一种新型TAVI地形调节因子优化算法

    公开(公告)号:CN105487066B

    公开(公告)日:2018-02-09

    申请号:CN201510807758.0

    申请日:2015-11-20

    Applicant: 福州大学

    Abstract: 本发明涉及一种新型TAVI地形调节因子优化算法,包括以下步骤:选择样区;计算植被指数;计算相关系数;逼近优化。本发明无需DEM数据和遥感影像分类,同时不依赖于地面调查数据,对TAVI在复杂地形山区植被信息准确反演的应用推广具有重要的科学意义与经济价值。

    时序数值型遥感专题数据变化过程的地图可视化表达方法

    公开(公告)号:CN107229715A

    公开(公告)日:2017-10-03

    申请号:CN201710397453.6

    申请日:2017-05-31

    Applicant: 福州大学

    CPC classification number: G06F16/904 G06F16/29

    Abstract: 本发明涉及一种时序数值型遥感专题数据变化过程的地图可视化表达方法,针对目前时序数值型数据变化研究中地图可视化表达存在的问题,结合断点检测和趋势分析技术,在地图上同时引入分层柱状和颜色表达,提出一种可以同时反映变化断点及分段趋势的地图可视化方法,该方法可以同时在一张地图上反映突变点、持续时间、变化方向和强度等多种信息,为时序数据变化分析提供了一种新的地图可视化方法。

    一种结合形态学和标记控制的无人机影像林冠分割方法

    公开(公告)号:CN106875407A

    公开(公告)日:2017-06-20

    申请号:CN201710070334.X

    申请日:2017-02-09

    Applicant: 福州大学

    CPC classification number: G06T2207/10032 G06T2207/20036 G06T2207/30188

    Abstract: 本发明涉及一种结合形态学和标记控制的无人机影像林冠分割方法:利用无人机获取若干幅林区的局部遥感影像,经镶嵌和正射校正得到完整遥感影像;采用高斯滤波方法对绿光波段进行平滑滤波处理;采用自适应的局部最大值搜索方法从绿光波段中检测林冠顶点位置;利用形态学运算,通过一个强制最小值转换将获取的林冠顶点位置信息强加到影像上;对于正射校正的真彩色遥感影像,采用ISODATA聚类算法得到只包含林冠区域和非林冠区域两类的二值影像,将提取出的非林冠区域作为分割的外部标记;将外部标记强加到经过强制最小值转换后的影像上进行分水岭变换分割,获得精确的林分单木林冠边界信息。本发明有效解决了常规方法造成的林冠边界分割不准确问题。

    一种城市建筑物类型变化遥感检测方法

    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

    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。

    多任务线段约束的高分辨率遥感影像规则化地块提取方法

    公开(公告)号:CN117173574B

    公开(公告)日:2025-05-09

    申请号:CN202311195263.8

    申请日:2023-09-16

    Applicant: 福州大学

    Abstract: 本发明涉及多任务线段约束的高分辨率遥感影像规则化地块提取方法,包括以下步骤:步骤S1:选择覆盖研究区域的高分辨率遥感影像;步骤S2:构建底层顶点、中层线段、高层掩膜多层级空间信息相互融合的多任务卷积神经网络;步骤S3:基于步骤S2,采用线段吸引力方向图表示方法作为中层线段特征进行约束;步骤S4:建立联合损失函数;步骤S5:训练步骤S2的多任务模型,并将训练好的模型用于步骤S1所获遥感影像进行规则化地块提取。步骤S6:模型输出结果规则化。本发明可解决传统语义分割网络输出栅格图像边缘特征模糊和利用困难的问题,充分利用地块不同层级语义特征,实现农田地块规则矢量自动化提取。

    基于解耦图卷积循环网络的交通流量预测方法与系统

    公开(公告)号:CN119942804A

    公开(公告)日:2025-05-06

    申请号:CN202510438795.2

    申请日:2025-04-09

    Applicant: 福州大学

    Abstract: 本发明公开基于解耦图卷积循环网络的交通流量预测方法与系统,使用多尺度时间嵌入编码器、传感器特定图卷积网络和信号解耦机制,其中方法包括步骤S1:输入历史交通数据,包括流量、速度并进行标准化预处理;步骤S2:通过多尺度时间嵌入编码器MTEE对输入的历史交通数据的分钟级、日周期和周周期特征进行自适应融合,生成多尺度时空特征矩阵。本发明解决了传统模型在时间多尺度建模、节点异质性适应和突发波动处理中的不足。该方法预测效果显著优于现有技术,MAE指标具有明显的降低,适用于智能交通管理、导航优化及应急决策支持。

    基于街景图像匹配遥感影像的多模态数据城市土地利用场景分类方法

    公开(公告)号:CN119693781A

    公开(公告)日:2025-03-25

    申请号:CN202411781098.9

    申请日:2024-12-05

    Applicant: 福州大学

    Abstract: 本发明提出基于街景图像匹配遥感影像的多模态数据城市土地利用场景分类方法,设计基于几何变换的跨视角影像匹配法,实现多视角街景图像和遥感影像空间位置匹配;利用具有较强泛化能力的预训练大模型,构建基于高分辨率遥感影像以及街景图像的城市土地利用场景分类模型,提取不同尺度和不同视角的深度特征;设计全局‑局部特征融合模块,通过自注意力聚合不同层级的特征;设计门控制循环融合模块,以实现不同拍摄时间,拍摄视角的街景图像的交互;通过通道注意力机制,根据不同的权重分配遥感影像特征和街景图像特征,优化其在不同分类任务中的贡献比例,并设计动态梯度调制策略,自适应融合不同模态信息,以实现城市土地利用遥感影像精准分类。

    一种基于多传感器遥感的时序AOD重构方法

    公开(公告)号:CN114943303B

    公开(公告)日:2025-01-10

    申请号:CN202210681333.X

    申请日:2022-06-16

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于多传感器遥感的时序AOD重构方法,包括:数据收集与预处理;生成有效AOD数据集和缺失AOD数据集;将有效AOD数据集结合贝叶斯自动优化调参算法,找出集成学习CatBoost模型的最优超参数;以有效AOD数据集利用最优超参数进行CatBoost模型构建;将缺失AOD数据集输入CatBoost模型对缺失AOD数据进行重构;结合地基站点AERONET AOD数据,对重构AOD数据进行验证;合并重构AOD数据和有效AOD数据,形成时空覆盖完整的AOD产品。该方法有利于提供空间分辨率高、空间覆盖范围广和时间连续性强的AOD产品,并提高卫星遥感监测气溶胶光学厚度的精度。

    融合graph2vec、双层LSTM的车辆行程时间预测方法及系统

    公开(公告)号:CN115565376B

    公开(公告)日:2024-05-03

    申请号:CN202211206533.6

    申请日:2022-09-30

    Applicant: 福州大学

    Abstract: 本发明涉及一种融合graph2vec、双层LSTM的车辆行程时间预测方法及系统,该方法包括:获取车辆历史出行轨迹数据,解析轨迹的相关特征信息,转换成键值对的形式存放,构建轨迹特征数据集;获取城市路网的路段唯一标识名与路段之间的邻接关系,构建拓扑空间数据集;对轨迹特征数据集中的特征因子与车辆行程时间进行相关性分析,选取强相关性的特征因子,并与拓扑空间数据集进行匹配,获取预测行程时间数据集;构建融合graph2vec、双层LSTM的车辆行程时间预测模型,将预测行程时间数据集输入到模型中,对车辆的行程时间进行预测,输出车辆行程时间。该方法及系统有利于更加精准的预测车辆行程时间,提高资源利用效率。

Patent Agency Ranking