-
公开(公告)号:CN114528932B
公开(公告)日:2025-05-09
申请号:CN202210139780.2
申请日:2022-02-16
Applicant: 南京林业大学
IPC: G06V10/764 , G06V20/10 , G06V10/774
Abstract: 本发明提供一种基于加权植被时序属性特征曲线的分类方法,选取一年内的多景双极化Sentinel‑1数据,采用面向对象多尺度分割方法对影像进行分割并以分割后的单元为对象,根据植被生长季状况对其时序特征进行加权分析,运用植被生长季加权DTW获取对象时序曲线间相关性作为新的时序属性特征曲线,然后采用最近邻分类KNN算法进行分类。本发明有针对性的加大植被生长季间的权重并以此提取各对象的植被时序曲线间的相似性作为属性值构成新的时序属性曲线,通过挖掘深层次属性曲线之间的相关性,提高植被类别的分类精度。
-
公开(公告)号:CN114528932A
公开(公告)日:2022-05-24
申请号:CN202210139780.2
申请日:2022-02-16
Applicant: 南京林业大学
IPC: G06K9/62 , G06V20/10 , G06V10/764 , G06V10/774
Abstract: 本发明提供一种基于加权植被时序属性特征曲线的分类方法,选取一年内的多景双极化Sentinel‑1数据,采用面向对象多尺度分割方法对影像进行分割并以分割后的单元为对象,根据植被生长季状况对其时序特征进行加权分析,运用植被生长季加权DTW获取对象时序曲线间相关性作为新的时序属性特征曲线,然后采用最近邻分类KNN算法进行分类。本发明有针对性的加大植被生长季间的权重并以此提取各对象的植被时序曲线间的相似性作为属性值构成新的时序属性曲线,通过挖掘深层次属性曲线之间的相关性,提高植被类别的分类精度。
-