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！

龙图腾网获悉浙江农林大学园林设计院有限公司;浙江省公益林和国有林场管理总站;浙江农林大学申请的专利基于卷积神经网络的林地遥感影像分类方法及系统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：CN117274712B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202311316551.4，技术领域涉及：G06V10/764；该发明授权基于卷积神经网络的林地遥感影像分类方法及系统是由张超;高海力;陈伟;唐娟娟;许益燃设计研发完成，并于2023-10-11向国家知识产权局提交的专利申请。

本基于卷积神经网络的林地遥感影像分类方法及系统在说明书摘要公布了：本发明公开了基于卷积神经网络的林地遥感影像分类方法及系统，涉及遥感影像处理技术领域。其中的方法步骤包括：S1、利用去雾算法去除遥感影像中的薄云和雾，增强遥感影像亮度；S2、检测遥感影像中厚云层遮挡区域边缘轮廓，得到遥感影像厚云层遮挡区域初始掩膜；S3、通过全局搜索匹配对遥感影像中厚云层遮挡区域进行替换，实现遥感影像中被厚云层遮挡地物的修复；S4、利用卷积神经网络对修复后的遥感影像进行特征提取，实现遥感影像中林地类型与虫害状况的检测和分类。本发明利用高空间分辨率影像结合卷积神经网络，实现了对林地种类和虫害状况的精确检测。

本发明授权基于卷积神经网络的林地遥感影像分类方法及系统在权利要求书中公布了：1.基于卷积神经网络的林地遥感影像分类方法，其特征在于，所述方法包括以下步骤： S1、利用去雾算法去除遥感影像中的薄云和雾，增强遥感影像亮度； S2、检测遥感影像中厚云层遮挡区域边缘轮廓，得到遥感影像厚云层遮挡区域初始掩膜； S3、通过全局搜索匹配对遥感影像中厚云层遮挡区域进行替换，实现遥感影像中被厚云层遮挡地物的修复； S4、利用卷积神经网络对修复后的遥感影像进行特征提取，实现遥感影像中林地类型与虫害状况的检测和分类； 步骤S3所述通过全局搜索匹配对遥感影像中厚云层遮挡区域进行替换，实现遥感影像中被厚云层遮挡地物的修复的具体步骤为： S31、根据遥感影像厚云层遮挡区域掩膜得到遥感影像厚云层遮挡区域的边缘轮廓； S32、计算所述边缘轮廓像素点的填充优先级，以填充优先级最高的像素点为中心构造像素模板块； S33、在遥感影像中除被厚云层遮挡以外的区域进行搜索匹配，得到与所述像素模板块相似度最高的像素块，复制相似度最高的像素块填充所述像素模板块中被厚云层遮挡区域； S34、更新掩膜并判断掩膜是否为空，不为空转至步骤S31； S35、对修复完成的遥感影像原云层遮挡区域进行边界效应检测，利用Telea算法修复存在边界效应的区域； 步骤S32所述边缘轮廓像素点的填充优先级的计算公式为： ， 其中，为像素点p的填充优先级，为以像素点p为中心构造的像素块，为像素块中像素点个数，为遥感影像中除厚云层遮挡以外的区域，为像素点q的置信度，当像素点q位于待修复区域，为0，否则为1，为像素点p为中心构造的像素块中包含的已知像素点个数；为像素点p的等照度线方向矢量，为像素点p的法线方向矢量，为归一化因子，为像素点p的结构信息量；和是二者权重； 步骤S33所述相似度的衡量方法具体是通过衡量两个像素块的颜色差异和色度差异，差异越小，两个像素块的相似度越高； 像素块和像素块的颜色差异的计算公式为： ， 其中，a、b分别为像素块和像素块中的像素点,Ra、Ga和Ba为像素点a在RGB色彩空间的R值、G值和B值，Rb、Gb和Bb为像素点b在RGB色彩空间的R值、G值和B值； 像素块和像素块的色度差异的计算公式为： ， 其中，a、b分别为像素块和像素块中的像素点，Sa和Sb为像素点a和像素点b的色度信息； 像素块和像素块的相似度计算公式为： ， 其中，和为颜色差异和色度差异权重，。

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浙江农林大学园林设计院有限公司;浙江省公益林和国有林场管理总站;浙江农林大学，其通讯地址为：311300 浙江省杭州市临安区锦城街道农林大路352号浙江农林大学创业孵化园1幢1-3楼；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。