-
公开(公告)号：CN109726937B
公开(公告)日：2022-05-10
申请号：CN201910073482.6
申请日：2019-01-25
Applicant: 福州大学
Abstract: 本发明涉及一种用于评价因土地利用规划调整导致对应的地图数据质量退化的方法，该方法以土地利用规划调整前后地块的形状测度为评价依据。包括如下步骤：步骤1，读取待评价区域土地利用规划调整前后两个地块数据集；步骤2，检测土地利用规划调整前后两个地块数据集的变化，记录变化范围并据此确定采样方案；步骤3，计算两个地块数据集中各地块的形状指数，利用形状指数计算形状测度指标值；步骤4，利用形状测度指标值计算土地利用规划图数据质量退化评价指标；步骤5，栅格化评价指标得到土地利用规划调整数据质量退化评价图。本发明为定量评价土地利用规划调整业务所导致的对应地图数据质量退化提供了一种科学合理、实用高效的解决方案。
-
公开(公告)号：CN109726937A
公开(公告)日：2019-05-07
申请号：CN201910073482.6
申请日：2019-01-25
Applicant: 福州大学
Abstract: 本发明涉及一种用于评价因土地利用规划调整导致对应的地图数据质量退化的方法，该方法以土地利用规划调整前后地块的形状测度为评价依据。包括如下步骤：步骤1，读取待评价区域土地利用规划调整前后两个地块数据集；步骤2，检测土地利用规划调整前后两个地块数据集的变化，记录变化范围并据此确定采样方案；步骤3，计算两个地块数据集中各地块的形状指数，利用形状指数计算形状测度指标值；步骤4，利用形状测度指标值计算土地利用规划图数据质量退化评价指标；步骤5，栅格化评价指标得到土地利用规划调整数据质量退化评价图。本发明为定量评价土地利用规划调整业务所导致的对应地图数据质量退化提供了一种科学合理、实用高效的解决方案。
-
公开(公告)号：CN117392547A
公开(公告)日：2024-01-12
申请号：CN202311516804.2
申请日：2023-11-15
Applicant: 福州大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/048
Abstract: 本发明提供一种融合Swin Transformer与视觉图神经网络的遥感影像场景分类方法，涉及计算机视觉和遥感图像处理领域。该模型由四个关键部分组成：首先是基于剪枝Swin Transformer的特征提取器，其能构建远距离依赖关系，捕捉全局和局部特征；其次是过渡层，将特征序列转换为特征图；接着，基于视觉图神经网络（ViG）的特征提取器，能够捕捉场景图像的空间拓扑关系，形成空间感知特征；最后使用分类器进行具体的场景分类。本发明采用串行融合和模型剪枝的策略，在降低模型复杂度和训练时间的同时，巧妙融合多尺度特征和空间感知特征，更好地处理了遥感图像类间相似性高和类内差异大的问题，与现有场景分类方法相比，具有较好的遥感场景分类性能。
-
-
Search Results
3
records
(took 0.013 seconds)
