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！

龙图腾网获悉陕西美好家园农业科技发展股份有限公司申请的专利一种基于图像识别的林业树种分类识别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：CN121616975B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610140340.7，技术领域涉及：G06V20/10；该发明授权一种基于图像识别的林业树种分类识别方法及系统是由王千千;许惠芬;姜南;韩皓玉;刘建;刘洪喜;刘景隆;徐小天;张子璟;张子怡设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种基于图像识别的林业树种分类识别方法及系统在说明书摘要公布了：本发明公开了一种基于图像识别的林业树种分类识别方法及系统，涉及图像处理技术领域。利用连续体去除法提取待检测高光谱图像的光谱指纹参数，并计算组分耦合比，基于组分耦合比得到生化构造异质性特征，组合得到生化含量特征向量；利用自适应邻域结构核对生化含量特征向量进行平滑处理得到空间光谱特征，基于样本集识别目标掩膜区域并进行伪背景光谱填充，利用空间光谱特征求解滤波器系数向量，结合预设专属含量指纹库输出响应极化得分图，将该图与生化含量特征向量进行特征融合得到白杄青杄特征点云，利用白杄青杄特征点云结合二阶K近邻算法生成判别距离矩阵，基于判别距离矩阵执行类别指派和空间一致性修正，输出白杄青杄分类图。

本发明授权一种基于图像识别的林业树种分类识别方法及系统在权利要求书中公布了：1.一种基于图像识别的林业树种分类识别方法，其特征在于，包括以下步骤： 步骤S1，利用连续体去除法处理待检测高光谱图像，提取光谱指纹参数、木质素指数和纤维素吸收指数，利用木质素指数和纤维素吸收指数计算组分耦合比，并基于组分耦合比计算生化构造异质性特征，得到组分耦合比分布图和生化构造异质性图，与光谱指纹参数组合得到生化含量特征向量； 获取待检测高光谱图像，利用连续体去除法对待检测高光谱图像进行归一化处理，得到光谱曲线； 提取光谱曲线中450nm波段的蜡质散射截距和1660nm波段的多酚吸收深度，得到光谱指纹参数； 在光谱曲线的450nm波段处，提取反射率截距，将反射率截距作为蜡质散射截距； 在光谱曲线的1660nm吸收谷处，计算1660nm吸收谷的多酚吸收深度，计算表达式为： ； 其中，为多酚吸收深度，为反射率； 基于光谱指纹参数，计算1750nm波段的木质素指数和2100nm波段的纤维素吸收指数，并进行归一化，通过归一化木质素指数和归一化纤维素吸收指数计算组分耦合比，获取组分耦合比分布图； 通过1750nm的反射率计算得到木质素指数； 通过2100nm波段的吸收特征计算得到纤维素吸收指数； 组分耦合比的计算表达式为： ； 其中，为组分耦合比，为归一化木质素指数，为归一化纤维素吸收指数； 采用预设的滑动窗口遍历组分耦合比分布图，通过统计每个滑动窗口内组分含量的生化构造异质性特征，获取生化构造异质性图； 利用预设尺寸为的滑动窗口，计算滑动窗口内中心像素与邻域像素在组分耦合比数值上的最大变化率作为空间梯度，计算滑动窗口内组分耦合比的标准差与均值的比值作为离散系数，统计滑动窗口内组分耦合比数值的概率分布密度，将空间梯度、离散系数和信息熵在垂直方向上进行矩阵堆叠； 所述生化构造异质性特征包括空间梯度、离散系数和信息熵； 步骤S2，利用自适应邻域结构核对生化含量特征向量进行平滑处理得到空间光谱特征，基于获取的样本集识别目标掩膜区域并进行伪背景光谱填充，生成背景自相关矩阵，通过背景自相关矩阵和空间光谱特征，利用最小化输出能量准则求解滤波器系数向量，结合预设专属含量指纹库输出响应极化得分图； 所述预设专属含量指纹库包括目标树种的含量均值向量、目标树种的含量协方差矩阵和目标树种的含量有效区间； 根据预设的结构核窗口，计算预设的结构核窗口内中心像素与邻域像素的余弦距离，并计算预设的结构核窗口内中心像素与邻域像素在生化含量特征向量上的归一化欧氏距离，利用高斯函数将余弦距离和归一化欧氏距离映射为联合权重系数，计算表达式为： ； 其中，为联合权重系数，为中心像素与邻域像素之间的余弦距离，为归一化欧氏距离，和分别为光谱带宽和含量带宽； 将预设的结构核窗口内所有像素点的生化含量特征向量按照联合权重系数进行求和平均，得到空间光谱特征； 生成背景自相关矩阵的具体处理逻辑包括： 分别计算白杄样本标准高光谱和青杄样本标准高光谱的蜡质散射截距、多酚吸收深度和组分耦合比的特征均值，作为白杄目标引导向量与青杄目标引导向量； 基于白杄目标引导向量和青杄目标引导向量进行初始能量检测，识别潜在目标区域生成目标掩膜，提取目标掩膜邻域内背景区域的生化含量特征向量，通过对背景区域的生化含量特征向量进行算术平均计算得到背景区域的生化含量均值向量，利用生化含量均值向量替换目标掩膜覆盖区域内的原始特征值，得到伪背景图像，利用伪背景图像的空间光谱特征计算协方差分布，生成背景自相关矩阵； 通过目标树种的含量均值向量和生化含量特征向量计算含量先验概率因子，计算表达式为： ； 其中，为含量先验概率因子，像素x的生化含量特征向量，为第m类目标树种的含量均值向量，为第m类目标树种的含量协方差矩阵的逆矩阵； 利用滤波器系数向量和背景自相关矩阵计算初始响应得分，计算表达式为： ； 其中，为第m类目标树种的滤波器系数向量的转置，为像素x的空间光谱特征向量，为初始响应得分； 结合滤波器系数向量和含量先验概率因子计算响应极化得分，计算表达式为： ； 其中，为响应极化得分，为含量有效区间 根据每个像素对应的响应极化得分，获取响应极化得分图； 步骤S3，将响应极化得分图与生化含量特征向量进行特征融合得到白杄青杄特征点云，利用白杄青杄特征点云结合二阶近邻算法生成判别距离矩阵，基于判别距离矩阵执行类别指派和空间一致性修正，输出白杄青杄分类图； 生成判别距离矩阵的处理逻辑具体包括： 将响应极化得分图与生化含量特征向量进行归一化处理，将归一化处理后的响应极化得分图与生化含量特征向量进行特征融合，得到白杄青杄特征点云； 通过欧式距离搜索白杄青杄特征点云中的每一像元的个邻近像元，并获取邻近像元的个邻域点，构建二阶近邻代表点集合； 统计任意相邻像元对的共享二阶近邻数量，并计算相邻像元对在生化含量特征向量上的马氏距离作为含量偏离度； 将共享二阶近邻数量加1作为分母，含量偏离度作为分子执行衰减运算，生成判别距离矩阵，计算表达式为： ； 其中，为判别距离矩阵，为像元i与像元j的含量偏离度，为第m类目标树种的含量协方差矩阵的逆矩阵，为共享二阶近邻数量，和分别为像元i与像元j的生化含量特征向量。

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陕西美好家园农业科技发展股份有限公司，其通讯地址为：715600 陕西省渭南市白水县仓颉路南段东侧绿康市场二层商铺A1区北-12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。