申请/专利权人：黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院);东北林业大学

申请日：2023-09-12

公开（公告）日：2023-12-12

公开（公告）号：CN117218535A

主分类号：G06V20/10

分类号：G06V20/10;G06V20/17;G06V10/12;G06V10/80;G06V10/776;G06V10/82;G06N3/04;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.29#实质审查的生效;2023.12.12#公开

摘要：一种基于SFA的长期森林覆盖变化检测方法，属于森林检测技术领域。方法如下：采集A1、A2时期被检测森林区域实时遥感图像并划分为多个栅格后进行存储；计算每个栅格的植被指数；对对应的栅格的植被覆盖度进行融合；获得数据集并将数据集划分为训练集和测试集；构建神经网络模型；利用训练集对神经网络模型进行训练；利用测试集和训练好的神经网络模型，实现对A1至A2期间的森林覆盖变化的检测；重复上述步骤实现长期森林覆盖变化的检测。本发明运用SFA提取森林信息，解决了目前没有对植被缓慢变化特征进行检测的问题，提高了长期森林覆盖变化检测的准确度，有助于对森林进行有效及时的排查维护，从而保证了整个森林的安全。

主权项：1.一种基于SFA的长期森林覆盖变化检测方法，其特征在于：所述方法包括如下步骤：S1：采集A1时期的被检测森林区域的实时遥感图像；S2：将A1时期的实时遥感图像划分为多个栅格后进行存储；S3：采集A2时期的被检测森林区域的实时遥感图像；S4：将A2时期的实时遥感图像按照与A1时期的实时遥感图像相同标准划分为多个栅格后进行存储；S5：利用慢特征分析算法计算A1时期的实时遥感图像以及A2时期的实时遥感图像的每个栅格的植被指数，植被指数用于表征栅格内的植被覆盖度；S6：利用图像处理技术，分别对A1时期的实时遥感图像以及A2时期的实时遥感图像中每两个对应的栅格的植被覆盖度进行融合；S7：基于融合的特征，分别获得每两个对应的栅格的数据集，并将所述数据集划分为训练集和测试集；S8：构建神经网络模型；S9：利用训练集对神经网络模型进行训练；S10：利用测试集和训练好的神经网络模型，实现对A1至A2期间的森林覆盖变化的检测；S11：重复S1-S10实现长期森林覆盖变化的检测。

全文数据：

权利要求：

百度查询： 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院);东北林业大学 一种基于SFA的长期森林覆盖变化检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD