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。