买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川省林业科学研究院申请的专利基于高分辨率遥感图像的地质灾害后植被恢复监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115546636B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211171092.0，技术领域涉及：G06V20/10；该发明授权基于高分辨率遥感图像的地质灾害后植被恢复监测方法是由邓东周;潘红丽;周听鸿;辜建刚;周相兵设计研发完成，并于2022-09-25向国家知识产权局提交的专利申请。

本基于高分辨率遥感图像的地质灾害后植被恢复监测方法在说明书摘要公布了：本发明提供了一种基于高分辨率遥感图像的地质灾害后植被恢复监测方法，包括：构建融合型“光谱‑植被指数‑纹理”特征集；在晴朗天气条件下，较为均匀地选取目标区域内的n个典型植被样本地；构建类bagging型集成学习模型；分析乔木、灌木和草本三类型植被在植被高度、单株植被水平投影覆盖面积、根系深度和根系延展范围上的明显差异；通过分析若干连续时相的遥感图像的植被变化率指数和植被类型变化率指数的按时相变化信息，量化分析目标区域植被恢复情况，因而有效地提升了按像素分类方法精度，大幅度提升目标区域植被量化分析的精准度，更能大幅度降低长期精准监测的成本。

本发明授权基于高分辨率遥感图像的地质灾害后植被恢复监测方法在权利要求书中公布了：1.一种基于高分辨率遥感图像的地质灾害后植被恢复监测方法，其特征在于，包括： 步骤1，对目标区域的空间分辨率≤10米的多光谱卫星遥感图像进行预处理； 步骤2，构建融合型“光谱-植被指数-纹理”特征集以使得每个地物像素点对应于一个不小于50维度的特征向量，作为下述步骤4中模型的输入量； 步骤3，在晴朗天气条件下，较为均匀地选取目标区域内的n个典型植被样本地，在进行实地勘测后建立起包含精确地理坐标值的地理勘测数据集，抽取出成像时间距勘测时间最接近的f幅遥感图像作为下述步骤4中的训练和测试数据； 步骤4，构建类bagging型集成学习模型； 学习模型包括若干个神经网络子分类器和若干个SVM子分类器及一个邻域型结合策略的输出单元；其中， 神经网络分类器彼此间在结构上存在差异，其隐层数和神经节点数均不相同，且各自独立使用不相同的训练集和测试集进行模型训练，通过训练后使得每个神经网络分类器的总体分类精度和Kappa系数优于85%和0.85； SVM分类器彼此间在结构上存在差异，是基于不同核函数的SVM分类器或基于不同核函数的LSSVM分类器，各自独立使用不相同的训练集和测试集进行模型训练，通过训练后使得每个SVM分类器的总体分类精度和Kappa系数优于80%和0.85，子分类器并行独立工作，并将其分类结果输入到一个邻域型结合策略的输出单元中； 领域型结合策略为：如果子分类器的输出的地物类型不多于两类且占优地物类的比例不低于阈值，占优地物类别为该点处的地物类别；否则认为该像素点处的混合像元现象明显，取K*K像素得领域，按照去心领域内某类别地物的含量乘以某类别地物在该像素点的多个分类器输出中的含量得到某类别在该像素点中的含量； 步骤5，利用所述学习模型分析乔木、灌木和草本三类型植被在植被高度、单株植被水平投影覆盖面积、根系深度和根系延展范围上的明显差异； 步骤6，通过分析若干连续时相的遥感图像的植被变化率指数和植被类型变化率指数的按时相变化信息，量化分析目标区域植被恢复情况。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川省林业科学研究院，其通讯地址为：610081 四川省成都市金牛区星辉西路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。