-
公开(公告)号：CN103558599A
公开(公告)日：2014-02-05
申请号：CN201310556077.2
申请日：2013-11-11
Applicant: 北京林业大学
IPC: G01S13/88
CPC classification number: G01S13/882 , G01S13/9023
Abstract: 本发明公开了一种基于多源遥感数据的复杂异质林分平均高估测方法。它是综合极化干涉雷达的相位、幅度信息，植被指数信息，反映森林结构的熵值信息，二类调查和样地调查数据的多数据源多信息林分平均高估测技术。该技术引入植被指数NDVI和信息论中的熵值来反映森林的光谱信息和结构复杂性。根据具体森林状况对不同的林分分别赋予不同的补偿系数，构建补偿系数函数。利用改正后变化的补偿系数替代常量补偿系数从而改进相干相位-幅度算法。实现对多云雨地区复杂森林结构林分平均高的大区域、高精度、快速提取制图。
-
公开(公告)号：CN119181022A
公开(公告)日：2024-12-24
申请号：CN202411451268.7
申请日：2024-10-17
Applicant: 北京林业大学
IPC: G06V20/10 , G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本申请涉及一种森林类型变化检测方法以及装置，该方法包括：获取样本图像数据集，构建森林类型变化检测模型；森林类型变化检测模型包括编码器以及解码器；将每对影像块输入至编码器，获得多尺度深度特征图；将多尺度深度特征图输入至解码器中，获得每对影像块的森林类型变化检测结果；根据每对影像块的森林类型变化检测结果、每对影像块的标签数据以及预设的损失函数，计算森林类型变化检测模型的损失值；根据损失值，对森林类型变化检测模型进行迭代训练，获得已训练的森林类型变化检测模型；将待检测区域两个时相的高分辨率遥感影像输入至已训练的森林类型变化检测模型，获得森林类型变化检测结果，提高了森林类型变化检测的效率以及精度。
-
公开(公告)号：CN117830850A
公开(公告)日：2024-04-05
申请号：CN202410011041.4
申请日：2024-01-03
Applicant: 北京林业大学
Abstract: 本发明公开一种基于多光谱RGB像片及植被指数检测人工幼龄林单木技术，适用于应用在树冠叶片稀少，幼树与背景地物相差不大的人工幼龄林场景，属于无人机多光谱影像在人工幼龄林业应用技术领域。关键技术要点包括：1.使用深度学习方法进行人工幼龄林单木检测，降低地面工作量；2.提出YOLOX‑CARAFE‑CA网络模型，提高模型对幼树检测的能力。3.融合RGB影像与植被指数，增加网络输入图像的信息维度。解决的关键性问题包括：1.让网络专注于学习幼树上更有用的信息；2.低成本获取人工幼龄林数据，提升人工幼龄林单木检测精度。该发明适用于树冠与背景地物相差不大的人工幼龄林场景，是首次针对人工幼龄林单木检测的方法，成果可为生态修复效果评价提供有力参考。
-
公开(公告)号：CN116485822A
公开(公告)日：2023-07-25
申请号：CN202310480182.6
申请日：2023-04-28
Applicant: 中建一局集团第三建筑有限公司 , 中国建筑一局(集团)有限公司 , 北京林业大学
Abstract: 本发明涉及分割、边缘检测技术领域，公开了一种高郁闭度人工林单木树冠分层分割方法。通过把高光谱影像上的光谱数据赋予给同一位置的LiDAR点云，然后从LiDAR点云中根据光谱数据找出必然位于上层林冠的树冠上的光照边界线，再根据光照边界线的尺寸确定树冠的大致尺寸，根据树顶的位置确定树冠的大致位置，从而能够以更准确的方式设置点云分类窗口，在这个窗口内进行点云分割，从而克服树冠边缘重叠对单木树冠分割带来的不利影响，且完全不受下层林冠的干扰。在上层林冠完成分割后，去掉分类点，就仅剩下稀疏的下层林冠了，不存在重叠也不存在光谱的巨大差异，可毫不费力地进行分割。
-
公开(公告)号：CN115330159A
公开(公告)日：2022-11-11
申请号：CN202210923936.6
申请日：2022-08-02
Applicant: 中建一局集团第三建筑有限公司 , 中国建筑一局(集团)有限公司 , 北京林业大学
Abstract: 本申请涉及一种沙漠生态修复效果评价、装置、终端设备及存储介质，其中方法包括：选取评价指标，确定各评价指标的权重；获取修复区域修复前和修复后的多源数据，对多源数据进行预处理得到时间序列数据；根据时间序列数据在各评价节点对各评价指标进行计算，对评价指标计算结果进行标准化处理，获得标准化指标值，根据标准化指标值和相应的权重，采用综合评价法，计算修复区域修复前的生态状况综合分数、修复后各评价节点的生态状况综合分数；利用时间序列对比法，得到修复区域修复后各评价节点相对于修复前的生态修复率，对各评价节点的沙漠生态修复效果进行评价。本申请具有对修复区域的沙漠生态修复效果进行评价，定量判断沙漠修复成效的效果。
-
Patent Agency Ranking
公开(公告)号：CN112819066A
公开(公告)日：2021-05-18
申请号：CN202110120005.8
申请日：2021-01-28
Applicant: 北京林业大学
Abstract: 本发明公开一种Res‑UNet单木树种分类技术，发明基于高空间分辨率CCD和LiDAR数据，采用改进的Rse‑UNet深度学习网络进行人工林单木树种分类，实现了复杂林分下的单木树种高精度高效分类，为森林资源调查及树种分布信息获取提供了新路径，适用于人工林单木树种分布信息的获取，属于机器学习在林业应用技术领域范畴，关键技术要点包括：1.构建改进的Rse‑UNet深度学习网络，结合实地调查和CCD影像构建分类样本数据集进行模型训练，并对影像进行预测，完成树种分布制图；2.使用机载LiDAR点云数据完成基于距离判别聚类算法单木树冠分割；3.将树种分类结果和单木树冠分割结果叠加，实现单木树种分类。
-
公开(公告)号：CN106778696B
公开(公告)日：2020-01-31
申请号：CN201710039791.2
申请日：2017-01-18
Applicant: 北京林业大学
Abstract: 本发明公开一种基于双向选择判断原理进行遥感手段提取单木与实际单木信息匹配的方法，属林业遥感数据处理与信息提取范畴，其技术特点是以树高差、距离为判定条件，先在遥感手段提取到的林木邻域内筛选最合适的实测木作为匹配木，再以该实测木为中心，通过判断其邻域内遥感手段提取到的单木信息，决定是否成功匹配。解决的关键性问题包括：①可甄别和去除欠分割、过分割等分割误差，避免误差的积累；②在密度高、空间异质性高的林分中匹配精度较高，相比传统方法，解决了树冠相互遮挡林木间匹配不合理的问题。该发明可应用于林业遥感技术反演信息的领域，在评价遥感产品质量、推广遥感产品应用等方面起到巨大推进作用。
-
公开(公告)号：CN106845399A
公开(公告)日：2017-06-13
申请号：CN201710039793.1
申请日：2017-01-18
Applicant: 北京林业大学
CPC classification number: G06K9/00657 , G06K9/6219
Abstract: 本发明公开一种使用分层聚类方式从LiDAR中提取单木信息的方法，属LiDAR点云数据处理与信息提取范畴，关键技术要点包括：1.对点云进行水平分层；2.使用k均值聚类方式对每层点云进行分类并赋予不同属性值；3.对满足预设条件的点云进行融合；4.从属性值相同的点云中提取单木位置、树高、冠幅等信息，并通过单木信息计算林分结构信息。解决的关键性问题包括：1.实现林下层单木的提取，准确提取林分林木数量达80％以上；2.实现由LiDAR提取单木信息计算林分结构的功能；3.对点云密度无过高要求，已证实2p/m2密度的点云即可完成相关工作。该发明可应用于LiDAR反演信息的领域，尤其在结构复杂的林分条件下也可适用，可准确提取单木位置、树高、冠幅及林分结构参数等相关信息。
-
-
公开(公告)号：CN103778623A
公开(公告)日：2014-05-07
申请号：CN201310575906.1
申请日：2013-11-18
Applicant: 北京林业大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于遥感影像的分层二阶抽样方法。由分层抽样、二阶抽样、简单随机抽样组成分层二阶抽样，其中分层抽样用低分辨率遥感图像和中等分辨率遥感图像，分别对两幅不同分辨率的影像进行分层，在低分辨率遥感图像进行一阶抽样抽中得样本单元所对应的中等分辨率遥感图像进行抽样；利用分层抽样、二阶抽样和随机抽样组成分层二阶抽样，选择两幅不同分辨率的遥感影像，对遥感影像进行分层后进行抽样，对低分辨率遥感图像的分层进行一阶抽样，对中等分辨率遥感图像进行二阶抽样，分层二阶抽样方法简单、操作简单、减少了工作量，提高了调查精度，提高了工作效率。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.044 seconds)
