龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：武汉大学
摘要：本发明公开了一种基于样本时空扩充的农作物遥感分类方法与系统，首先利用时间序列谐波分析获得实地调查样本的植被指数时间序列，通过核密度估计得到各类农作物的标准时间序列，结合时间加权的动态时间扭曲初步确定随机生成样本在时空中的农作物类型，然后通过随机森林邻近度和二分k‑means聚类的迭代过程进一步确定随机生成样本的农作物类型，并利用农作物类别明确的大量时空扩充样本训练分类模型，最后利用训练好的分类模型进行农作物分类。本发明所提方法基于已有的少量实地调查样本生成不同历史年份、分布均匀、类别明确的大量样本，相比于现有的基于少量样本的农作物分类方法，有效地提高了农作物分类的精度。
主权项：1.一种基于样本时空扩充的农作物遥感分类方法，其特征在于，包括以下步骤：步骤1，使用时间序列谐波分析得到样本采集年份农作物生育期间的实地调查样本的天归一化差异植被指数NDVI时间序列和天归一化红边植被指数NDRE时间序列；步骤2，分别取步骤1得到的NDVI时间序列和NDRE时间序列在核密度估计中核密度最大值对应的NDVI值和NDRE值作为实地调查样本该时间农作物标准NDVI曲线的值和标准NDRE曲线的值，进而得到实地调查样本各类农作物的天标准NDVI时间序列和天标准NDRE时间序列；步骤3，随机生成历史年份大量均匀分布的样本点，利用时间序列谐波分析得到随机生成样本在历史年份农作物生长期间的天NDVI时间序列和天NDRE时间序列，通过时间加权的动态时间扭曲比较其与步骤2得到的实地调查样本各类农作物的天标准NDVI和天标准NDRE时间序列的相似性，初步确定随机生成样本在该时空下的农作物类型；步骤4，基于随机森林邻近度和二分k-means聚类的迭代过程进一步确定随机生成的时空扩充样本的农作物类型；步骤5，利用步骤4筛选得到的随机生成的时空扩充样本训练分类模型，得到训练好的分类模型；步骤6，使用步骤5训练好的分类模型对遥感影像中的农作物进行分类。
全文数据：
权利要求：
百度查询： 武汉大学 一种基于样本时空扩充的农作物遥感分类方法与系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号