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

Inventor： 陈媛媛 ,  颜瑾 ,  郑思齐 ,  向云飞 ,  魏浩翰

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：CN114332492B

公开(公告)日：2024-03-19

申请号：CN202111534702.4

申请日：2021-12-15

Applicant: 南京林业大学

Inventor： 颜瑾 ,  陈媛媛 ,  郑加柱 ,  向云飞 ,  魏浩翰

IPC: G06V10/46 ,  G06V10/764 ,  G06N3/006

Abstract: 本发明提供一种基于长时间序列的植被特征提取及选择方法，包括对一年内各月共12景Sentinel‑2时序影像与同年间11月份的一景Sentinel‑1影像进行预处理、进行双极化分解并提取极化植被指数、纹理特征和后向散射系数共17个特征；进行B2～B8、B11和B12波段提取并进行重采样；提取12景各景影像数据NDVI均值与IRECI均值，按时间绘制折线并提取VFC均值；分别时序折线插值与平滑滤波，提取14个相关物候参数；获得基于VFC的新型NDVI时序折线和IRECI时序折线，从中提取新型物候参数14个；根据SVM样本训练结果，利用人工蜂群特征选择算法对提取的17个极化特征与28个光学特征进行特征选择，筛选出分类的最优特征子集。

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

Inventor： 陈媛媛 ,  颜瑾 ,  郑思齐 ,  向云飞 ,  魏浩翰

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。

公开(公告)号：CN114332492A

公开(公告)日：2022-04-12

申请号：CN202111534702.4

申请日：2021-12-15

Applicant: 南京林业大学

Inventor： 颜瑾 ,  陈媛媛 ,  郑加柱 ,  向云飞 ,  魏浩翰

IPC: G06V10/46 ,  G06V10/764 ,  G06K9/62 ,  G06N3/00

Abstract: 本发明提供一种基于长时间序列的植被特征提取及选择方法，包括对一年内各月共12景Sentinel‑2时序影像与同年间11月份的一景Sentinel‑1影像进行预处理、进行双极化分解并提取极化植被指数、纹理特征和后向散射系数共17个特征；进行B2～B8、B11和B12波段提取并进行重采样；提取12景各景影像数据NDVI均值与IRECI均值，按时间绘制折线并提取VFC均值；分别时序折线插值与平滑滤波，提取14个相关物候参数；获得基于VFC的新型NDVI时序折线和IRECI时序折线，从中提取新型物候参数14个；根据SVM样本训练结果，利用人工蜂群特征选择算法对提取的17个极化特征与28个光学特征进行特征选择，筛选出分类的最优特征子集。