-
公开(公告)号：CN116704212A
公开(公告)日：2023-09-05
申请号：CN202310978722.3
申请日：2023-08-04
Applicant: 西南林业大学
Abstract: 本发明涉及基于机器学习及多光谱影像的林木火灾受损信息提取方法，属于图像处理技术领域，包括：将获取的数据经过处理后进行受损林木光谱特征提取和受损林木纹理特征提取；采用平均不纯度减少方法进行特征重要性评价，并通过OOB误差进行最优特征参数的确定，得到最优的特征子集；通过最优的特征子集为基础分别建立支持向量机分类模型、K最邻近分类模型和随机森林分类模型，再以此提取林木受损信息并绘制样地林木受损程度类别实测区域与预测受损木的空间分布格局图。本发明多光谱无人机具有地面分辨率高、对植被健康程度敏感、操作灵活等特点，可快速获取过火区域的高空间分辨率影像。
-
公开(公告)号：CN116704212B
公开(公告)日：2023-10-27
申请号：CN202310978722.3
申请日：2023-08-04
Applicant: 西南林业大学
Abstract: 本发明涉及基于机器学习及多光谱影像的林木火灾受损信息提取方法，属于图像处理技术领域，包括：将获取的数据经过处理后进行受损林木光谱特征提取和受损林木纹理特征提取；采用平均不纯度减少方法进行特征重要性评价，并通过OOB误差进行最优特征参数的确定，得到最优的特征子集；通过最优的特征子集为基础分别建立支持向量机分类模型、K最邻近分类模型和随机森林分类模型，再以此提取林木受损信息并绘制样地林木受损程度类别实测区域与预测受损木的空间分布格局图。本发明多光谱无人机具有地面分辨率高、对植被健康程度敏感、操作灵活等特点，可快速获取过火区域的高空间分辨率影像。
-
Search Results
2
records
(took 0.026 seconds)
