为科学监测与空间认知提供技术支撑；3）为全球城镇规划、人居环境质量监测和生态环境保护提供评估方法和决策支持。
-
-
公开(公告)号：CN108846338B
公开(公告)日：2022-04-15
申请号：CN201810561139.1
申请日：2018-05-29
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/26 , G06V10/30 , G06V10/771 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于面向对象随机森林的极化特征选择及分类方法，解决了众多极化特征参与分类时的特征选择与图像分类问题。该方法采用面向对象方法对特征集合进行多尺度分割，对分割后的样本对象进行随机森林建模，并计算每个特征的重要性，采用序列前向选择算法进行特征集优化。本发明采用面向对象的随机森林方法提高了模型训练效率和分类精度。采用序列前向选择算法结合精度最高这一迭代终止条件进行最优特征子集的构建，避免陷入局部最优解。该算法可以在提高分类精度的同时，为合理优化特征集提供定量参考。
-
公开(公告)号：CN110458048A
公开(公告)日：2019-11-15
申请号：CN201910668021.3
申请日：2019-07-23
Applicant: 南京林业大学
Abstract: 本发明涉及一种一种顾及城镇格局特征的人口分布时空演变与认知方法，包括：1）多源、多尺度遥感影像的尺度转换；2）基于多源遥感影像的城镇信息提取；3）多尺度城镇格局-结构-功能时空关系分析；4）人口分布与城镇特征的时空关联和耦合分析；5）构建顾及城镇格局特征的人口分布模拟预测系统；6）不同情景下人口分布的时空监测与认知。优点：以人口普查与统计数据、多尺度遥感数据和多源土地利用/覆被数据为数据源，研究多尺度城镇空间格局的时空特征及其演变规律，构建顾及城镇特征格局的人口分布时空演化模型，从多级空间尺度上精细刻画人口分布密度的分界线，为人口资源利用与政策调整、社会经济资源的分配提供理论基础和技术支撑。
-
公开(公告)号：CN114528932B
公开(公告)日：2025-05-09
申请号：CN202210139780.2
申请日：2022-02-16
Applicant: 南京林业大学
IPC: G06V10/764 , G06V20/10 , G06V10/774
Abstract: 本发明提供一种基于加权植被时序属性特征曲线的分类方法，选取一年内的多景双极化Sentinel‑1数据，采用面向对象多尺度分割方法对影像进行分割并以分割后的单元为对象，根据植被生长季状况对其时序特征进行加权分析，运用植被生长季加权DTW获取对象时序曲线间相关性作为新的时序属性特征曲线，然后采用最近邻分类KNN算法进行分类。本发明有针对性的加大植被生长季间的权重并以此提取各对象的植被时序曲线间的相似性作为属性值构成新的时序属性曲线，通过挖掘深层次属性曲线之间的相关性，提高植被类别的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN110595323A
公开(公告)日：2019-12-20
申请号：CN201910778737.9
申请日：2019-08-22
Applicant: 南京林业大学
IPC: G01B5/06
Abstract: 本发明公开了一种精密量取仪器高的测量装置及测量方法。包括带有圆水准器的水平板、主杆、第一支杆和第二支杆。所述第一支杆与主杆采用嵌套结构，可以竖直上下滑动，并且主杆侧壁设置一个止位螺旋，可以将第一支杆以一定的长度固定在主杆上。所述第一支杆上刻有均匀刻度，所述第二支杆螺旋嵌套在第一支杆的另一端，与水平板垂直旋紧固定。第一支杆上端设置一个微动螺旋，用于微调第二支杆长度，且微动螺旋外侧有均匀刻度，用于确定第二支杆长度。本发明可用于精密测量安置于强制对中观测墩上的测量仪器的高度，避免对测量仪器的扰动，减少测量误差，且结构简单，便于携带，测量精度高。
-
公开(公告)号：CN114332492B
公开(公告)日：2024-03-19
申请号：CN202111534702.4
申请日：2021-12-15
Applicant: 南京林业大学
IPC: G06V10/46 , G06V10/764 , G06N3/006
Abstract: 本发明提供一种基于长时间序列的植被特征提取及选择方法，包括对一年内各月共12景Sentinel‑2时序影像与同年间11月份的一景Sentinel‑1影像进行预处理、进行双极化分解并提取极化植被指数、纹理特征和后向散射系数共17个特征；进行B2～B8、B11和B12波段提取并进行重采样；提取12景各景影像数据NDVI均值与IRECI均值，按时间绘制折线并提取VFC均值；分别时序折线插值与平滑滤波，提取14个相关物候参数；获得基于VFC的新型NDVI时序折线和IRECI时序折线，从中提取新型物候参数14个；根据SVM样本训练结果，利用人工蜂群特征选择算法对提取的17个极化特征与28个光学特征进行特征选择，筛选出分类的最优特征子集。
-
公开(公告)号：CN108846338A
公开(公告)日：2018-11-20
申请号：CN201810561139.1
申请日：2018-05-29
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于面向对象随机森林的极化特征选择及分类方法，解决了众多极化特征参与分类时的特征选择与图像分类问题。该方法采用面向对象方法对特征集合进行多尺度分割，对分割后的样本对象进行随机森林建模，并计算每个特征的重要性，采用序列前向选择算法进行特征集优化。本发明采用面向对象的随机森林方法提高了模型训练效率和分类精度。采用序列前向选择算法结合精度最高这一迭代终止条件进行最优特征子集的构建，避免陷入局部最优解。该算法可以在提高分类精度的同时，为合理优化特征集提供定量参考。
-
公开(公告)号：CN117031509A
公开(公告)日：2023-11-10
申请号：CN202310966309.5
申请日：2023-08-01
IPC: G01S19/37 , G06F18/241 , G06F18/214 , G06F18/15 , G06N3/0464 , G06N3/0442
Abstract: 本发明提供了一种融合孤立森林及深度学习的土壤湿度反演方法及装置，属于土壤湿度监测领域，旨在提高土壤湿度预测的精度；所述方法包括：基于GNSS监测站接收到的卫星原始数据和精密星历，得到多个测量数据；从第一信噪比数据中，截取特定高度角方位角的第二信噪比数据，并提取出反射信号信噪比分量；对反射信号信噪比分量进行数据处理，得到反射信号的特征参数组；采用孤立森林算法，分别剔除每种特征参数分量中的异常值后，将多个特征参数组划分为训练集和测试集；基于训练集，对多个预设模型进行模型训练，并采用测试集确定每个训练完成的预设模型的预测精度；基于预测精度，从多个训练完成的预设模型中确定土壤湿度反演模型。
-
公开(公告)号：CN114528932A
公开(公告)日：2022-05-24
申请号：CN202210139780.2
申请日：2022-02-16
Applicant: 南京林业大学
IPC: G06K9/62 , G06V20/10 , G06V10/764 , G06V10/774
Abstract: 本发明提供一种基于加权植被时序属性特征曲线的分类方法，选取一年内的多景双极化Sentinel‑1数据，采用面向对象多尺度分割方法对影像进行分割并以分割后的单元为对象，根据植被生长季状况对其时序特征进行加权分析，运用植被生长季加权DTW获取对象时序曲线间相关性作为新的时序属性特征曲线，然后采用最近邻分类KNN算法进行分类。本发明有针对性的加大植被生长季间的权重并以此提取各对象的植被时序曲线间的相似性作为属性值构成新的时序属性曲线，通过挖掘深层次属性曲线之间的相关性，提高植被类别的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.057 seconds)
