-
公开(公告)号：CN111445023A
公开(公告)日：2020-07-24
申请号：CN202010100141.6
申请日：2020-02-18
Applicant: 中南林业科技大学
Abstract: 一种遗传算法优化的BP神经网络GF-2影像森林分类方法，包括以下步骤，1)将分类区域地表植被分成三级；2)对在分类区域获取的遥感影像进行预处理；3)将进行预处理的遥感影像光谱中加入特征值，以增强特征差异性；4)建立BP神经网络的拓扑结构；5)对权值和阀值进行遗传算法优化；6)将遥感影像中的特征值输入到BP神经网络算法中，完成地物的分类。本发明的遗传算法优化的BP神经网络GF-2影像森林分类方法克服BP神经网络稳定性不高，最终权值与阈值容易陷入局部最优，使得分类效果无法达到最好的缺点的遗传算法优化的BP神经网络GF-2影像森林分类方法，其能够进一步的提高分类精度。
-
公开(公告)号：CN111814541A
公开(公告)日：2020-10-23
申请号：CN202010476403.9
申请日：2020-05-29
Applicant: 中南林业科技大学
Abstract: 本发明提供一种薇甘菊的高光谱特征的筛选方法，包括如下步骤：S1、获取遥感影像数据进行预处理；S2、薇甘菊高光谱特征初选：获得一种或几种反映薇甘菊光谱特征较佳的波段选择方法；S3、薇甘菊高光谱特征初选检验：找到最能反映薇甘菊光谱特征的最佳波段选择方法，并通过最佳波段选择方法初选出最能体现薇甘菊的高光谱特征的多个波段；S4、薇甘菊高光谱特征优选：获得优选后的薇甘菊高光谱特征最为明显的波段组合。本发明通过不同的波段选择方法和不同的分类方法对薇甘菊的高光谱特征进行研究，通过薇甘菊的高光谱特征的筛选方法得到最佳识别薇甘菊的高光谱特征数据，为开展国内的薇甘菊防治工作提供更加丰富的技术支撑。
-
公开(公告)号：CN112733596A
公开(公告)日：2021-04-30
申请号：CN202011393002.3
申请日：2020-12-01
Applicant: 中南林业科技大学
Abstract: 本发明涉及森林监测，具体涉及一种基于中高空间分辨率遥感影像融合的森林资源变化监测方法及应用。其方案包括以下步骤：(1)采集地物遥感数据；(2)对所采集的地物遥感数据预处理；(3)构建森林影像融合模型。因此本发明研究了单时相遥感影像时空融合技术，利用已有的中空间分辨率遥感影像和高空间分辨率遥感影像(简称中高空间分辨率遥感影像)生成某时刻缺失的、高质量的高空间分辨率融合影像，并将高空间分辨率融合影像应用到森林资源变化监测中，对森林资源的空间分布及其利用状况进行观测分析与评价，及时掌握森林资源现状和覆盖变化动态，为林业规划与政策实施提供重要依据。
-
公开(公告)号：CN111445023B
公开(公告)日：2022-04-19
申请号：CN202010100141.6
申请日：2020-02-18
Applicant: 中南林业科技大学
Abstract: 一种遗传算法优化的BP神经网络GF‑2影像森林分类方法，包括以下步骤，1)将分类区域地表植被分成三级；2)对在分类区域获取的遥感影像进行预处理；3)将进行预处理的遥感影像光谱中加入特征值，以增强特征差异性；4)建立BP神经网络的拓扑结构；5)对权值和阀值进行遗传算法优化；6)将遥感影像中的特征值输入到BP神经网络算法中，完成地物的分类。本发明的遗传算法优化的BP神经网络GF‑2影像森林分类方法克服BP神经网络稳定性不高，最终权值与阈值容易陷入局部最优，使得分类效果无法达到最好的缺点的遗传算法优化的BP神经网络GF‑2影像森林分类方法，其能够进一步的提高分类精度。
-
-
-
Search Results
4
records
(took 0.032 seconds)
