-
公开(公告)号：CN111191963A
公开(公告)日：2020-05-22
申请号：CN202010068868.0
申请日：2020-01-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于生长期色素变化特征的花生空间分布制图方法，包括如下步骤：1、建立研究区植被指数、花青素指数时序数据集；2、根据所述植被指数时序数据集，获取农作物关键物候期；3、构建农作物生长前期花青素变化特征指标；4、根据所述农作物生长前期花青素变化特征指标，建立用于分离花生和其他作物的花生空间分布制图技术方法；5、根据所述花青素指数时序数据集，利用所述花生空间分布制图技术方法，制得研究区花生空间分布图。该方法基于花生开花早、花期较长、花青素含量较高且下降缓慢的特点，将植被指数和花青素指数在农作物关键物候期的时序变化规律应用于花生制图，分类精度高，鲁棒性好，抗干扰能力强。
-
公开(公告)号：CN106096630B
公开(公告)日：2019-05-10
申请号：CN201610385818.9
申请日：2016-06-03
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种集成像元与对象的水稻自动变化检测方法，包括以下步骤：建立基于MODIS水体指数时序数据集及MODIS水体指数时序曲线；逐像元计算起始与结束年份MODIS水体指数时序曲线的相似度；基于MODIS水体指数时序曲线的相似性，判断疑似变化区域；综合起始年份多期Landsat影像，通过影像分割获得影像对象；将疑似变化区域与影像对象叠加，获得研究区疑似变化对象；综合结束年份多期Landsat影像，将研究区疑似变化对象进一步细分割；对细分割后的研究区疑似变化对象，利用Landsat遥感影像特征，分别开展起始和结束年份的水稻制图，从而获得研究区起始到结束年份水稻动态变化分布图。本发明具有自动化程度高、简单易用、鲁棒性好以及分类精度高等特点。
-
公开(公告)号：CN108875146A
公开(公告)日：2018-11-23
申请号：CN201810519610.0
申请日：2018-05-28
Applicant: 福州大学
IPC: G06F17/50
Abstract: 本发明涉及一种考虑变化过程的地表覆盖连续变化检测方法，首先建立植被指数时序数据，建立表征地表覆盖变化过程的植被峰度时序曲线图，接着利用Logistic模型对植被峰度时序曲线进行模型拟合，依据Logistic模型参数将地表变化过程设置为突变型、渐变型和稳定型，进而针对突变型、渐变型两种地表变化过程，结合植被峰度变化量，建立考虑地表变化过程的地表覆盖连续变化检测技术流程方法。本发明充分考虑地表变化过程，将体现变化过程的模型参数纳入地表覆盖变化区域提取，具有时空连续性好、鲁棒性强以及自动化程度相对较高等优点。
-
公开(公告)号：CN103679131B
公开(公告)日：2016-11-16
申请号：CN201310024691.4
申请日：2013-01-23
Applicant: 福州大学
IPC: G06K9/00
Abstract: 本发明涉及遥感影像信息处理技术领域，公开了一种基于时序遥感影像的多季农作物自动识别方法，该方法基于时序遥感影像，利用连续小波变换，获取基于时间域与频率域的小波系数谱，从小波系数谱中生成特征图谱，并且从中提取用于区分植被相对偏好与偏差时期的特征线，通过跟踪指示生长期内的特征点变量在不同尺度区间内的值域分布，有效地提取多季农作物信息。该方法能有效地从时间‑频率两个维度提取植被动态变化特征，通过提取植被相对偏好时期较低频率上植被变化特征，用于多季农作物的自动识别，具有基本不依赖先验知识、鲁棒性好、分类精度高、自动化程度高以及抗干扰能力强等特点。
-
公开(公告)号：CN105718936A
公开(公告)日：2016-06-29
申请号：CN201610069963.6
申请日：2016-02-02
Applicant: 福州大学
CPC classification number: G06K9/46 , G06K9/6217
Abstract: 本发明涉及一种森林动态变化模式自动提取方法，建立研究区的多年逐日增强型植被指数以及积雪指数的时序数据集，逐像元基于增强型植被指数时序数据，逐年提取植被覆盖强度、离散度、持续度等指标，并逐年提取亮度指标，逐像元依次检测上述指标的多年变化趋势，在此基础上基于植被覆盖强度、离散度、持续度、亮度等指标的变化趋势，建立森林动态变化模式识别流程图，最终达到森林动态变化自动监测的目的。该方法分别从覆盖时间、平均状态、变化幅度等侧面，设计若干指标，基于这些指标的多年总体变化趋势，有效地识别森林动态变化模式，不需要依赖已知样区的训练数据，不人机交互，具有鲁棒性好、分类精度高、自动化程度与抗干扰能力强等特点。
-
Patent Agency Ranking
公开(公告)号：CN104850694A
公开(公告)日：2015-08-19
申请号：CN201510241648.2
申请日：2015-05-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于生长期植被指数增量的冬小麦遥感监测方法，该方法通过构建冬小麦抽穗期的趋势面模型，逐像元推算冬小麦播种期、抽穗期以及成熟期，利用研究区植被指数时序数据，计算每个像元在冬小麦生长前期以及生长后期的植被指数增量指标，依据所建立的冬小麦信息提取模型，获得研究区冬小麦空间分布图。本发明依据冬小麦物候期的时空分布规律，动态确定每个区域冬小麦的抽穗期，而非假设固定时间段的冬小麦抽穗期，能有效地避免不同区域冬小麦抽穗期不一致带来的干扰，同时参考冬小麦物候历，在抽穗期的基础上，推断冬小麦播种期和成熟期，进而以这些关键物候参数确定的生长期内植被指数增量指标作为分类依据，具有较好的自适应性。
-
公开(公告)号：CN104143031A
公开(公告)日：2014-11-12
申请号：CN201310164200.6
申请日：2013-05-07
Applicant: 福州大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于小波多尺度分解的植被指数时序数据重构方法，其特征在于：该方法基于植被指数时序数据，利用小波变换，将植被指数与气候因子原始时序数据分别依次分解为对应半月、月、双月、季节、半年以及年际尺度上的时序数据，进一步依据每个尺度上的植被指数时序数据特征，选择对应尺度上的气候因子时序数据，选取合适的模型，进行不同尺度上的时序数据重建，最后综合所有尺度上的植被指数时序数据实现原始植被指数时序数据的重构。本发明具有精度高、适用范围广等特点。
-
公开(公告)号：CN103927430A
公开(公告)日：2014-07-16
申请号：CN201410030444.X
申请日：2014-01-23
Applicant: 福州大学
IPC: G06F19/00
Abstract: 本发明涉及遥感影像信息处理技术领域，特别是一种耕地复种指数自动提取方法。该方法基于遥感时序数据，逐像元对年内时序信号进行连续小波变换获得小波系数谱，从小波系数谱中提取一系列小波系数等值线，依据同时检测到的闭合小波系数等值线的个数，以及它们所覆盖的尺度区间是否存在交集的情况，建立熟制判别标准，实现耕地复种指数自动提取。该方法充分利用闭合的等值线与农作物生长峰之间的映射关系，并且通过设置等值线搜索尺度区间、起始数值等条件进一步排除干扰，具有鲁棒性好、分类精度高、自动化程度与抗干扰能力强等特点。
-
公开(公告)号：CN118781488A
公开(公告)日：2024-10-15
申请号：CN202410908493.2
申请日：2024-07-08
Applicant: 福州大学
IPC: G06V20/10 , G06V20/13 , G06V10/774 , G06F30/20 , G06V10/762
Abstract: 本发明提供基于多维数据时空演化树模型的冬小麦播种进度及季中作物高精度识别方法，充分融合核归一化植被指数、修正归一化差异裸地指数以及雷达时序影像等多维数据，通过设计多维数据时空演化树模型，自动有效获取冬季作物播种进度，并实现冬小麦季中作物高精度智能识别算法。本发明通过挖掘冬小麦物候期时空推演梯度和多源影像特征的时空关联关系，具有跨区域、跨年份大尺度自动迁移推广应用能力，能在收获前3‑4个月获得研究区高精度冬小麦分布图。本发明具有方法鲁棒性强、高精度、高时效等优点，能为耕地非粮化精准管控、农业保险等提供及时准确农情时空大数据支撑。
-
公开(公告)号：CN118411444A
公开(公告)日：2024-07-30
申请号：CN202310074619.6
申请日：2023-01-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于单位叶面积酚类化合物丰度的茶园制图指数构建方法，包括以下步骤：建立研究区Sentinel‑2 MSI多光谱影像时序数据集；构建基于绿光与短波红外波段对数变换的酚类化合物指数；建立研究区叶面积指数、酚类化合物指数和色素指数时序数据集；构建单位叶面积酚类化合物丰度指标；创建单位叶面积酚类化合物丰度时序数据集；通过增强变换获得叶面积酚类化合物丰度指标增强图谱；构建单位叶面积酚类化合物丰度增强图谱特征指标；建立茶园制图指数；利用建立的茶园制图指数进行茶园制图，获得研究区茶园空间分布图。该方法不需要依赖先验知识或经验参数设置，具有高精度茶园自动制图能力，且具有大尺度多年份低成本应用推广能力。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.022 seconds)
