-
公开(公告)号：CN117173575B
公开(公告)日：2025-05-20
申请号：CN202311196705.0
申请日：2023-09-16
Applicant: 福州大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06N3/042 , G06N3/045
Abstract: 本发明提供了一种基于孪生图神经网络的城市场景变化检测方法。场景变化检测是以场景作为基本分析粒度检测双时相影像中的变化区域的方法，而本方法的核心是利用图神经网络优越的信息聚合能力和结构特征抽象能力，融合图节点的属性信息的并挖掘场景深层结构特征，解决传统方法无法充分利用影像结构信息的问题；此外还集成了注意力机制、节点特征交互模块和图特征交互模块，对提取的图级别信息做相似性建模的同时补充节点级的细粒度信息，减少了漏检和误检现象。本发明提出的孪生图神经网络扩展性较强，可以自由替换结构特征提取网络，同时支持不同属性特征的输入和比较，为高效获取遥感影像中的城市土地利用变化信息提供技术支撑。
-
公开(公告)号：CN119785225A
公开(公告)日：2025-04-08
申请号：CN202411461668.6
申请日：2024-10-18
Applicant: 福州大学
IPC: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442
Abstract: 本发明提出融合有效积温的农作物早期遥感识别方法，针对早期作物生长环境及自身特点，提出一种基于时空多层级注意力模型和长短时间记忆神经网络，集成有效积温及多源遥感数据的作物提取方法，充分利用SAR、光学数据之间的互补信息，在特征层进行融合，再与有效积温数据进行进一步融合实现作物环境信息的增强，使得模型更好理解不同作物早期自身特点与环境的关联性，提升作物早期识别性能。
-
公开(公告)号：CN119274079A
公开(公告)日：2025-01-07
申请号：CN202411482639.8
申请日：2024-10-23
Applicant: 福州大学
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于多跳图神经网络的高分遥感影像建筑物功能类型分类方法，属于遥感影像分类领域。首先，构建CNN‑Transformer双编码器语义分割模型提取建筑物区域信息，然后，基于建筑物区域信息构建图结构数据，接着，构建多跳图神经网络识别建筑物功能类型；CNN‑Transformer双编码器语义分割模型，实现了在提取全局上下文特征的同时保持局部空间细节特征；多跳图神经网络，预先计算节点的多跳邻域特征，只需要在CPU或分布式系统中计算一次即可用于大规模图结构数据。本发明网络支持小批量训练，并轻松扩展到大型数据集，消除了训练和预测过程中节点交互的复杂性和计算成本，增强了建筑物功能类型分类的准确性和扩展性，为高效获取遥感影像中的建筑物功能类型提供技术支撑。
-
公开(公告)号：CN114821354B
公开(公告)日：2024-06-07
申请号：CN202210409692.X
申请日：2022-04-19
Applicant: 福州大学
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
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：CN115861831A
公开(公告)日：2023-03-28
申请号：CN202211423961.4
申请日：2022-11-15
Applicant: 福州大学
IPC: G06V20/13 , G06N3/096 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及一种基于作物物候知识的时间序列遥感数据农作物识别方法，包括以下步骤：步骤S1:根据作物生长曲线构建关键生长期的物候指数，提取作物物候特征;步骤S2:构建基于LSTM网络的时序遥感数据特征提取模型，并在LSTM网络中集成全卷积神经网络；步骤S3:基于多模态学习框架，构建集成物候知识和时序遥感数据的神经网络，即PST‑LSTM模型；步骤S4:获取训练样本数据，对PST‑LSTM模型进行训练和参数优化；步骤S5:基于训练后的PST‑LSTM模型对待识别遥感影像进行识别。本发明克服传统方法在农作物识别中存在区域和数据依赖性大、迁移性弱的问题，提高作物的识别精度和适用性。
-
Patent Agency Ranking
公开(公告)号：CN114821315A
公开(公告)日：2022-07-29
申请号：CN202210435370.2
申请日：2022-04-24
Applicant: 福州大学
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：CN113450348B
公开(公告)日：2022-06-10
申请号：CN202110819211.8
申请日：2021-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于高分辨率立体像对影像的土壤侵蚀定量估算方法，包括以下步骤：步骤S1:获取区域参考DEM数据及高分辨率立体像对卫星影像，并进行高分辨率DEM构建，得到高分辨率DEM数据；步骤S2：根据高分辨率DEM数据，计算坡长因子Ly、坡度因子Sy；步骤S3:对高分辨率DEM数据中的正视全色和多光谱影像进行融合处理，进行土地利用分类，计算植被覆盖度FVC与植被覆盖因子B；步骤S4:计算每月的降雨侵蚀力因子Rm，m=1,2……12和全年降雨侵蚀力因子R；步骤S5:计算土壤可蚀性因子K、计算工程因子E和耕作因子T；步骤S6:根据步骤S2‑S5计算得到的数据，进一步获取单元土壤流失量。本发明能有效提高土壤侵蚀检测精度。
-
公开(公告)号：CN117523401A
公开(公告)日：2024-02-06
申请号：CN202311596046.X
申请日：2023-11-28
Applicant: 福州大学
IPC: G06V20/10 , G06V10/764 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明涉及一种多模态遥感数据变化检测方法。本发明通过构建多模态特征交互模块，让模型自动学习不同模态影像之间的信息。本发明面向光学和SAR（Synthetic Aperture Radar）两种模态遥感数据，利用深度学习方法，采用伪孪生卷积神经网络CNN分别提取不同模态影像的深层特征，建立跨模态特征交互模块、变化信息增强模块和多尺度融合解码器，构建了一种针对多模态遥感影像的变化检测模型，实现两期不同模态影像变化区域的自动检测，解决了在特殊环境下难以获取不同时期的同类型影像问题。
-
公开(公告)号：CN113642464B
公开(公告)日：2023-09-15
申请号：CN202110931179.2
申请日：2021-08-13
Applicant: 福州大学
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。
-
公开(公告)号：CN117173573B
公开(公告)日：2025-05-16
申请号：CN202311195257.2
申请日：2023-09-16
Applicant: 福州大学
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。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.039 seconds)
