公开(公告)号：CN103971027B

公开(公告)日：2017-01-18

申请号：CN201410232876.9

申请日：2014-05-29

Applicant: 福州大学

Inventor： 邱炳文 ,  齐文 ,  李维娇

IPC: G06F19/00

Abstract: 本发明公开了一种基于水体与植被指数变化比值指数的水稻自动制图方法。该方法基于水体指数与植被指数的年内时序数据集，逐像元检测每个生长周期内植被指数最大值所对应的植被生长盛期，依据植被开始生长到生长盛期内遥感水体指数与植被指数的变化幅度，建立水体与植被指数变化比值指数，进行水稻自动制图。该方法充分利用相对其他农作物和自然植被而言，水稻田在移栽到抽穗这段时间内，水体指数变化幅度较小而植被指数变化幅度较大的特点，通过设计基于两者比值的水体与植被指数变化比值指数，用于水稻制图，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：CN104766070A

公开(公告)日：2015-07-08

申请号：CN201510191297.9

申请日：2015-04-22

Applicant: 福州大学

Inventor： 邱炳文 ,  刘哲

IPC: G06K9/00

Abstract: 本发明涉及基于植被指数时序数据离散度的森林信息遥感自动提取方法，该方法基于研究区每个栅格像元的年内逐日植被指数时序数据，依据植被指数时序数据的整体分布情况以及在不同值域范围内的分布情况，分别设计整体离散度指标、中高值离散度指标、生长旺期离散度指标以及高值持续性指标。同时基于森林的植被指数时序数据离散度较小的原则，建立森林分类流程图，实现森林信息遥感自动提取，最终获得研究区森林分布图。该方法从整体上、不同值域区间以及时间段内，充分挖掘不同森林类型的植被指数数据离散程度的变化的基础上，建立多种离散度指标，用于森林信息遥感自动提取，具有鲁棒性好、分类精度高、自动化程度与抗干扰能力强的特点。

公开(公告)号：CN102982345B

公开(公告)日：2015-06-03

申请号：CN201210460579.0

申请日：2012-11-16

Applicant: 福州大学

Inventor： 邱炳文 ,  钟鸣

IPC: G06K9/62

Abstract: 本发明涉及一种基于连续小波变换的时序遥感影像半自动分类方法，该方法首先建立若干已知地物的年内时序变化原始图谱，对其进行连续小波变换，获得小波系数谱，在此基础上建立基于时间维的小波方差谱及基于尺度维的小波方差谱，同时建立整个研究区所有研究单元的基于时间维的小波方差谱及基于尺度维的小波方差谱，然后依据已知地物的小波方差谱的类间差异性最大化原则，分别确定最适宜影像分类的时间域与尺度域区间，最后通过建立综合判别体系，实现遥感影像半自动分类。该方法可以有效地提取时序遥感影像在时间维和尺度维上的特征，具有较少依赖先验知识、鲁棒性好、分类精度好、自动化程度高等特点。

公开(公告)号：CN103679131A

公开(公告)日：2014-03-26

申请号：CN201310024691.4

申请日：2013-01-23

Applicant: 福州大学

Inventor： 邱炳文 ,  钟鸣

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：CN103336956A

公开(公告)日：2013-10-02

申请号：CN201310288345.7

申请日：2013-07-10

Applicant: 福州大学

Inventor： 邱炳文

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于遥感时序数据的冬小麦面积估算方法，该方法基于遥感时序数据，通过连续小波变换，将遥感植被指数时序数据转换为小波系数谱；在此基础上建立研究区域内表征每个像元年内植被变化特征的小波系数二值图；通过将若干已知冬小麦样点的小波系数二值图叠加，生成研究区冬小麦的标准小波系数二值图；研究区域每个像元的小波系数二值图逐一与冬小麦的标准小波系数二值图叠加，统计叠加后建立冬小麦识别标准，逐像元进行冬小麦识别，最后汇总计算获得整个研究区冬小麦的种植面积。该方法能有效地避免各种因素引起的原始植被指数年内变化幅度不一致等问题，具有抗噪能力强、分类精度好、以及适用范围广等优点。