-
公开(公告)号：CN113642464B
公开(公告)日：2023-09-15
申请号：CN202110931179.2
申请日：2021-08-13
Applicant: 福州大学
Abstract: 本发明涉及一种结合TWDTW算法和模糊集的时序遥感影像作物分类方法，包括以下步骤：步骤S1：获取待测区域时间序列遥感影像数据、地块数据以及作物样本数据；步骤S2：对时间序列遥感影像数据进行预处理；步骤S3：构建NDVI时序数据集；步骤S4：分别构建不同作物标准NDVI时序数据和地块单元的NDVI时序数据集；步骤S5：构建非等长时序的TWDTW算法，获得不同作物相似性匹配的最小累积距离特征；步骤S6：基于地块单元的NDVI时序数据集，计算不同作物生长季长度的物候特征；步骤S7：基于最小累积距离特征和生长季长度特征，构建不同作物的高斯隶属度函数，并基于模糊集分类规则，实现地块尺度上的作物精细化分类。本发明实现地块尺度上作物的精细化分类。
-
公开(公告)号：CN115861831A
公开(公告)日：2023-03-28
申请号：CN202211423961.4
申请日：2022-11-15
Applicant: 福州大学
IPC: G06V20/13 , G06N3/096 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及一种基于作物物候知识的时间序列遥感数据农作物识别方法，包括以下步骤：步骤S1:根据作物生长曲线构建关键生长期的物候指数，提取作物物候特征;步骤S2:构建基于LSTM网络的时序遥感数据特征提取模型，并在LSTM网络中集成全卷积神经网络；步骤S3:基于多模态学习框架，构建集成物候知识和时序遥感数据的神经网络，即PST‑LSTM模型；步骤S4:获取训练样本数据，对PST‑LSTM模型进行训练和参数优化；步骤S5:基于训练后的PST‑LSTM模型对待识别遥感影像进行识别。本发明克服传统方法在农作物识别中存在区域和数据依赖性大、迁移性弱的问题，提高作物的识别精度和适用性。
-
Patent Agency Ranking
公开(公告)号：CN114821315A
公开(公告)日：2022-07-29
申请号：CN202210435370.2
申请日：2022-04-24
Applicant: 福州大学
Abstract: 本发明提出结合边缘检测和多任务学习的遥感影像耕地地块提取方法，包括以下步骤；步骤S1：对研究区高分辨率遥感影像进行预处理操作；步骤S2：基于多任务学习框架，通过设置对地块边界和形状进行约束的任务，进行地块边界的高层级图像特征提取；步骤S3：通过集成多尺度图像边缘信息和高层级语义边界信息，改善地块边界提取存在的不连续、不闭合问题；步骤S4：基于同方差不确定性理论实现不同任务权重的自适应调整；步骤S5：基于不同优化器的模型训练与微调；步骤S6：对遥感影像滑窗预测、无缝拼接，提升大区域耕地地块提取的效率；本发明能克服传统卷积神经网络在耕地地块提取中存在的边界不连续、不闭合问题，有效提高了耕地地块提取的几何精度。
-
公开(公告)号：CN118521911A
公开(公告)日：2024-08-20
申请号：CN202410606441.X
申请日：2024-05-16
Applicant: 福州大学
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种深度学习与多模态地学知识耦合的茶园提取方法。利用多模态遥感数据表征茶园地理环境特征，通过构建高分辨率影像多尺度特征耦合多模态信息的并行分支网络模型，深度挖掘并融合茶园的多模态地学知识，在小样本情况下精确地捕捉茶园多维特征，实现精细化茶园分布信息提取。
-
公开(公告)号：CN114821315B
公开(公告)日：2024-06-07
申请号：CN202210435370.2
申请日：2022-04-24
Applicant: 福州大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提出结合边缘检测和多任务学习的遥感影像耕地地块提取方法，包括以下步骤；步骤S1：对研究区高分辨率遥感影像进行预处理操作；步骤S2：基于多任务学习框架，通过设置对地块边界和形状进行约束的任务，进行地块边界的高层级图像特征提取；步骤S3：通过集成多尺度图像边缘信息和高层级语义边界信息，改善地块边界提取存在的不连续、不闭合问题；步骤S4：基于同方差不确定性理论实现不同任务权重的自适应调整；步骤S5：基于不同优化器的模型训练与微调；步骤S6：对遥感影像滑窗预测、无缝拼接，提升大区域耕地地块提取的效率；本发明能克服传统卷积神经网络在耕地地块提取中存在的边界不连续、不闭合问题，有效提高了耕地地块提取的几何精度。
-
公开(公告)号：CN115909065A
公开(公告)日：2023-04-04
申请号：CN202211437353.9
申请日：2022-11-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明提供了一种集成多尺度特征的高分辨率影像茶园自动识别方法，包括以下步骤：步骤S1：高分辨率影像预处理；步骤S2：茶园样本数据集制作；步骤S3：轻量级深度学习框架构建；步骤S4：在编码器与解码器之间的横向跳跃连接中嵌入注意力机制；步骤S5：集成多尺度特征提取模块；步骤S6：基于Adam优化器的模型训练；步骤S7：超大尺寸遥感影像的滑窗预测、无缝拼接；本发明构建了集成多尺度特征的轻量级模型，可识别不同尺度的茶园，减少小面积茶园漏提现象，在小样本情况下做到准确获取茶园种植面积和空间分布数据，以经济、高效的方式完成研究区茶园分布的高精度提取。
-
公开(公告)号：CN113642464A
公开(公告)日：2021-11-12
申请号：CN202110931179.2
申请日：2021-08-13
Applicant: 福州大学
Abstract: 本发明涉及一种结合TWDTW算法和模糊集的时序遥感影像作物分类方法，包括以下步骤：步骤S1：获取待测区域时间序列遥感影像数据、地块数据以及作物样本数据；步骤S2：对时间序列遥感影像数据进行预处理；步骤S3：构建NDVI时序数据集；步骤S4：分别构建不同作物标准NDVI时序数据和地块单元的NDVI时序数据集；步骤S5：构建非等长时序的TWDTW算法，获得不同作物相似性匹配的最小累积距离特征；步骤S6：基于地块单元的NDVI时序数据集，计算不同作物生长季长度的物候特征；步骤S7：基于最小累积距离特征和生长季长度特征，构建不同作物的高斯隶属度函数，并基于模糊集分类规则，实现地块尺度上的作物精细化分类。本发明实现地块尺度上作物的精细化分类。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
