申请/专利权人:山东省国土测绘院
申请日:2024-02-20
公开(公告)日:2024-03-22
公开(公告)号:CN117746260A
主分类号:G06V20/13
分类号:G06V20/13;G06V20/17;G06V10/44;G06V10/762;G06V10/764;G06V10/82;G06V10/20;G06N3/0464;G06N3/0475;G06N3/045;G06N3/094;G06N3/048;G06N3/084;G06N3/126;G06T5/40
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明涉及模式识别技术领域,具体为遥感数据智能解析方法及系统,包括以下步骤:基于原始遥感数据,采用直方图均衡化算法改善图像的对比度和亮度,接着通过节点相似度创建图结构,将像素点转换成图的节点,并根据相似度建立节点间的连接,生成图结构化遥感数据。本发明中,通过直方图均衡化算法改善图像对比度和亮度,图结构化处理增强数据表达能力,提高信息提取精确度,模块度优化方法在聚类分析中识别自然聚类,深度卷积神经网络与生成对抗网络在模式识别和自动图像标注方面提升准确性和质量,遗传算法与特征选择技术相结合的优化特征集,提升数据分析效率,深度信念网络在变化检测方面实现深层特征学习,提升识别准确度。
主权项:1.遥感数据智能解析方法,其特征在于,包括以下步骤:基于原始遥感数据,采用直方图均衡化算法改善图像的对比度和亮度,接着通过节点相似度创建图结构,将像素点转换成图的节点,并根据相似度建立节点间的连接,生成图结构化遥感数据;基于所述图结构化遥感数据,使用模块度优化方法,识别数据中的自然聚类,对节点进行分组,以挖掘同类模式的集合,进而生成遥感数据聚类图;基于所述遥感数据聚类图,采用深度卷积神经网络对每个聚类进行模式识别,分类并标注差异化的遥感数据类别,包括土地利用类型,生成分类标注遥感图像;基于所述分类标注遥感图像,利用生成对抗网络模型自动进行图像标注,通过生成器产生标注图像,判别器区分真实和生成图像,生成自动标注增强图像;基于所述自动标注增强图像,结合遗传算法和特征选择技术,基于效能自动选择特征组合,提高数据分析的效率和准确性,生成优化特征集;基于所述优化特征集,运用深度信念网络对土地覆盖的变化进行深层特征学习和变化检测,识别包括植被变化或城市扩张特征,生成土地覆盖变化分析图;基于所述土地覆盖变化分析图,应用时间序列分析方法,跟踪长期变化趋势,进行环境变化的综合评估,生成长期环境变化结果。
全文数据:
权利要求:
百度查询: 山东省国土测绘院 遥感数据智能解析方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。