专利交易市场

本发明基于星载高光谱图像的气象灾害监测方法。首先，利用显著性检测算法脉冲余弦变换对高光谱各个波段图像进行显著性检测，获得高光谱图像各个波段的显著性结果图，然后，使用Lucas‑Kanade光流检测方法对高光谱的显著性视图进行运动检测，获得各个波段大气的运动检测结果，最后使用遗传算法对所有波段的大气运动检测结果进行加权寻优，获得大气云层的运动状态，达到对气象灾害监测的目的。

本发明公开了一种基于扩增高光谱数据集改善土壤氧化铁预测精度的方法，步骤如下：扩增高光谱数据集，采用分数阶微分算法将原始高光谱进行多分数阶微分变化；然后将分数阶微分光谱与原始光谱组合，形成不同的扩增高光谱数据库，以扩增原始光谱数据量；对最终形成的不同扩增高光谱数据库分别建立以为神经网络1D‑CNN模型，此时自变量为高光谱反射率值，因变量为土壤氧化铁含量；根据不同的扩增数据库所建立的模型，选择最优1D‑CNN模型。本发明有效解决了小样本条件下深度学习模型精度不高的问题，在一定程度上提高了深度学习模型的适用性和有效性，有效改善了基于高光谱数据的土壤氧化铁现有预测精度，为其他土壤属性的高光谱预测研究提供了新的方法和思路。

本发明公开了一种结合高光谱与LIF技术的CDOM无荧光物质浓度遥感探测方法，结合高光谱技术探测海水中CDOM，利用实测的高光谱数据和实测采样点CDOM浓度建立CDOM浓度反演模型，得到CDOM浓度；结合激光诱导荧光(LIF)遥感探测技术探测海水中荧光溶解有机物(FDOM)和实测采样FDOM浓度，建立FDOM浓度反演模型，得到FDOM浓度；对CDOM反演模型得到的浓度数据和FDOM反演模型得到的浓度数据经过分析得到CDOM中无荧光物质的浓度。本发明在基于高光谱技术探测CDOM的基础上，结合LIF遥感探测技术探测FDOM，最终得到CDOM中无荧光物质的浓度情况。