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

Inventor： 李蒙蒙 ,  龙江 ,  汪小钦

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：CN117173574A

公开(公告)日：2023-12-05

申请号：CN202311195263.8

申请日：2023-09-16

Applicant: 福州大学

Inventor： 李蒙蒙 ,  卢承文 ,  汪小钦

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：CN117173573A

公开(公告)日：2023-12-05

申请号：CN202311195257.2

申请日：2023-09-16

Applicant: 福州大学

Inventor： 李蒙蒙 ,  张少锋 ,  汪小钦

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/26 ,  G06V10/52 ,  G06V10/764 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明提出了一种城市建筑物类型变化遥感检测方法。构建一种基于高分辨率遥感影像的城市建筑物类型变化检测模型，具体由语义分割和变化检测两大模块组成。语义分割模块利用Swim Transformer作为编码器，提升特征提取过程中的全局感知能力。通过不同任务的参数共享机制同时学习建筑物类型信息和边界信息，解决建筑物类型变化的检测问题，并在特征提取阶段融入多尺度特征对比学习，提升网络对变化地物的感知能力。配合变化检测模块，该方法可同时识别建筑物的边界和类型变化信息。本发明集成了端到端的深度神经网络，实现了利用高分辨率遥感影像自动检测城市建筑物类型变化。

公开(公告)号：CN117132884A

公开(公告)日：2023-11-28

申请号：CN202310849650.2

申请日：2023-07-12

Applicant: 福州大学 ,  福建省地质测绘院(福建省地质科学研究所)

Inventor： 汪小钦 ,  李蒙蒙 ,  黄德华 ,  修晓龙 ,  吴瑞姣 ,  黄姮 ,  朱世勇 ,  陈光剑 ,  黄裕瑶

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于地块尺度的农作物遥感智能提取方法。首先将高分辨率遥感影像地块提取视为图像语义分割问题，集成卷积神经网络和Transformer网络，构建一个顾及空间细节和远距离上下文语义的神经网络模型；基于提取的精细地块，利用中等分辨率影像构建时序遥感数据集，结合长短期记忆模型和全卷积神经网络模型在时间特征和空间特征上的表征优势，构建一个新的时序深度学习模型用于农作物精准分类。本发明充分利用卷积神经网络、Transformer模型、长短期记忆模型在空间细节、远距离上下文信息建模和时序特征提取方面的优势，通过集成先进的深度网络模型，有效地提取了不同层级的地块图像特征、作物物候特征，实现了地块尺度农作物种植结构的精准分类。

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

Inventor： 汪小钦 ,  林欣怡 ,  龙江 ,  李蒙蒙

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：CN114821354A

公开(公告)日：2022-07-29

申请号：CN202210409692.X

申请日：2022-04-19

Applicant: 福州大学

Inventor： 李蒙蒙 ,  刘宣广 ,  汪小钦 ,  陈芸芝

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种基于孪生多任务网络的城市建筑物变化遥感检测方法，包括以下步骤：步骤S1：选择覆盖研究区域的双时相高分辨率遥感影像；步骤S2：构建多任务特征提取器；步骤S3：基于步骤S2，构建特征差异度量模块；步骤S4：建立联合损失函数；步骤S5：构建遥感影像数据集进行样本迁移，制作模型训练样本库；步骤S6：训练孪生多任务模型。应用本技术方案可解决传统孪生神经网络在遥感影像变化检测结果中出现的检测边界与实际边界吻合度较低的问题，减少由于高分辨率遥感影像的空间位移问题而造成的错检漏检现象，而且端对端的模型架构有效提升了变化检测效率，为高效获取高分辨率影像中精细的城市建筑物变化信息提供技术支撑。

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

Inventor： 李蒙蒙 ,  茶明星 ,  汪小钦 ,  陈芸芝 ,  龙江

IPC: G06K9/00 ,  G06K9/62

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。