申请/专利权人：宁波大学

申请日：2023-09-15

公开（公告）日：2024-06-21

公开（公告）号：CN117392433B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06V10/143;G06V20/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明涉及联合SAR和光学影像的不同淡水资源类型精细识别方法，包括：获取时序SAR影像和时序光学影像及对应的合成影像；构建归一化洪泛指数NDHF；对合成影像进行多尺度分割，生成影像的同质单元对象；采用阈值法识别淡水资源最小范围；构建基于光谱特征的决策树算法识别洪泛区；构建基于几何形状特征的决策树算法识别河流、湖泊、库塘、水塘和养殖塘。本发明的有益效果是：本发明综合使用SAR后向散射特征、光学光谱特征和几何形状特征构建了区分不同决策树算法，以此获得不同淡水资源类型的细致区分和不同淡水资源类型分布的空间范围，有助于及时、准确掌握现有淡水资源分布和变化概况，实现淡水资源的合理分配和科学调度。

主权项：1.联合SAR和光学影像的不同淡水资源类型精细识别方法，其特征在于，包括：步骤1、获取时序SAR影像和时序光学影像，对时序SAR影像和时序光学影像进行预处理，并对预处理后的时序SAR影像生成对应的中值、最大值、最小值合成影像，对预处理后的时序光学影像生成对应的中值合成影像；步骤2、根据时序SAR影像的最大值、最小值合成影像，选取淡水和非淡水类型样本点，获取SAR后向散射系数数据，构建归一化洪泛指数NDHF；步骤3、对合成影像进行多尺度分割，生成影像的同质单元对象；步骤4、计算同质单元对象的光谱特征，联合数字高程模型DEM数据的坡度参数，采用阈值法识别淡水资源最小范围；步骤5、依托SAR最大值和最小值合成影像，计算每个同质单元对象的洪泛指数NDHF，构建基于光谱特征的决策树算法识别洪泛区；步骤5中，根据光谱特征的决策树算法模型，具有洪泛指数阈值B5和全年VH后向散射系数最大值阈值B6，洪泛指数阈值B5的确定方式为：计算洪泛区和其他淡水样本点的洪泛指数，并制作箱线图，洪泛样本点的洪泛指数的下四分位数与其他淡水的洪泛指数的上四分位数的均值为区分洪泛与其他淡水资源类型的阈值B5；全年VH后向散射系数最大值阈值B6的确定方式为：计算洪泛区与非洪泛区样本点的VH后向散射系数最大值，并制作箱线图，洪泛样本点的VHmax的上四分位数与非洪泛样本点的VHmax的下四分位数的均值为确定洪泛与其他淡水资源类型的阈值B6；步骤6、合并同质单元对象，计算每个同质单元对象的几何形状特征，构建基于几何形状特征的决策树算法识别河流、湖泊、库塘、水塘和养殖塘；步骤7、将所识别的淡水栅格数据转换为矢量数据，得到不同淡水资源类型的识别结果。

全文数据：

权利要求：

百度查询： 宁波大学 联合SAR和光学影像的不同淡水资源类型精细识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD