专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果29个,建议您升级VIP下载更多相关专利
  • [发明专利]一种集成像元与对象的水稻自动变化检测方法-CN201610385818.9有效
  • 邱炳文;卢迪非;齐文;刘哲 - 福州大学
  • 2016-06-03 - 2019-05-10 - G06K9/62
  • 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。
  • 一种集成对象水稻自动变化检测方法
  • [发明专利]基于生长盛期NMDI增减比值指数的玉米自动制图方法-CN201611210341.7有效
  • 邱炳文;罗钰涵 - 福州大学
  • 2016-12-24 - 2019-02-22 - G01S17/89
  • 本发明涉及一种基于生长盛期NMDI增减比值指数的玉米自动制图方法:逐像元建立研究区的植被指数时序数据集和NMDI时序数据集;逐像元计算农作物在每个生长周期内的EVI最大值,获取农作物生长峰值时间;依据所述农作物生长峰值时间,确定农作物生长盛期前段区间和农作物生长盛期后段区间;分别建立所述农作物生长盛期前段区间的NMDI增量指标和所述农作物生长盛期后段区间的NMDI增量指标;分别建立所述农作物生长盛期前段区间的NMDI减量指标和所述农作物生长盛期后段区间的NMDI减量指标;基于所述NMDI增量指标和NMDI减量指标,建立NMDI增减比值指数;依据所述NMDI增减比值指数进行研究区玉米制图。本发明具备自动化程度高、简单易用、鲁棒性好以及分类精度高等特点。
  • 基于生长nmdi增减比值指数玉米自动制图方法
  • [发明专利]基于时序相似性的植被变化发生时间检测方法-CN201610861446.2有效
  • 邱炳文;王壮壮 - 福州大学
  • 2016-09-29 - 2019-01-22 - G06F17/50
  • 本发明涉及一种基于时序相似性的植被变化发生时间检测方法,该方法首先建立研究区多年时空连续的植被指数时序数据,然后逐像元逐年计算历年与起始年份植被指数时序曲线的JM距离,生成历年与起始年份JM距离的时序曲线;利用logistic模型拟合历年与起始年份JM距离的时序曲线,从logistic模型参数中获取时间参数,实现植被变化时间的自动提取。该方法利用历年与起始年份植被指数时序曲线的JM距离指示时序相似性,从逐年时序相似性的变化规律中获取植被发生变化时间。该方法能有效地检测时序曲线在幅度、频率等各方面的变化,避免了将原始光谱指数时序数据进行分解的繁琐程序,解决了难以直接从原始光谱指数时序数据中提取指标来全面表征植被变化的难题。
  • 基于时序相似性植被变化发生时间检测方法
  • [发明专利]基于生长期植被指数增量的冬小麦遥感监测方法-CN201510241648.2有效
  • 邱炳文;罗钰涵;李维娇 - 福州大学
  • 2015-05-13 - 2018-05-04 - G06F17/50
  • 本发明涉及一种基于生长期植被指数增量的冬小麦遥感监测方法,该方法通过构建冬小麦抽穗期的趋势面模型,逐像元推算冬小麦播种期、抽穗期以及成熟期,利用研究区植被指数时序数据,计算每个像元在冬小麦生长前期以及生长后期的植被指数增量指标,依据所建立的冬小麦信息提取模型,获得研究区冬小麦空间分布图。本发明依据冬小麦物候期的时空分布规律,动态确定每个区域冬小麦的抽穗期,而非假设固定时间段的冬小麦抽穗期,能有效地避免不同区域冬小麦抽穗期不一致带来的干扰,同时参考冬小麦物候历,在抽穗期的基础上,推断冬小麦播种期和成熟期,进而以这些关键物候参数确定的生长期内植被指数增量指标作为分类依据,具有较好的自适应性。
  • 基于生长期植被指数增量冬小麦遥感监测方法
  • [发明专利]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-CN201510191297.9有效
  • 邱炳文;刘哲 - 福州大学
  • 2015-04-22 - 2018-02-06 - G06K9/00
  • 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。
  • 基于植被指数时序数据离散森林信息遥感自动提取方法
  • [发明专利]基于水体与植被指数变化比值指数的水稻自动制图方法-CN201410232876.9有效
  • 邱炳文;齐文;李维娇 - 福州大学
  • 2014-05-29 - 2017-01-18 - G06F19/00
  • 本发明公开了一种基于水体与植被指数变化比值指数的水稻自动制图方法。该方法基于水体指数与植被指数的年内时序数据集,逐像元检测每个生长周期内植被指数最大值所对应的植被生长盛期,依据植被开始生长到生长盛期内遥感水体指数与植被指数的变化幅度,建立水体与植被指数变化比值指数,进行水稻自动制图。该方法充分利用相对其他农作物和自然植被而言,水稻田在移栽到抽穗这段时间内,水体指数变化幅度较小而植被指数变化幅度较大的特点,通过设计基于两者比值的水体与植被指数变化比值指数,用于水稻制图,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。
  • 基于水体植被指数变化比值水稻自动制图方法
  • [发明专利]一种耕地复种指数自动提取方法-CN201410030444.X有效
  • 邱炳文;李维娇 - 福州大学
  • 2014-01-23 - 2017-01-11 - G06F19/00
  • 本发明涉及遥感影像信息处理技术领域,特别是一种耕地复种指数自动提取方法。该方法基于遥感时序数据,逐像元对年内时序信号进行连续小波变换获得小波系数谱,从小波系数谱中提取一系列小波系数等值线,依据同时检测到的闭合小波系数等值线的个数,以及它们所覆盖的尺度区间是否存在交集的情况,建立熟制判别标准,实现耕地复种指数自动提取。该方法充分利用闭合的等值线与农作物生长峰之间的映射关系,并且通过设置等值线搜索尺度区间、起始数值等条件进一步排除干扰,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。
  • 一种耕地复种指数自动提取方法
  • [发明专利]一种基于频率特征的耕地复种指数提取方法-CN201310466137.1有效
  • 邱炳文;范占领 - 福州大学
  • 2013-10-09 - 2017-01-11 - G06Q50/02
  • 本发明公开了一种基于频率特征的耕地复种指数提取方法。基于植被指数年内时序原始数据,首先剔除非植被单元,然后通过多尺度小波变换,分别依次获取大致对应于月尺度、季节尺度上的时序信号,进而利用三熟制的月尺度时序信号比季节尺度的变化幅度更强的特征,进行三熟制种植识别,并且基于二熟制的季节尺度时序信号具有峰谷峰谷的变化频率特征,进行二熟制种植识别,从而获得研究区耕地复种指数。本发明方法克服了通过人为设定的参数或阈值方法计算耕地复种指数的局限性,依据月尺度、季节尺度时序信号的变化频率与幅度特征进行熟制识别,具有基本不依赖先验知识、鲁棒性好、分类精度高、抗噪声能力强以及自动化程度高等特点。
  • 一种基于频率特征耕地复种指数提取方法
  • [发明专利]基于时序遥感影像的多季农作物自动识别方法-CN201310024691.4有效
  • 邱炳文;钟鸣 - 福州大学
  • 2013-01-23 - 2016-11-16 - G06K9/00
  • 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。
  • 基于时序遥感影像农作物自动识别方法
  • [发明专利]一种森林动态变化模式自动提取方法-CN201610069963.6在审
  • 邱炳文;刘哲 - 福州大学
  • 2016-02-02 - 2016-06-29 - G06K9/46
  • 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。
  • 一种森林动态变化模式自动提取方法
  • [发明专利]一种基于遥感时序数据的冬小麦面积估算方法-CN201310288345.7有效
  • 邱炳文 - 福州大学
  • 2013-07-10 - 2013-10-02 - G06K9/00
  • 本发明涉及一种基于遥感时序数据的冬小麦面积估算方法,该方法基于遥感时序数据,通过连续小波变换,将遥感植被指数时序数据转换为小波系数谱;在此基础上建立研究区域内表征每个像元年内植被变化特征的小波系数二值图;通过将若干已知冬小麦样点的小波系数二值图叠加,生成研究区冬小麦的标准小波系数二值图;研究区域每个像元的小波系数二值图逐一与冬小麦的标准小波系数二值图叠加,统计叠加后建立冬小麦识别标准,逐像元进行冬小麦识别,最后汇总计算获得整个研究区冬小麦的种植面积。该方法能有效地避免各种因素引起的原始植被指数年内变化幅度不一致等问题,具有抗噪能力强、分类精度好、以及适用范围广等优点。
  • 一种基于遥感时序数据冬小麦面积估算方法
  • [发明专利]基于连续小波变换的时序遥感影像半自动分类方法-CN201210460579.0有效
  • 邱炳文;钟鸣 - 福州大学
  • 2012-11-16 - 2013-03-20 - G06K9/62
  • 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。
  • 基于连续变换时序遥感影像半自动分类方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top