[发明专利]一种基于多源信息融合的倒伏指数提取方法在审

专利信息
申请号: 201811104216.7 申请日: 2018-09-21
公开(公告)号: CN109344892A 公开(公告)日: 2019-02-15
发明(设计)人: 李娜;赵慧洁;师加 申请(专利权)人: 北京航空航天大学
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 暂无信息 代理人: 暂无信息
地址: 100191*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 倒伏指数 多源信息融合 高空间分辨率 多元统计回归 高光谱分辨率 多特征融合 高光谱数据 多源数据 光谱特征 光谱指数 角度特征 特征确定 统计特征 纹理特征 定量化 倒伏 多源 求解 植被 优化 分析
【权利要求书】:

1.一种基于多源信息融合的倒伏指数提取方法,其特征在于:它包含以下步骤:

(1)获取高光谱分辨率、高空间分辨率、L i dar多源数据;

(2)提取高光谱数据中的光谱特征,计算得到植被光谱指数;

(3)提取高空间分辨率数据中的统计特征和纹理特征;

(4)提取Lidar数据中的结构特征和倒伏角度特征;

(5)利用步骤(2)-(4)提取的多源特征确定倒伏指数提取模型的参数;

(6)利用多元统计回归分析理论,建立多特征融合的倒伏指数定量化提取模型;

(7)利用拉格朗日方法,对倒伏指数提取模型进行求解与优化;

(8)利用步骤(7)计算得到倒伏指数。

2.根据权利要求1所述的一种基于多源信息融合的倒伏指数提取方法,其中步骤(2)提取高光谱数据中的光谱特征,计算得到植被光谱指数:利用高光谱分辨率数据,计算得到调整土壤亮度的植被光谱指数SAVI来确定是否有倒伏及倒伏的类型,计算方法如下:

式中:R800和R680是在波长等于800nm和680nm时的反射率,L是土壤调节系数,L的取值范围为0-1,L=0时表示植被覆盖度为零,L=1时表示土壤背景的影响为零。

3.根据权利要求1所述的一种基于多源信息融合的倒伏指数提取方法,其中步骤(3)提取高空间分辨率数据中的统计特征和纹理特征:利用高空间分辨率数据,计算得到灰度共生矩阵Pd来提取纹理特征,计算方法如下:

式中:L表示图像的灰度级,i,j分别表示像素的灰度,d表示两个像素间的空间位置关系,不同的d决定了两个像素间的距离和方向,方向通常取0°,45°,90°,135°,Pd(i,j)(i,j=0,1,2,…,L-1)表示两个像素灰度分别为i和j,并且在图像上位置关系为d的情况出现的次数。

4.根据权利要求1所述的一种基于多源信息融合的倒伏指数提取方法,其中步骤(4)提取Lidar数据中的结构特征和倒伏角度特征:利用Lidar数据,计算得到极化度m来确定倒伏的高度差,计算方法如下:

式中:g0表示电磁波的总功率,g1表示水平或垂直线极化分量功率值,g2表示倾斜角45度或135度时的线极化分量功率值,g3为左旋圆极化和右旋圆极化分量的功率值。

5.根据权利要求1所述的一种基于多源信息融合的倒伏指数提取方法,其中步骤(5)利用(2)(3)(4)提取的特征确定模型参数:利用倒伏指数作为监测倒伏的指标,选择调整土壤亮度的植被指数SAVI、灰度共生矩阵Pd、极化度m作为模型参数。

6.根据权利要求1所述的一种基于多源信息融合的倒伏指数提取方法,其中步骤(6)利用多元统计回归分析理论,建立多特征融合的倒伏指数定量化提取模型:分析各个参数的独立性和相关性,以及与监测倒伏指数之间的关系,建立多特征融合的倒伏指数定量化监测模型,模型如下:

公式中:Y是倒伏指数,Ai(i=0,1,2,3),Bi(i=1,2,3)为模型常系数,log是以10为底数的对数,SAVI是调整土壤亮度的植被光谱指数,Pd是灰度共生矩阵,m是极化度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811104216.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top