[发明专利]一种湿地植物多样性监测及格局优化方法有效
申请号: | 202210202916.X | 申请日: | 2022-03-02 |
公开(公告)号: | CN114564893B | 公开(公告)日: | 2022-09-13 |
发明(设计)人: | 姚允龙;魏焕勇;闫海龙;王蕾;单元琪;付怡;谭宵鹏;翟雅琳;贾佳 | 申请(专利权)人: | 东北林业大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06F119/02 |
代理公司: | 哈尔滨市松花江专利商标事务所 23109 | 代理人: | 张换男 |
地址: | 150040 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 湿地 植物 多样性 监测 格局 优化 方法 | ||
1.一种湿地植物多样性监测方法,其特征在于,该方法包括以下步骤:
步骤一、对历史获取的待监测湿地区域的遥感图像进行处理,分别将每张湿地遥感图像分为水域部分图像和非水域部分图像两个部分;其具体过程为:
步骤一一、对于待监测湿地区域的任意一张遥感图像,将设置的矩形框在遥感图像上滑动,使矩形框的滑动过程遍历到整个遥感图像,在矩形框的滑动过程中,分别获得在每一个滑动位置处矩形框内的灰度差异度;
其中,S代表矩形框内的灰度差异度,wij代表矩形窗口内像素点(i,j)处的灰度值,i=1,2,…,W,j=1,2,…,H,W代表矩形框的宽度,H代表矩形框的高度,w0代表矩形框内包含的全部像素点灰度值的中值,w为常数;
步骤一二、若当前矩形框内的灰度差异度小于设置的阈值S1,则初步认为当前矩形框内的区域为水域;
根据初步获得的水域,形成初步获得的各个水域候选区域;
步骤一三、再对步骤一二中获得的水域候选区域进行筛选后,获得最终的水域区域;将最终获得的水域区域从遥感图像中剔除,得到非水域区域的遥感图像;
步骤一四、同理,采用步骤一一至步骤一三的方法对获取的待监测湿地区域的每一张遥感图像进行处理;
步骤二、构建包含并行的N个子网络的水域监测模型以及包含并行的N′个子网络的非水域监测模型,且水域监测模型和非水域监测模型中所包含的每个子网络的结构均相同;
利用步骤一中获得的水域部分图像构造水域监测模型的子网络的训练集,利用步骤一中获得的非水域部分图像构造非水域监测模型的子网络的训练集,利用构造好的训练集完成对应子网络的训练,获得训练好的子网络;
步骤三、采用步骤一的方法获得待监测湿地区域当前的水域部分图像和非水域部分图像后,利用训练好的水域监测模型输出水域部分图像中各种类植物的覆盖率,利用训练好的非水域监测模型输出非水域部分图像中各种类植物的覆盖率。
2.根据权利要求1所述的一种湿地植物多样性监测方法,其特征在于,所述步骤一三中,对步骤一二中获得的水域候选区域进行筛选,筛选的具体过程为:
步骤一三一:对于任意的一个水域候选区域D,计算出候选区域D中每个像素属于水域的概率;
步骤一三二:采用步骤一三一的方法,分别获得其它各个水域候选区域中每个像素属于水域的概率;
步骤一三三:将步骤一三一和步骤一三二中所获得的全部像素对应的概率进行降序排列,获得排列后的序列,选取整个序列的中值作为概率阈值;
若某个水域候选区域中超过一半的像素所属于水域的概率均小于选取的概率阈值,则该水域候选区域不属于水域,否则,该水域候选区域属于水域。
3.根据权利要求2所述的一种湿地植物多样性监测方法,其特征在于,所述候选区域D中每个像素属于水域的概率的计算方法为:
其中,pij代表矩形框内的像素点(i,j)属于水域的概率,Lij代表滑动过程中矩形框内包含像素点(i,j)的总次数,代表滑动过程中矩形框内包含像素点(i,j)且矩形框内区域被初步认定为水域的总次数。
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东北林业大学,未经东北林业大学许可,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/202210202916.X/1.html,转载请声明来源钻瓜专利网。