申请/专利权人：安徽大学

申请日：2022-05-30

公开（公告）日：2024-03-12

公开（公告）号：CN115063610B

主分类号：G06V10/62

分类号：G06V10/62;G06T7/62;G06V10/764;G06V10/774;G06T7/11;G06N5/01;G06N20/10;G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2022.10.04#实质审查的生效;2022.09.16#公开

摘要：本发明涉及基于Sentinel‑1、2影像的大豆种植区识别方法及其面积测算方法，与现有技术相比解决了大豆与其他作物光谱相似度高导致其依靠高维特征难以实现种植区识别的缺陷。本发明包括以下步骤：Sentinel‑1、2影像的获取和预处理；时间序列特征提取；支持向量机模型的构建；优选特征子集确定；大豆种植区识别。本发明借助GEE云计算平台，利用线性谐波模型提取大豆生长季内Sentinel‑1、2影像的时间序列特征，然后构造支持向量机模型，同时结合随机森林分类模型及斯皮尔曼相关系数探究大豆识别优选特征子集，最终利用支持向量机模型提取大豆种植区并测算面积。

主权项：1.一种基于Sentinel-1、2影像的大豆种植区识别方法，其特征在于，包括以下步骤：11Sentinel-1、2影像的获取和预处理：获取大豆生长季内Sentinel-2卫星影像，进行预处理后计算5个植被指数并选择5个原始波段；获取大豆生长季内Sentinel-1影像，并进行预处理后选择2个原始波段；分别对所选的植被指数及原始波段进行耕地掩膜处理；12时间序列特征提取：利用2阶线性谐波模型提取大豆生长季内掩膜后的Sentinel-2卫星影像的5个取植被指数及5个原始波段的时间序列特征，作为Sentinel-2候选时间序列特征；利用2阶线性谐波模型提取大豆生长季内掩膜后的Sentinel-1卫星影像的2个原始波段的时间序列特征，作为Sentinel-1候选时间序列特征；汇总Sentinel-2和Sentinel-1所有候选时间序列特征，得到时间序列特征；13支持向量机模型的构建：构建支持向量机分类模型；14优选特征子集确定：构建随机森林分类模型，利用随机森林分类模型计算所有时间序列特征的重要性得分；分别计算Sentinel-2和Sentinel-1候选时间序列特征中每两个候选特征之间的斯皮尔曼相关系数，按照时间序列特征的重要性降序去除斯皮尔曼相关系数大于0.5或小于-0.5的候选特征，得到优选特征子集；15大豆种植区识别：将优选特征子集输入支持向量机分类模型训练，得到分类结果并提取出大豆种植区。

全文数据：

权利要求：

百度查询： 安徽大学 基于Sentinel-1、2影像的大豆种植区识别方法

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