-
公开(公告)号：CN116343058A
公开(公告)日：2023-06-27
申请号：CN202310268047.5
申请日：2023-03-16
Applicant: 同济大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于全局协同融合的多光谱和全色卫星影像地表分类方法，包括：获取研究区的多光谱卫星遥感影像和全色卫星遥感影像，并进行地表要素样本标注，得到训练样本图；构建全局协同的多光谱和全色卫星遥感影像地表要素分类深度卷积神经网络，该网络包括两个单源分支和一个多源分支；将多光谱和全色卫星遥感影像以及训练样本图，输入网络中，进行训练，得到训练后的网络模型；获取待分类的多光谱和全色卫星遥感影像，并输入到网络模型中进行预测，得到各个网络分支的概率分类图；通过概率加权对各个概率分类图进行决策级融合，得到最终的研究区地表要素分类图。与现有技术相比，本发明具有分类精度高、结果鲁棒性好和预测速度快等优点。
-
公开(公告)号：CN110991248B
公开(公告)日：2023-05-05
申请号：CN201911065814.2
申请日：2019-11-04
Applicant: 同济大学
Abstract: 本发明涉及一种基于特征融合的高分辨率夜光遥感影像自动变化检测方法，包括以下步骤：1)获取研究区短时重大事件发生前后的两时相高分辨率夜光遥感数据，并对前后时相遥感影像进行预处理；2)基于预处理后的高分辨率夜光遥感数据，提取多种衍生纹理特征图像，叠加构造融合纹理特征后的多波段特征影像；3)采用多元变化检测算法MAD及其迭代加权算法IR‑MAD对步骤2)中的多波段特征影像进行变化检测，得到融合多特征的变化强度图TMAD和TIR‑MAD；4)分别对变化强度图TMAD和TIR‑MAD进行分割，获得各自对应的二值变化检测结果图。与现有技术相比，本发明具有适用于星载高分辨率LJ1‑01夜光遥感影像处理、自动程度高、高精度、长时序和大范围监测等优点。
-
公开(公告)号：CN111008565B
公开(公告)日：2023-05-02
申请号：CN201911065798.7
申请日：2019-11-04
Applicant: 同济大学
Abstract: 本发明涉及一种基于短波红外和热红外数据特征融合的火烧迹地检测方法，包括以下步骤：1)获取待检测区火灾发生前后的Landsat‑8影像数据，并对前后时相影像进行预处理；2)根据预处理后的时相影像分别计算前后时相MNBR指数差值特征dMNBR以及前后时相亮温差值特征dBT；3)用基于梯度转移和总变差最小化的融合算法GTF融合指数差值特征和亮温差值特征，生成火烧迹地灰度图；4)对火烧迹地灰度图进行自适应阈值分割，生成关于火烧迹地与非火烧迹地的二值变化检测图，进而实现火烧迹地的提取。与现有技术相比，本发明具有抑制背景干扰、准确快速地提取火烧迹地等优点。
-
公开(公告)号：CN111008565A
公开(公告)日：2020-04-14
申请号：CN201911065798.7
申请日：2019-11-04
Applicant: 同济大学
Abstract: 本发明涉及一种基于短波红外和热红外数据特征融合的火烧迹地检测方法，包括以下步骤：1)获取待检测区火灾发生前后的Landsat-8影像数据，并对前后时相影像进行预处理；2)根据预处理后的时相影像分别计算前后时相MNBR指数差值特征dMNBR以及前后时相亮温差值特征dBT；3)用基于梯度转移和总变差最小化的融合算法GTF融合指数差值特征和亮温差值特征，生成火烧迹地灰度图；4)对火烧迹地灰度图进行自适应阈值分割，生成关于火烧迹地与非火烧迹地的二值变化检测图，进而实现火烧迹地的提取。与现有技术相比，本发明具有抑制背景干扰、准确快速地提取火烧迹地等优点。
-
公开(公告)号：CN113361355B
公开(公告)日：2022-11-18
申请号：CN202110594139.3
申请日：2021-05-28
Applicant: 同济大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明涉及一种联合多时相特征的遥感影像地表要素识别方法及存储介质，其中，地表要素识别方法包括：包括：步骤1：获取多时相遥感影像数据；步骤2：分别提取多时相遥感影像的时序关联特征和时空谱三维判别特征；步骤3：对时序关联特征和时空谱三维判别特征进行级联和批量归一化处理；步骤4：通过全连接层获得高级语义特征；步骤5：通过分类器对高级语义特征进行分类，获得遥感影像地表要素识别结果。与现有技术相比，本发明具有识别精度高、准确率高、稳定性好等优点。
-
Patent Agency Ranking
公开(公告)号：CN113449603B
公开(公告)日：2022-10-25
申请号：CN202110594123.2
申请日：2021-05-28
Applicant: 同济大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明涉及一种高分辨率遥感影像地表要素识别方法及存储介质，其中地表要素识别方法包括：步骤1：获取低级空谱特征；步骤2：通过浅层空谱特征融合模型对低级空谱特征进行融合；步骤3：通过中层多尺度特征融合模型对步骤2融合后的特征进行融合；步骤4：通过深层多层次特征融合模型对步骤3融合后的特征进行融合；步骤5：根据步骤4输出的融合特征获得高级语义特征；步骤6：通过分类器对地表要素进行分类，获得地表要素识别结果。与现有技术相比，本发明具有精度高、速度快、准确快速等优点。
-
公开(公告)号：CN115082784A
公开(公告)日：2022-09-20
申请号：CN202210613496.4
申请日：2022-05-31
Applicant: 同济大学
IPC: G06V20/10 , G06V10/40 , G06V10/774
Abstract: 本发明涉及一种多时相遥感影像无监督变化检测伪样本自动生成方法，包括：步骤1：对多时相影像数据进行处理，将其投影至二维极坐标域；步骤2：在极坐标域上基于变化矢量投影的统计分布特征生成伪样本候选区域；步骤3：采用随机样本生成方式在候选区域获得多类变化和不变化的伪样本，并输入监督分类器，实现二值变化检测和多类变化检测。与现有技术相比，本发明可以不依靠先验信息生成不同置信度伪样本训练集，并借助机器学习分类器实现自动化、稳健的无监督遥感变化检测。
-
公开(公告)号：CN109598701B
公开(公告)日：2021-03-26
申请号：CN201811268363.8
申请日：2018-10-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于信息扩展的多光谱遥感影像非监督变化检测方法，包括以下步骤：1)基于非线性波段生成的波段光谱信息扩展：分别对前一时相和后一时相的多光谱影像的任意两个原始波段进行波段光谱信息扩展，获取新扩展的非线性人工光谱波段；2)基于多尺度形态学重构的波段空间信息扩展：分别对原始波段和非线性人工光谱波段通过空间重构运算获取空间扩展波段特征集后，进行差分运算得到差分波段集；3)非监督多类变化检测。与现有技术相比，本发明具有实现有限原始波段扩展和空间信息重构、实现多类变化的自动化、非监督检测等优点。
-
公开(公告)号：CN110991463B
公开(公告)日：2023-05-02
申请号：CN201911065820.8
申请日：2019-11-04
Applicant: 同济大学
IPC: G06V10/40 , G06V10/26 , G06V10/77 , G06V10/764 , G06V10/776
Abstract: 本发明涉及一种超像素图引导下的多尺度引导滤波特征提取方法，包括以下步骤：1)超像素引导图的构建：采用SLIC分割算法对输入影像进行分割后得到最优分割结果，并对分割后的输入影像进行主成分分析，包含最主要信息的第一主成分PC1即为超像素引导图；2)基于引导滤波的多尺度空‑谱特征提取：将第一主成分PC1作为超像素引导图，对影像的原始波段进行不同尺度下的引导滤波，得到多尺度引导滤波特征集。与现有技术相比，本发明具有构建更准确边缘信息引导图、充分利用高分辨率影像多尺度地物空间信息等优点。
-
公开(公告)号：CN111242050A
公开(公告)日：2020-06-05
申请号：CN202010043769.7
申请日：2020-01-15
Applicant: 同济大学
Abstract: 本发明涉及一种面向大尺度复杂场景下遥感影像的自动变化检测方法，包括以下步骤：S1：获取前后时相的遥感影像数据对；S2：从遥感影像数据对中提取特征点，并进行影像配准；S3：基于配准后的遥感影像数据对，通过差值法获取差值影像；S4：提取差值影像的显著度，生成变化类伪训练样本和不变化类伪训练样本；S5：将变化类伪训练样本和不变化类伪训练样本输入分类器中，对步骤S3获取的差值影像进行二值分类，获取关于变化和不变化两种类别的二值检测结果。与现有技术相比，本发明可应用于大尺度复杂场景下遥感影像的变化检测，具有检测识别精度高、效率高等优点。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.018 seconds)
