買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉安徽大學申請的專利基于多時相Sentinel-2數據的大豆種植區提取方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115861836B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211480121.1，技術領域涉及：G06V20/13；該發明授權基于多時相Sentinel-2數據的大豆種植區提取方法是由黃林生;丁翰;張東彥;佘寶;黃文江;趙晉陵;肖甜;張恒;繆保峰設計研發完成，并于2022-11-24向國家知識產權局提交的專利申請。

本基于多時相Sentinel-2數據的大豆種植區提取方法在說明書摘要公布了：本發明涉及一種基于多時相Sentinel?2數據的大豆種植區提取方法，包括：獲取Sentinel?2影像數據和輔助數據，進行預處理；將研究區的影像內的非農作物像元進行剔除，得到研究區的植被總體分布；生成所有特征的集合，并將數據融合在一起，進行掩膜；進行特征優選，篩選出各個分類器對應的最佳特征子集，選出最佳分類器；通過獲取的最佳分類器和該分類器對應的最佳特征子集，組成大豆最佳提取模型，并對大豆最佳提取模型的大豆提取效果進行評估，并得到該研究區內的大豆最佳制圖效果。本發明提高了精度，減少錯分漏分的概率；豐富了光譜特征，還提取了部分地物是光譜難以區分的，以用作輔助數據；極大的減少了工作量，減少了特征冗余以及噪聲，提高了工作效率。

本發明授權基于多時相Sentinel-2數據的大豆種植區提取方法在權利要求書中公布了：1.一種基于多時相Sentinel-2數據的大豆種植區提取方法，其特征在于：該方法包括下列順序的步驟： 1獲取Sentinel-2影像數據和輔助數據，對Sentinel-2影像數據和輔助數據進行預處理，得到研究區的影像； 2采用決策樹的方法，將研究區的影像內的非農作物像元進行剔除，得到研究區的植被總體分布； 3基于經過步驟1預處理之后的Sentinel-2影像數據，生成所有特征的集合，將植被指數、紋理特征、微波特征、Sentinel-1IWGRD級數據以及經過步驟1預處理之后的Sentinel-2影像數據融合在一起，利用研究區的植被總體分布對融合后的數據進行掩膜，得到掩膜后的所有特征的集合； 4對掩膜后的所有特征的集合進行特征優選，篩選出各個分類器對應的最佳特征子集，通過分類結果，選出最佳分類器； 5通過獲取的最佳分類器和該分類器對應的最佳特征子集，組成大豆最佳提取模型，并對大豆最佳提取模型的大豆提取效果進行評估，并得到該研究區內的大豆最佳制圖效果； 所述步驟4具體是指：通過ENVI軟件，對研究區的地物樣本進行標注，選取Sentinel-2影像數據的三個時相的特征，以及各個時相相互融合后而生成的特征，隨機篩選85個特征，對于這85個特征采用ReliefF算法進行特征優選，進而得到所有特征權重的排序圖，ReliefF算法的公式如下： 式中，Hx為樣本x同類最鄰近樣本點；Mx為表示與樣本x異類最鄰近樣本點；θ為假設間隔，即在保持樣本分類不變的情況下，決策面能夠移動的最大距離； 進行最佳特征子集的篩選，采用序列前向選擇法，利用與分類器耦合的方式，首先按照特征權重順序，依次將特征加入到分類器當中，每一次加入一個特征以后就給出一個總體分類精度OA，直到將85個特征全部輸入完畢，繪制出總體分類精度曲線；通過總體分類精度曲線判斷，若隨著特征的加入總體分類精度一直增加則保留該特征，當特征的加入總體分類精度下降，則剔除該特征，當精度達到最大值時剔除后面所有的特征，最終篩選出最佳特征子集；通過隨機森林、BP神經網絡、支持向量機SVM三種分類器以及各自對應的最佳特征子集最終生成大豆分類結果圖；運用planet影像對各個樣方中的大豆進行分類，作為樣方中的真實大豆真實分布圖，對三種分類器的分類結果進行驗證，通過kappa系數為依據判斷最佳分類器，kappa系數越高代表著分類結果越高； 所述kappa系數的計算公式如下： 式中，N表示像元總數，m是類別數，xkk是混淆矩陣對角線上的像元個數，xk+和x+k分別是第k行和第k列的像元總數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽大學，其通訊地址為：230601 安徽省合肥市經濟技術開發區九龍路111號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。