-
公开(公告)号：CN117173574B
公开(公告)日：2025-05-09
申请号：CN202311195263.8
申请日：2023-09-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及多任务线段约束的高分辨率遥感影像规则化地块提取方法，包括以下步骤：步骤S1：选择覆盖研究区域的高分辨率遥感影像；步骤S2：构建底层顶点、中层线段、高层掩膜多层级空间信息相互融合的多任务卷积神经网络；步骤S3：基于步骤S2，采用线段吸引力方向图表示方法作为中层线段特征进行约束；步骤S4：建立联合损失函数；步骤S5：训练步骤S2的多任务模型，并将训练好的模型用于步骤S1所获遥感影像进行规则化地块提取。步骤S6：模型输出结果规则化。本发明可解决传统语义分割网络输出栅格图像边缘特征模糊和利用困难的问题，充分利用地块不同层级语义特征，实现农田地块规则矢量自动化提取。
-
公开(公告)号：CN119693781A
公开(公告)日：2025-03-25
申请号：CN202411781098.9
申请日：2024-12-05
Applicant: 福州大学
IPC: G06V20/00 , G06V20/10 , G06V10/764 , G06V10/20 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提出基于街景图像匹配遥感影像的多模态数据城市土地利用场景分类方法，设计基于几何变换的跨视角影像匹配法，实现多视角街景图像和遥感影像空间位置匹配；利用具有较强泛化能力的预训练大模型，构建基于高分辨率遥感影像以及街景图像的城市土地利用场景分类模型，提取不同尺度和不同视角的深度特征；设计全局‑局部特征融合模块，通过自注意力聚合不同层级的特征；设计门控制循环融合模块，以实现不同拍摄时间，拍摄视角的街景图像的交互；通过通道注意力机制，根据不同的权重分配遥感影像特征和街景图像特征，优化其在不同分类任务中的贡献比例，并设计动态梯度调制策略，自适应融合不同模态信息，以实现城市土地利用遥感影像精准分类。
-
公开(公告)号：CN117911869A
公开(公告)日：2024-04-19
申请号：CN202410101597.2
申请日：2024-01-24
Applicant: 福州大学
Abstract: 本发明提供一种融合高分辨率遥感影像和街景数据的城市道路三维绿量计算方法，综合城市路网和街景公开数据及高分辨率光学遥感数据，利用高分辨率遥感数据提取道路树木的水平空间分布，利用街景数据获取道路树木的立面空间分布及树高和冠高，通过融合遥感的道路树木水平信息和街景的道路树木立面信息，计算了城市道路树木三维绿量的空间分布。本发明专利有效弥补了光学遥感数据无法获取树木立面信息的缺点，快速实现了城市道路树木三维绿量估算，有效减轻了人力物力的消耗，以一种更简捷的方式实现了城市行道树三维绿度的测量。
-
公开(公告)号：CN116486255A
公开(公告)日：2023-07-25
申请号：CN202310253842.7
申请日：2023-03-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种自注意力特征融合的高分辨率遥感影像语义变化检测方法。该方法结合深度学习技术构建一种针对高分辨率遥感影像土地利用/土地覆盖（LULC）的地物语义变化检测模型。模型对已完成预处理和裁剪的高分辨率遥感影像采用卷积神经网络CNN和Transformer组合编码层提取双时相高分辨率影像的深层特征，配合自注意力特征融合模块和多任务反卷积解码层进行LULC的变化区域检测和变化区域内前后时相的地物类型分类。本发明结合多任务学习思想，将变化区域检测和变化类型识别集成为一体，实现自动化的双时相高分辨率影像LULC语义变化检测。
-
公开(公告)号：CN115526487A
公开(公告)日：2022-12-27
申请号：CN202211187464.9
申请日：2022-09-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于同类指标筛选方法的生态环境评价指标体系构建方法，包括以下步骤:根据生态环境评价的目标和需求，进行相关指标数据的收集，并构建各同类指标数据集；将数据收集单元获取的各同类指标数据集中的各指标数据进行归一化处理；对归一化处理后的各指标数据分别进行敏感性分析计算、相关性分析计算、主成分分析计算和地理探测器计算，并基于使用TOPSIS法获取各指标的综合得分；基于综合得分及实际需求获得筛选结果，并进一步构建生态环境评价指标体系。本发明避免了同类指标筛选的过程中人为主观影响，可信度高，提高了同类指标筛选过程的科学性和客观性。
-
Patent Agency Ranking
公开(公告)号：CN116486255B
公开(公告)日：2025-05-16
申请号：CN202310253842.7
申请日：2023-03-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种自注意力特征融合的高分辨率遥感影像语义变化检测方法。该方法结合深度学习技术构建一种针对高分辨率遥感影像土地利用/土地覆盖（LULC）的地物语义变化检测模型。模型对已完成预处理和裁剪的高分辨率遥感影像采用卷积神经网络CNN和Transformer组合编码层提取双时相高分辨率影像的深层特征，配合自注意力特征融合模块和多任务反卷积解码层进行LULC的变化区域检测和变化区域内前后时相的地物类型分类。本发明结合多任务学习思想，将变化区域检测和变化类型识别集成为一体，实现自动化的双时相高分辨率影像LULC语义变化检测。
-
公开(公告)号：CN117173575A
公开(公告)日：2023-12-05
申请号：CN202311196705.0
申请日：2023-09-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06N3/042 , G06N3/045
Abstract: 本发明提供了一种基于孪生图神经网络的城市场景变化检测方法。场景变化检测是以场景作为基本分析粒度检测双时相影像中的变化区域的方法，而本方法的核心是利用图神经网络优越的信息聚合能力和结构特征抽象能力，融合图节点的属性信息的并挖掘场景深层结构特征，解决传统方法无法充分利用影像结构信息的问题；此外还集成了注意力机制、节点特征交互模块和图特征交互模块，对提取的图级别信息做相似性建模的同时补充节点级的细粒度信息，减少了漏检和误检现象。本发明提出的孪生图神经网络扩展性较强，可以自由替换结构特征提取网络，同时支持不同属性特征的输入和比较，为高效获取遥感影像中的城市土地利用变化信息提供技术支撑。
-
公开(公告)号：CN113450348A
公开(公告)日：2021-09-28
申请号：CN202110819211.8
申请日：2021-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于高分辨率立体像对影像的土壤侵蚀定量估算方法，包括以下步骤：步骤S1:获取区域参考DEM数据及高分辨率立体像对卫星影像，并进行高分辨率DEM构建，得到高分辨率DEM数据；步骤S2：根据高分辨率DEM数据，计算坡长因子Ly、坡度因子Sy；步骤S3:对高分辨率DEM数据中的正视全色和多光谱影像进行融合处理，进行土地利用分类，计算植被覆盖度FVC与植被覆盖因子B；步骤S4:计算每月的降雨侵蚀力因子Rm，m=1,2……12和全年降雨侵蚀力因子R；步骤S5:计算土壤可蚀性因子K、计算工程因子E和耕作因子T；步骤S6:根据步骤S2‑S5计算得到的数据，进一步获取单元土壤流失量。本发明能有效提高土壤侵蚀检测精度。
-
公开(公告)号：CN119274061A
公开(公告)日：2025-01-07
申请号：CN202411484691.7
申请日：2024-10-23
Applicant: 福州大学
IPC: G06V20/10 , G06V20/13 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种集成建筑物与阴影方向关系自动建模的城市建筑物变化遥感检测方法，属于建筑物变化遥感检测领域。设计模糊景观生成器并集成进多模态变化检测模型中。模糊景观生成器通过方向性关系建模模块将表示方向特征的模糊景观图通过以EfficientNetV2为主干网络的神经网络生成，自动建模建筑物与阴影的方向性关系，形成模糊景观图，从而解决了生成模糊景观的物理模型中参数难控制以及元数据缺乏角度信息的问题；还通过多模态特征交叉融合模块结合建筑物与阴影的方向性关系，可以有效利用变化特征和方向性特征，消除冗余信息。本发明集成了端到端的深度神经网络，提高了变化检测的效率，为获取高分辨率影像中城市建筑物变化信息提供了技术支持。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.026 seconds)
