买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于极化SAR图像和半监督回归的植物生长参数反演方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118711063B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410859599.8，技术领域涉及：G06V20/10；该发明授权基于极化SAR图像和半监督回归的植物生长参数反演方法是由杨晨;李碧琪;胡月;侯彪;任博设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本基于极化SAR图像和半监督回归的植物生长参数反演方法在说明书摘要公布了：本发明公开了一种基于极化SAR图像和半监督回归的植物生长参数反演方法，包括：获取包含至少一个待测点的极化SAR图像的原始数据；每个待测点代表一个目标植物区域；对原始数据极化目标分解得到每个待测点的多维特征；从每个待测点的多维特征中选择目标维度的特征，得到每个待测点的关键特征；每个样本点的标签是该样本点代表的目标植物区域中目标植物的目标生长参数；采用训练好的随机森林回归器，根据每个待测点的关键特征进行目标生长参数预测，得到目标植物的目标生长参数；训练好的随机森林回归器是采用利用了基于半监督学习算法扩充后的训练样本训练的。本发明能够有效提升对植物生长参数的预测精度，且鲁棒性高。

本发明授权基于极化SAR图像和半监督回归的植物生长参数反演方法在权利要求书中公布了：1.一种基于极化SAR图像和半监督回归的植物生长参数反演方法，其特征在于，包括： 获取包含至少一个待测点的极化SAR图像的原始数据；每个待测点代表一个目标植物区域； 对所述原始数据进行极化目标分解，得到所述每个待测点的多维特征； 从所述每个待测点的多维特征中选择目标维度的特征，得到所述每个待测点的关键特征；其中，所述目标维度是采用交叉验证的递归特征消除方法，对极化SAR样本图像中带标签的样本点的多维特征进行特征选择处理得到的；每个样本点的标签是该样本点代表的目标植物区域中目标植物的目标生长参数； 采用训练好的随机森林回归器，根据所述每个待测点的关键特征进行目标生长参数预测，得到目标植物的目标生长参数；所述训练好的随机森林回归器是采用利用了基于半监督学习算法扩充后的训练样本训练的； 其中，基于半监督学习算法对训练样本进行扩充的方法包括： S1、从所述极化SAR样本图像中筛选无标签的样本点； S2、构建超参数不同的第一初始kNN回归器和第二初始kNN回归器； S3、在第e轮迭代时，若e大于预设迭代轮次E，则停止迭代，基于第e-1轮得到的样本集合得到扩充后的训练样本，若e小于或等于预设迭代轮次E，则从筛选的无标签样本点构成的集合U中随机采样一个子集u，得到第e轮的子集ue；e为正整数，且e的取值为1至E；当e为1时，所述第e-1轮得到的样本集合为由所述极化SAR样本图像中的带标签的样本点构成的集合L； S4、在第e轮中的第iter次迭代时，若iter小于预设迭代次数iters，则令变量j＝1； S5、判断j是否小于或等于2； S6、若j大于2，则令iter＝iter+1，并返回上述S4； S7、若j小于或等于2，则基于所述ue中每个标签样本点xu、经过第e-1轮更新的第j个初始kNN回归器对经过第e-1轮更新的第i个初始kNN回归器的伪标签样本集合Tempi进行更新，并令j＝j+1后返回上述S5，直至执行完第iters次迭代后，得到伪标签样本集合和基于伪标签样本集合分别确定所述第一初始kNN回归器和所述第二初始kNN回归器的第e轮的样本集合，以及利用所述第e轮的样本集合对所述和所述更新，得到经过第e轮更新的所述第一初始kNN回归器和所述第二初始kNN回归器iter为正整数，且iter的取值为1至iters；i∈{1,2},i≠j； S8、根据所述第e轮的样本集合进行随机森林回归器的训练和验证，并当验证结果达到预设条件时，基于第e轮的样本集合得到扩充后的训练样本，否则，令e＝e+1后返回上述S3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。