Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 河南大学李宁获国家专利权

河南大学李宁获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉河南大学申请的专利基于合成孔径雷达图像的高分辨率冬小麦产量估算方法、系统、存储介质及电子设备获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116994144B

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311100613.8,技术领域涉及:G06V20/10;该发明授权基于合成孔径雷达图像的高分辨率冬小麦产量估算方法、系统、存储介质及电子设备是由李宁;李倩;赵建辉;杨会巾;毋琳;黄亚博;舒高峰设计研发完成,并于2023-08-30向国家知识产权局提交的专利申请。

基于合成孔径雷达图像的高分辨率冬小麦产量估算方法、系统、存储介质及电子设备在说明书摘要公布了:本发明公开了一种基于合成孔径雷达图像的高分辨率冬小麦产量估算方法、系统、存储介质及电子设备,包括:对时间序列SAR图像进行预处理;对时间序列后向散射图像进行掩膜;将去除冬小麦后的时间序列后向散射图像按照估产范围内的行政区边界分割为多块,然后生成的神经网络样本由时间序列向量样本和图像样本构成;引入高斯过程,以显式地对数据的空间结构进行建模;对网络模型进行训练,并保存最优网络模型。通过本发明能够快速、准确地获取待估产区冬小麦的产量,提供对产量和生产能力的了解,帮助决策者、规划者和利益相关者做出明智的决策,优化资源利用,推动经济和社会的可持续发展。同时,本发明具有良好的性能且易于工程实现。

本发明授权基于合成孔径雷达图像的高分辨率冬小麦产量估算方法、系统、存储介质及电子设备在权利要求书中公布了:1.一种基于合成孔径雷达图像的高分辨率冬小麦产量估算方法,其特征在于:包括如下步骤: 步骤S101、对时间序列合成孔径雷达图像进行预处理,得到不同极化方式的时间序列后向散射图像; 步骤S102、对不同极化方式的时间序列后向散射图像进行掩膜,去除非冬小麦像素点; 步骤S103、对去除了非冬小麦像素点的时间序列后向散射图按照待估产区的行政边界进行分块; 步骤S104、使用一种直方图降维方法来实现神经网络样本的生成,每个行政区生成一个时间序列向量样本和一个图像样本; 步骤S105、分别构建LSTM和CNN来对时间序列向量样本和图像样本进行特征的提取;用于有效提取遥感影像的空间和时间特征,以充分利用遥感影像的时空特性; 步骤S106、引入高斯过程,用以对LSTM和CNN提取的特征进行空间结构建模,从而进一步提高估产的准确性;在步骤S106中,引入高斯过程模型中, 平均函数相对于深层特征是线性的,并且协方差核取决于空间结构,核函数如式3所示: 其中gloc-g′loc表示训练数据和测试数据之间的距离,||·||2表示L2范数,σ和rloc为超参数,是一个附加的高斯噪声项,I是单位矩阵; 所述的线性高斯过程模型表达式如下: yx=fx+hxTβ4 其中fx~gp0,kx,x′;hx表示从基于原始数据的深度模型中提取的特征向量;β遵循高斯先验b是将深度模型中提取的特征向量与输出层相连所获得权重向量,B=σbI,其中σb是超参数,I是单位矩阵; 步骤S107、获取待估产区冬小麦地面实测数据,将其分为训练集和验证集,对模型进行训练; 步骤S108、选取决定系数大于0.65的网络模型进行产量的估计,式中,yi为真实数据,为预测数据,为真实数据集中的均值,n为数据总个数;得到冬小麦的产量结果图。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人河南大学,其通讯地址为:475001 河南省开封市明伦街85号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。