申请/专利权人:南京林业大学
申请日:2022-04-24
公开(公告)日:2024-04-02
公开(公告)号:CN114821325B
主分类号:G06V20/10
分类号:G06V20/10;G06V10/26;G06V10/764;G06V10/82;G06N3/0464;G06N3/0475;G06N3/094
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2022.08.16#实质审查的生效;2022.07.29#公开
摘要:本申请提供了一种植被冠层孔隙度的提取方法、装置、设备及存储介质,应用于生态学研究技术领域,该方法包括:对第一目标植被冠层图像进行目标标注,得到植被图像数据集;对植被图像数据集中的图片进行旋转,得到第一样本集,并对第一样本集进行亮度增强,得到增强图像数据集;将增强图像数据集的特征向量输入到对抗网络预设的植被冠层反射模型中进行模型训练,得到目标像元二分模型;将第二目标植被冠层图像输入到目标像元二分模型中进行分析,得到预测植被冠层图像;针对预测植被冠层图像,根据不同的可视角度提取植被冠层孔隙度。本申请基于全卷积神经网络能够清晰识别图像中更深层次的植被和背景特征,从而精准的计算出植被冠层图像孔隙度。
主权项:1.一种基于模型提取植被冠层孔隙度的方法,其特征在于,所述方法包括:根据图像压缩算法对待测量植被冠层图像的分辨率进行压缩处理,得到第一目标植被冠层图像;根据图像标注工具对所述第一目标植被冠层图像中的植被像素和背景像素进行目标标注,得到植被图像数据集;基于随机旋转方式和随机亮度方式,对所述植被图像数据集中的图片进行旋转,得到变换角度后的第一样本集,并对变换角度后的第一样本集进行亮度增强处理,得到增强图像数据集;将所述增强图像数据集的特征向量输入到对抗网络预设的植被冠层反射模型中进行模型训练,得到目标像元二分模型;将第二目标植被冠层图像输入到所述目标像元二分模型中进行分析,得到预测植被冠层图像,其中,所述第一目标植被冠层图像与所述第二目标植被冠层图像为相同分辨率的图像,且所述第二目标植被冠层图像由植被和背景组成的图像;针对所述预测植被冠层图像,根据不同的可视角度提取植被冠层孔隙度。
全文数据:
权利要求:
百度查询: 南京林业大学 基于模型提取植被冠层孔隙度的方法、装置、设备及介质
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。