-
Patent Agency Ranking
公开(公告)号：CN104766070B
公开(公告)日：2018-02-06
申请号：CN201510191297.9
申请日：2015-04-22
Applicant: 福州大学
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：CN106096630A
公开(公告)日：2016-11-09
申请号：CN201610385818.9
申请日：2016-06-03
Applicant: 福州大学
IPC: G06K9/62
CPC classification number: G06K9/6215 , G06K2209/21
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：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：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。
-
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
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。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
