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！

龙图腾网获悉吉林省林业科学研究院(吉林省林业生物防治中心站)申请的专利一种基于遥感影像的栖息地区域提取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：CN121305374B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511853822.9，技术领域涉及：G06V20/10；该发明授权一种基于遥感影像的栖息地区域提取方法及系统是由杨帆;刘庚;杨雨佳;宋丽文;姚明远;黄璇一;马馨元设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本一种基于遥感影像的栖息地区域提取方法及系统在说明书摘要公布了：本发明公开了一种基于遥感影像的栖息地区域提取方法及系统，属于图像提取技术领域。所述方法具体包括：基于实时遥感数据进行预处理与特征增强；利用多维度提取方法对不同特征进行分类提取形成多维度数据集；基于数据集利用轻量级集成学习，对栖息地进行分类形成栖息地分类图谱；基于多尺度空间结合上下文机制，对栖息地分类图谱进行上下文精度优化及边界优化形成最终的栖息地结果图。本发明提出一种专门针对栖息地提取的轻量级方法，通过多特征融合与轻量级机器学习模型的结合，为实现高效、准确的栖息地区域识别，提供重要基础。

本发明授权一种基于遥感影像的栖息地区域提取方法及系统在权利要求书中公布了：1.一种基于遥感影像的栖息地区域提取方法，其特征在于，所述方法具体包括： 基于原始多光谱影像对其进行辐射标定和大气校正，利用Retinex算法增强影像特征并计算多源植被指数，去除光谱冗余信息保留主要特征成分，最后得到多特征堆叠数据； 基于多特征堆叠数据，利用多维度协同提取方法，对不同特征进行分类提取并建立多维度数据集； 基于多维度数据集利用预训练的随机森林模型作为分类器，结合迁移学习策略对模型进行参数微调，以微调后的模型作为多维度数据集处理器，通过模型将栖息地识别划分为多个类别，最后组合得到初步栖息地分类图； 基于初步栖息地分类图利用多尺度形态学滤波，平滑内部区域同时保持边缘细节，利用快速边界优化方法精炼边界，得到最终栖息地提取结果图； 对原始多光谱影像进行辐射标定和大气校正包括以下步骤： S1：设原始多光谱影像有K个波段，辐射标定将影像的DN值转换为反射率，对于每个波段k，每个像素i,j的表观反射率公式为：Pki,j=Gaink*DNki,j+Biask，其中Pk表示反射率；Gaink和Biask表示定标系数；DNk表示第k个波段的DN值； S2：对反射率进行大气校正，所述大气校正采用黑暗像元法，最后得到大气校正后的反射率影像[R1，R2...Rk]； 所述校正后利用Retinex算法增强影像特征并计算多源植被指数包括以下步骤： S1：对反射率影像[R1，R2...Rk]进行单独波段处理，对于每个反射率影像的每个波段构建多尺度高斯卷积核，其构建公式为：，其中Gnx,y表示第n个尺度的高斯卷积核函数；x,y表示卷积核内的相对坐标位置；Kn表示第n个尺度的归一化系数；σn表示高斯核的标准差，控制卷积尺度大小；x2+y2表示径向距离的平方；表示计算标准化的负距离平方；通过多尺度高斯卷积核得到三个尺度的卷积核[σ1,σ2,σ3]分别对应小尺寸→中尺寸→大尺寸； S2：对每个波段的每个像元进行多尺度Retinex计算，基于三个尺度[σ1,σ2,σ3]计算第k波段在每个尺度下的Retinex输出最后进行加权求和，得到增强后的每个波段的影像[E1，E2...Ek]； S3：基于增强后的每个波段的影像[E1，E2...Ek]，计算NDVI和LSWI两个指数作为植被指数； S4：基于增强后的每个波段的影像[E1，E2...Ek]，对其主成分分析PCA降维包括数据中心化→协方差矩阵计算→特征分解→特征选择重构，最后得到主成分影像PC； S5：将上述步骤S1-S4的结果进行数据堆叠，形成多特征堆叠数据F∈RM×N×D。

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吉林省林业科学研究院(吉林省林业生物防治中心站)，其通讯地址为：130033 吉林省长春市经济技术开发区临河街3528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。