四川大学王协康获国家专利权
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!
龙图腾网获悉四川大学申请的专利基于监督学习算法的卫星遥感影像分块分类水体识别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:CN119785234B 。
龙图腾网通过国家知识产权局官网在2025-10-10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:202411916692.4,技术领域涉及:G06V20/13;该发明授权基于监督学习算法的卫星遥感影像分块分类水体识别方法是由王协康;兰玲;雷声;丁嘉伟;周苏芬设计研发完成,并于2024-12-24向国家知识产权局提交的专利申请。
本基于监督学习算法的卫星遥感影像分块分类水体识别方法在说明书摘要公布了:本发明提供了基于监督学习算法的卫星遥感影像分块分类水体识别方法,该方法以Sentinel‑1SAR影像作为基础数据,经过影像预处理、特征数据制备、样本点制备、分类模型构建及识别、影像后处理步骤,即可实现基于卫星遥感影像的水体识别。本发明以SAR影像的VV、VH、angle、VVVH和sum波段作为分类模型的训练特征输入,有利于提高分类结果的准确性;以六边形作为最小分块单元对大尺度影像进行分块计算,可消除分块计算时的边缘效应,在局部尺度上更精准地捕捉地物的特征,并减小单个局部分类模型的计算量;通过影像后处理步骤可消除分类影像中非水体的噪声像元,减弱植被、建筑等噪声影响。本发明所述方法具有分类识别精度高的特点,尤其适用于对大尺度范围水体的识别。
本发明授权基于监督学习算法的卫星遥感影像分块分类水体识别方法在权利要求书中公布了:1.基于监督学习算法的卫星遥感影像分块分类水体识别方法,其特征在于,包括以下步骤: 1影像预处理 获取目标时段内待分类区域的Sentinel-1SARLevel-1GRD数据集,记作目标SAR数据集,该目标SAR数据集中包括若干张SAR影像,对目标SAR数据集中的每一张SAR影像进行预处理,得到若干张预处理后的SAR影像;预处理包括筛选波段、边缘噪声校正、地形校正、噪声滤波以及HAND指数掩膜; 筛选波段是指,去除SAR影像中的HH、HV波段信息,保留SAR影像中的VV、VH和angle波段信息;边缘噪声校正是指,对经过筛选波段的SAR影像进行边缘噪声校正;地形校正是指,利用待分类区域的DEM数据掩膜经过边缘噪声校正的SAR影像中的叠掩和阴影区域;噪声滤波是指,利用RefinedLee滤波器处理算法对经过地形校正的SAR影像进行处理,降低SAR影像中的杂波;HAND指数掩膜是指,以经过噪声滤波的SAR影像为基础计算HAND指数,将HAND指数大于20的区域掩膜掉; 2特征数据制备 以各预处理后的SAR影像为基础,计算VVVH和sum,VVVH是VV与VH的比值,sum是VV与VH之和;以各预处理后的SAR影像的VV、VH、angle、VVVH和sum作为特征数据; 3样本点制备 以预处理后的SAR影像的VV、VH、VVVH设置RGB通道,将每一张预处理后的SAR影像可视化,对可视化后的各SAR影像进行影像镶嵌得到底图,在底图中随机选择若干水体样本点和非水体样本点,将所有样本点划分为训练数据集和验证数据集; 4分类模型的构建及识别 采用分块计算对步骤3底图进行分块,生成完全覆盖待分类区域的若干分块单元,在每个分块单元内构建一个局部分类模型,所述局部分类模型是以随机森林算法作为分类器构建的,对每个局部分类模型在各自的分块单元内及其相邻分块单元内进行训练;训练时,将所述特征数据作为局部分类模型的特征数据输入,将所述训练数据集中的数据作为训练数据输入;采用训练完成后的各局部分类模型对其所在的分块单元内的水体和非水体进行识别,得到初步识别结果影像; 5影像后处理 获取目标时段内待分类区域的所有云像元百分比低于10%的Sentinel-2MSI光学影像,采用去云函数移除各Sentinel-2MSI光学影像中的云像元,计算各移除了云像元的Sentinel-2MSI光学影像的MNDWI指数和EVI指数,构建MNDWI最大值影像和EVI最小值影像,MNDWI最大值影像中MNDWI最大值<0的像元或者EVI最小值影像中EVI最小值>0的像元即为非水体像元,结合非水体像元的空间坐标,去除步骤4所得初步识别结果影像中的非水体像元,得到经过非水像元滤波处理后的影像;再去除经过非水像元滤波处理后的影像中相邻像元数量小于预设值的水体像元,得到待分类区域的水体分布影像,即完成水体识别。
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四川大学,其通讯地址为:610065 四川省成都市武侯区一环路南一段24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”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励