申请/专利权人：昆明理工大学

申请日：2024-01-09

公开（公告）日：2024-04-09

公开（公告）号：CN117853943A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/764;G06V10/54;G06V10/774;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种结合六边形采样和特征优选的遥感影像快速分类方法，获取目标区域的Sentinel‑2遥感影像时序数据集、多源土地利用覆被数据集以及地表高程DEM数据集；通过多源数据集空间一致性分析和六边形网格采样相结合的方法对目标区域进行采样获取不同土地利用覆被类型的样本数据；获取样本的地形特征、纹理特征和时序特征；基于样本数据以及地形特征、纹理特征和时序特征，对随机森林分类模型进行训练和验证。本发明提出的方法能够准确、有效的获取区域尺度不同土地覆被类型的空间分布信息，适用于地形破碎复杂的西南高原山地土地覆被制图，可为相关部门监测其动态扩张过程，研究其时空变化规律提供理论基础和技术支持。

主权项：1.一种结合六边形采样和特征优选的遥感影像快速分类方法，其特征在于，所述方法包括：获取目标区域的长时间序列的Sentinel-2遥感影像数据集、多源土地利用覆被数据集以及地表高程DEM数据集并进行预处理；基于预处理后的多源土地利用覆被数据集，通过多源数据集空间一致性分析和六边形网格采样相结合的方法对目标区域进行采样获取不同土地利用覆被类型的样本数据，基于得到的样本数据划分训练样本数据和验证样本数据；基于预处理后的地表高程DEM数据集，获取不同土地利用覆被类型样本的地形特征；基于预处理后的长时间序列的Sentinel-2遥感影像数据集，获取不同土地利用覆被类型样本的纹理特征和时序特征；基于得到的训练样本数据和验证样本数据以及不同土地利用覆被类型样本的地形特征、纹理特征和时序特征，对构建的用于土地利用覆被分类的随机森林分类模型进行训练和验证，并对模型精度进行评价。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种结合六边形采样和特征优选的遥感影像快速分类方法

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