申请/专利权人:桂林理工大学
申请日:2023-10-23
公开(公告)日:2024-02-27
公开(公告)号:CN117611990A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/26;G06V20/17;G06V10/54;G06V10/58
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.15#实质审查的生效;2024.02.27#公开
摘要:本发明涉及桉树人工林技术领域,具体涉及基于ReliefF和ACO特征的桉树林面积提取方法,包括对林区进行普查,进行分类样本的选取,得到影像数据源;对影像数据源进行预处理,计算植被特征变量并堆栈,得到特征集;利用ReliefF算法对特征集选择特征子集,并利用ACO算法对特征子集进行搜索二次特征子集;将二次特征子集输入SNIC超像素分割算法分割,得到分割影像;基于堆栈集成学习模型对分割影像提取分类,得到分类结果;基于混淆矩阵对分类结果进行精度评定,并对精度进行验证,该方法结合ReliefF和ACO的特征优选方法搜索二次特征子集,减少信息冗余、提高分类精度,并通过SNIC超像素分割和堆栈集成学习进行桉树人工林提取,再次提高分类准确度。
主权项:1.基于ReliefF和ACO特征的桉树林面积提取方法,其特征在于,包括以下步骤:对林区进行普查,确认种植区域面积和桉树种植区域,并进行分类样本的选取,得到影像数据源;对所述影像数据源进行预处理,计算植被特征变量并堆栈,得到特征集;利用ReliefF算法对所述特征集选择优先特征子集,并利用ACO算法对所述特征子集进行搜索,得到二次特征子集;将所述二次特征子集输入SNIC超像素分割算法进行分割,得到分割影像;基于堆栈集成学习模型对所述分割影像进行桉树人工林提取分类,得到分类结果;基于混淆矩阵对所述分类结果进行精度评定,并对精度进行验证。
全文数据:
权利要求:
百度查询: 桂林理工大学 基于ReliefF和ACO特征的桉树林面积提取方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。