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！

龙图腾网获悉中国矿业大学(北京)申请的专利一种基于密集时序影像的树种识别方法、装置及设备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：CN120635711B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510761416.3，技术领域涉及：G06V20/10；该发明授权一种基于密集时序影像的树种识别方法、装置及设备是由李晶;苏怡婷;闫星光;霍江润;马天跃;谭俊;陈丹设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本一种基于密集时序影像的树种识别方法、装置及设备在说明书摘要公布了：本申请实施例提供了一种基于密集时序影像的树种识别方法、装置及设备，其中，方法包括：获取研究区的密集长时序多光谱遥感影像和地形数据；根据所述密集长时序多光谱遥感影像进行影像波段融合构建12个植被光谱指数；利用线性光谱混合模型结合地形数据对研究区密集长时序多光谱遥感影像中的地物进行土地利用分类，分为建筑物、水体和其他地物以及林地数据集，并基于提取的林地数据集进行预分类，采用RVI阈值法结合线性光谱混合模型将林地数据集分为常绿林和落叶林；根据所述林地数据集进行Savitzaky‑Golay滤波变换和光谱微分变换，得到NDVI变换影像集；根据所述植被光谱指数NDVI变换影像集作为分类特征进行组合后探讨通过随机森林模型对所述研究区的树种进行分类效果。

本发明授权一种基于密集时序影像的树种识别方法、装置及设备在权利要求书中公布了：1.一种基于密集时序影像的树种识别方法，其特征在于，包括： 获取研究区的密集长时序多光谱遥感影像和地形数据；所述密集长时序多光谱遥感影像包括云量少于20%的所有可利用遥感影像； 根据所述密集长时序多光谱遥感影像进行影像波段融合构建植被光谱指数；所述植被光谱指数用于指示植被生长的年内动态变化特征变量； 利用线性光谱混合模型结合地形数据对研究区密集长时序多光谱遥感影像中的地物进行土地利用分类，分为建筑物、水体和其他地物以及林地数据集，并基于提取的林地数据集进行预分类，采用RVI阈值法结合线性光谱混合模型将林地数据集分为常绿林和落叶林； 根据所述林地数据集进行Savitzaky-Golay滤波变换和光谱微分变换，得到NDVI变换影像集；NDVI变换影像集指示了植物的基于时序的遥感物候特征，所述基于时序的遥感物候特征指示了植物在不同季节的生长发育状态和周期变化；所述NDVI变换影像集包括NDVI时序光谱曲线，可基于一阶微分变换和二阶微分变换，得到提取不同光谱参数后的优势树种NDVI时序光谱曲线； 根据所述植被光谱指数和NDVI变换影像集作为分类特征进行组合后通过随机森林模型对所述研究区的树种进行分类； 其中，所述植被光谱指数包括比值植被指数RVI；所述基于提取的林地数据集进行预分类，将林地数据集分为常绿林和落叶林，包括： 随机选取野外实测调查数据中落叶林冬季和夏季两期影像的样点RVI值进行比值处理，得出两幅影像RVI比值较为稳定的最小值作为分离阈值： 其中，为分离阈值的参考样本，为夏季影像像元的RVI值，为冬季影像像元的RVI值； 获取落叶林的参考样本的均值和标准差； 依据均值和标准差以及多个参考样本的频率绘制频率直方图，得到服从正态分布的参考样本的频率与正态分布曲线； 依据的频率与正态分布曲线设定判别规则，通过所述判别规则判定落叶林和常绿林； 基于一阶微分变换和二阶微分变换，得到提取不同光谱参数后的优势树种NDVI时序光谱曲线，包括： 一阶微分变换和二阶微分变换计算公式如下： 式中，是波段处光谱反射率值，，分别为波段和之间的光谱一阶和二阶数值，为相邻波段的步长。

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中国矿业大学(北京)，其通讯地址为：100083 北京市海淀区学院路丁11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。