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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于光学影像与SAR时序数据融合的水稻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：CN114627380B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202210351261.2，技术领域涉及：G06V20/10；该发明授权一种基于光学影像与SAR时序数据融合的水稻识别方法是由张竞成;沈艳艳;杨玲波;李惠紫;周晓璇;周行健设计研发完成，并于2022-04-02向国家知识产权局提交的专利申请。

本一种基于光学影像与SAR时序数据融合的水稻识别方法在说明书摘要公布了：本发明公开了一种基于光学影像与SAR时序数据融合的水稻识别方法；该方法如下：一、提取被测区域的单景光学影像和SAR时序数据；并根据单景光学影像对被测区域进行粗分类。二、基于粗分类结果进行多尺度影像分割，根据最优分割参数提取地块边界信息。三、通过地块分割边界结果对SAR时序特征数据进行提取，得到面向对象的SAR时序特征数据。四、通过机器学习完成水稻面积识别分类。本发明在缺少充足晴空光学影像的地区，以单时相光学影像作为多尺度图像分割方法的数据源，放宽了对光学数据时相的限制。基于面向对象尺度的微波影像，能够充分克服其在像素层面由于地块破碎和椒盐噪声影响的弱点，从而进行水稻区域的精准提取。

本发明授权一种基于光学影像与SAR时序数据融合的水稻识别方法在权利要求书中公布了：1.一种基于光学影像与SAR时序数据融合的水稻识别方法，其特征在于： 步骤1、提取被测区域的单景光学影像和SAR时序数据；并根据单景光学影像对被测区域进行粗分类，将被测区域中的不同位置划分为水稻、水体、非水稻植被和其他地表； 步骤2、基于粗分类结果提取地块边界信息； 在步骤1粗分类结果的基础上，剔除被分类为其他地表的区域；对粗分类结果被分类为水稻、水体和非水稻植被的区域进行多尺度影像分割，得到地块分割边界结果；多尺度影像分割具体使用单景光学影像中的Band3、Band4、…、Band8波段影像和归一化植被指数影像进行分割；分割参数选择尺寸因子、形状因子和紧致性因子； 分割参数的取值确定方法为： 1设定若干组分割参数；分别根据每组分割参数对相同或不同的粗分类结果进行多尺度影像分割； 设定出若干组分割参数的过程为：尺寸因子的取值范围设定为35～60，其步长设定为5；形状因子的取值范围设定为0.1～0.6，步长设定为0.1；紧致性因子的取值范围设定为0.2～0.7，步长设定为0.1；尺寸因子、形状因子、紧致性因子各获得六个备选值；根据正交实验法对尺寸因子、形状因子、紧致性因子的各备选值进行组合，获得36组分割参数； 2分别计算各组分割参数对应的面积一致性指数ACIi、质心距离qLoci、形状误差SEi如下： qLoci＝distcentroidSOi,centroidROi SEi＝|AsrSOi-AsrROi| 其中，SOi为第i组分割参数所得的分割结果；RO为第i组分割参数对应的参考结果；参考结果为水稻部分实际所占区域；dist·表示距离运算；centroid·表示质心提取运算；Asr·表示长宽比提取运算；i＝1,2,...,n；n为设定的分割参数组数； 分别计算各组分割参数的评价总分CCS＝ACI+qLoc+SE；取评价总分CCS最高的那组分割参数作为多尺度影像分割最终使用的分割参数； 步骤3、通过地块分割边界结果对SAR时序特征数据进行处理，根据边界计算地块特征值的均值，得到面向对象的SAR时序特征数据； 步骤4、通过机器学习完成被测区域中水稻的识别分类； 提取SAR时序特征数据中的目标特征；目标特征包括若干个极化特征和若干个纹理特征；目标特征为四个生育期分组特征中各取一个极化特征或纹理特征；四个生育期分组特征中至少有一个极化特征；将目标特征输入经过训练的机器学习算法，获得被测区域中水稻种植的位置、形状和面积。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。