-
公开(公告)号：CN102982345A
公开(公告)日：2013-03-20
申请号：CN201210460579.0
申请日：2012-11-16
Applicant: 福州大学
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。
-
Patent Agency Ranking
公开(公告)号：CN104143031B
公开(公告)日：2017-08-11
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：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
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
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：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：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。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
