“盖彦锋”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习的遥感影像植被指数自动筛选方法及系统-CN202310766990.9在审
发明人：杨易鑫;李敏;乔志远;宋宇;盖彦锋;邵国文;张军杰;王振宇 -专利权人：中国四维测绘技术有限公司
申请日： 2023-06-27 - 公布日： 2023-10-27 - 主分类号： G06V20/10 文献下载
摘要：一种基于深度学习的遥感影像植被指数自动筛选方法及系统，通过包括影像采集融合模块、模型构建训练模块、筛选模块、统计输出模块的自动筛选系统，结合植被指数与深度学习方法，通过对相关数据的融合和模型数据集的设计，最终实现了遥感影像植被指数的自动筛选，获得精度较高的植被数量和面积指标。在一定程度上解决了植被指数筛选的效率问题，提高了植被指数的自动化筛选效果。
基于深度学习遥感影像植被指数自动筛选方法系统

[发明专利]一种玉米大豆带状复合种植区识别方法-CN202211666756.0在审
发明人：王振宇;吕争;邵国文;李俊杰;隋正伟;邱凤婷;肖一鸣;刘子浩;王美玉;盖彦锋;于飞;崔小贺 -专利权人：中国四维测绘技术有限公司
申请日： 2022-12-23 - 公布日： 2023-05-30 - 主分类号： G06V20/13 文献下载
摘要：本申请公开了一种玉米大豆带状复合种植区识别方法，该方法包括：获取预设玉米大豆生长周期内玉米大豆带状复合种植区域所对应的卫星遥感影像集，对卫星遥感影像集进行预处理得到预处理后的第一卫星遥感影像集；从第一卫星遥感影像集中提取光学特征以及纹理特征，以及计算光学特征所对应的可分性指数SI的总值，以及根据纹理特征提取主成分分量；基于SI的总值以及主成分分量确定出第二卫星遥感影像集，并进行分割得到超像素分割后的第三卫星遥感影像集；对第二卫星遥感影像集以及第三卫星遥感影像集进行分析得到玉米大豆带状复合种植区分布情况。本申请解决了现有技术中玉米大豆复合种植区的识别方案不能满足实际需求的技术问题。
一种玉米大豆带状复合种植识别方法

[发明专利]基于多时相SAR影像的水稻种植区提取方法及装置-CN202211689677.1在审
发明人：于飞;吕争;隋正伟;李俊杰;盖彦锋 -专利权人：中国四维测绘技术有限公司
申请日： 2022-12-27 - 公布日： 2023-05-16 - 主分类号： G06V20/10 文献下载
摘要：本申请公开了一种基于多时相SAR影像的水稻种植区提取方法及装置，该方法包括：获取覆盖水稻生长周期的多时相SAR影像以及对各个时相SAR影像进行处理得到散射特征以及干涉特征；根据散射特征以及干涉特征筛选出分类特征数据，并基于分类特征数据进行波段合成；以及从合成后的波段中选取用于假彩色合成的特征数据，基于特征数据进行假彩色合成得到假彩色合成影像；基于假彩色合成影像在待测区域范围内选取地物样本，利用预设的分类方法对地物样本进行分类得到初始的水稻种植区识别结果；对初始的水稻种植区识别结果进行优化处理得到优化后的水稻种植区识别结果。本申请解决了现有技术中对于水稻种植区提取不满足实际需求的技术问题。
基于多时 sar 影像水稻种植提取方法装置

[实用新型]一种基于超宽带雷达P440的应急定位系统-CN202222596237.3有效
发明人：庞蕾;刘洋;李宝璇;王凯;孙金金;盖彦锋;李聪华 -专利权人：北京建筑大学
申请日： 2022-09-29 - 公布日： 2023-04-18 - 主分类号： H04W4/029 文献下载
摘要：本实用新型公开了一种基于超宽带雷达P440的应急定位系统，涉及应急定位技术领域，包括超宽带雷达P440、无人车、云端解算模块和位置显示器；超宽带雷达P440包括标签超宽带雷达P440和基站超宽带雷达P440，标签超宽带雷达P440与基站超宽带雷达P440通信连接，基站超宽带雷达P440之间通信连接；无人车与标签超宽带雷达P440固定连接；云端解算模块、位置显示器以及标签超宽带雷达P440与基站超宽带雷达P440通信连接。本实用新型基于超宽带雷达P440、云服务和无线传输技术，在应急救援等复杂环境下，极大的提高了应急定位的精度。
一种基于宽带雷达 p440 应急定位系统

[发明专利]SAR图像舰船检测方法、装置、电子设备及存储介质-CN202110751272.5在审
发明人：庞蕾;张露;盖彦锋;孙金金;李宝璇;李聪华 -专利权人：北京建筑大学
申请日： 2021-07-02 - 公布日： 2021-12-10 - 主分类号： G06K9/32 文献下载
摘要：本发明提供一种SAR图像舰船检测方法、装置、电子设备及存储介质，所述方法包括：利用小样本检测模型，提取SAR图像目标的特征，并基于所述SAR图像目标的特征，检测SAR图像中的舰船目标；其中，所述小样本检测模型为预先基于基础YOLOv3目标检测模型，通过K‑means聚类算法生成改进先验框，并通过卷积分析算法构建改进残差结构获取的。本发明通过改进基础YOLOv3目标检测模型中定特征提取部分，使其更适用于SAR图像舰船目标的检测，在此基础上，引入特征权重调整模块和检测预测模块构成小样本检测模型，实现了少量样本下的SAR图像舰船目标的实时准确检测。
sar 图像舰船检测方法装置电子设备存储介质