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！

龙图腾网获悉贵州电网有限责任公司申请的专利基于SAR图像的下垫面信息融合积雪深度反演方法及系统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：CN119903116B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411811749.4，技术领域涉及：G06F16/29；该发明授权基于SAR图像的下垫面信息融合积雪深度反演方法及系统是由吴瑀;黄杰;张厚荣;周林;郑晓虎;李义;聂祥论;吴建蓉;郑书毅;刘庆;王有军;张垚;罗凯;袁超;李桥设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本基于SAR图像的下垫面信息融合积雪深度反演方法及系统在说明书摘要公布了：本发明公开了基于SAR图像的下垫面信息融合积雪深度反演方法及系统，涉及基于卫星遥感技术的冰雪监测技术领域，包括采集轨道数据，对采集的轨道数据进行预处理，并去除热噪声和相干斑噪声，进行地形校正，并根据雷达方程进行辐射定标获取后向散射特征参量和极化特征参量，将校正后的数据进行特征提取，并优化特征数据集，构建神经网络模型，将优化后的特征数据集输入残差神经网络，训练获得积雪深度反演模型，并引入时间变量，预测积雪深度。本发明通过融合先进的SAR数据处理技术和机器学习方法，有效解决了积雪深度反演和预测问题，为决策支持提供了重要依据。

本发明授权基于SAR图像的下垫面信息融合积雪深度反演方法及系统在权利要求书中公布了：1.基于SAR图像的下垫面信息融合积雪深度反演方法，其特征在于：包括， 采集轨道数据，对采集的轨道数据进行预处理，并去除热噪声和相干斑噪声； 进行地形校正，并根据雷达方程进行辐射定标获取后向散射特征参量和极化特征参量，将校正后的数据进行特征提取，并优化特征数据集； 构建神经网络模型，将优化后的特征数据集输入残差神经网络，训练获得积雪深度反演模型，并引入时间变量，预测积雪深度； 所述进行地形校正包括，利用基于高程信息DEM的朗伯体反射率模型的SCS+C校正法消除辐射亮度误差，使反射性质相同的地物在图像中具有相同的亮度值； 所述SCS+C校正法公式表示为： ρH＝ρTcosθpcosθz+Cλcosγi+Cλ ρT＝aλ+bλcosγi Cλ＝aλbλ 其中，ρH为水平地表反射，ρT为斜坡地表反射，θp为坡度角，θz为太阳天顶角，γi为太阳入射角，Cλ为修正系数，aλ为回归线的斜率，bλ为回归线的截距； 所述辐射定标公式表示为： 其中，Pd为传感器接收到的后向散射强度，Pt为传输功率，Pn为附加功率，为透视天线增益，为接收天线增益，为雷达接收器的电流增益，Gp为处理器常数，R为距离传播损耗，θel为天线仰角，θoc为天线方位角，Ls为大气的损耗，La为系统的损耗，A为散射面积，λ为波长，σo为无量纲的后向散射系数； 获取极化特征参量包括，采用双极化比值数据，并通过将相干矩阵特征分解获得的三个相干矩阵子分量的特征值计算极化熵、各向异性和散射角； 所述获取极化特征参量公式为： 其中，Pi为第i个特征向量对应的特征值占总特征值的比例，λi为第i个特征值，H为极化熵，A为各向异性，α为散射角，i为变量索引，λ1为目标的体散射，λ2为目标的表面散射，λ3为目标的多次散射分量。

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贵州电网有限责任公司，其通讯地址为：550002 贵州省贵阳市南明区滨河路17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。