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！

龙图腾网获悉安徽大学申请的专利基于多时相Sentinel-2数据的大豆种植区提取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：CN115861836B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211480121.1，技术领域涉及：G06V20/13；该发明授权基于多时相Sentinel-2数据的大豆种植区提取方法是由黄林生;丁翰;张东彦;佘宝;黄文江;赵晋陵;肖甜;张恒;缪保峰设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本基于多时相Sentinel-2数据的大豆种植区提取方法在说明书摘要公布了：本发明涉及一种基于多时相Sentinel‑2数据的大豆种植区提取方法，包括：获取Sentinel‑2影像数据和辅助数据，进行预处理；将研究区的影像内的非农作物像元进行剔除，得到研究区的植被总体分布；生成所有特征的集合，并将数据融合在一起，进行掩膜；进行特征优选，筛选出各个分类器对应的最佳特征子集，选出最佳分类器；通过获取的最佳分类器和该分类器对应的最佳特征子集，组成大豆最佳提取模型，并对大豆最佳提取模型的大豆提取效果进行评估，并得到该研究区内的大豆最佳制图效果。本发明提高了精度，减少错分漏分的概率；丰富了光谱特征，还提取了部分地物是光谱难以区分的，以用作辅助数据；极大的减少了工作量，减少了特征冗余以及噪声，提高了工作效率。

本发明授权基于多时相Sentinel-2数据的大豆种植区提取方法在权利要求书中公布了：1.一种基于多时相Sentinel-2数据的大豆种植区提取方法，其特征在于：该方法包括下列顺序的步骤： 1获取Sentinel-2影像数据和辅助数据，对Sentinel-2影像数据和辅助数据进行预处理，得到研究区的影像； 2采用决策树的方法，将研究区的影像内的非农作物像元进行剔除，得到研究区的植被总体分布； 3基于经过步骤1预处理之后的Sentinel-2影像数据，生成所有特征的集合，将植被指数、纹理特征、微波特征、Sentinel-1IWGRD级数据以及经过步骤1预处理之后的Sentinel-2影像数据融合在一起，利用研究区的植被总体分布对融合后的数据进行掩膜，得到掩膜后的所有特征的集合； 4对掩膜后的所有特征的集合进行特征优选，筛选出各个分类器对应的最佳特征子集，通过分类结果，选出最佳分类器； 5通过获取的最佳分类器和该分类器对应的最佳特征子集，组成大豆最佳提取模型，并对大豆最佳提取模型的大豆提取效果进行评估，并得到该研究区内的大豆最佳制图效果； 所述步骤4具体是指：通过ENVI软件，对研究区的地物样本进行标注，选取Sentinel-2影像数据的三个时相的特征，以及各个时相相互融合后而生成的特征，随机筛选85个特征，对于这85个特征采用ReliefF算法进行特征优选，进而得到所有特征权重的排序图，ReliefF算法的公式如下： 式中，Hx为样本x同类最邻近样本点；Mx为表示与样本x异类最邻近样本点；θ为假设间隔，即在保持样本分类不变的情况下，决策面能够移动的最大距离； 进行最佳特征子集的筛选，采用序列前向选择法，利用与分类器耦合的方式，首先按照特征权重顺序，依次将特征加入到分类器当中，每一次加入一个特征以后就给出一个总体分类精度OA，直到将85个特征全部输入完毕，绘制出总体分类精度曲线；通过总体分类精度曲线判断，若随着特征的加入总体分类精度一直增加则保留该特征，当特征的加入总体分类精度下降，则剔除该特征，当精度达到最大值时剔除后面所有的特征，最终筛选出最佳特征子集；通过随机森林、BP神经网络、支持向量机SVM三种分类器以及各自对应的最佳特征子集最终生成大豆分类结果图；运用planet影像对各个样方中的大豆进行分类，作为样方中的真实大豆真实分布图，对三种分类器的分类结果进行验证，通过kappa系数为依据判断最佳分类器，kappa系数越高代表着分类结果越高； 所述kappa系数的计算公式如下： 式中，N表示像元总数，m是类别数，xkk是混淆矩阵对角线上的像元个数，xk+和x+k分别是第k行和第k列的像元总数。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。