(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211007458.0 (22)申请日 2022.08.22 (65)同一申请的已公布的文献号 申请公布号 CN 115100534 A (43)申请公布日 2022.09.23 (73)专利权人 西南林业大 学 地址 650224 云南省昆明市盘龙区白龙寺 300号 (72)发明人 刘灵　张加龙　 (74)专利代理 机构 昆明盈正知识产权代理事务 所(特殊普通 合伙) 53208 专利代理师 徐洪刚 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/80(2022.01)G06V 10/764(2022.01) G06V 10/762(2022.01) (56)对比文件 CN 1094723 04 A,2019.0 3.15 CN 114926748 A,202 2.08.19 CN 111461033 A,2020.07.28 杨军 等.GF-2和Senti nel-2全色多光谱影 像融合方法比较 研究. 《测绘科 学》 .2022,第47卷 (第1期),1 12-120. 审查员 安静 (54)发明名称 森林优势树种识别方法、 装置、 设备及存储 介质 (57)摘要 本发明公开了一种森林优势树种识别方法、 装置、 设备及存储介质， 该方法包括获取目标森 林的遥感时序影像数据， 提取各地类的遥感时序 特征变量， 对 各地类的遥感时序特征变量进行聚 类， 并根据聚类结果， 建立森林优势树种识别分 层分类体系， 基于森 林优势树种识别分层分类体 系和动态阈值算法， 构建分层分类决策树模型， 利用分层分类决策树模型对目标森林进行优势 树种识别。 本发 明通过提取各地类的遥感时序特 征变量， 建立森林优势树种识别分层分类体系， 并以此构建分层分类决策树模型， 实现森林优势 树种识别， 解决了目前森 林优势树种研究操作复 杂， 自动化程度和分类精度不高、 分类方法不够 严谨的技 术问题。 权利要求书2页 说明书11页 附图5页 CN 115100534 B 2022.12.06 CN 115100534 B 1.一种高海拔 地区森林优势树种识别方法， 其特 征在于， 所述方法包括以下步骤： 获取目标森林的光学遥感时序影像数据和雷达遥感时序影像数据， 执行数据 预处理操 作； 对预处理后的光学遥感时序影像数据和雷达遥感时序影像数据， 执行PCA图像融合和 时间序列HANTS谐波重构； 其中， 所述执行PCA图像融合， 具体包括： 对所述光学遥感时序影 像数据执行P CA变换， 确定两个信息量贡献最少的波 段； 利用所述雷达遥感时序影像数据中 的VV波段和VH波 段对所述两个信息量贡献最少的波 段进行替换； 通过逆主成分变换将波段 融合， 获得光学遥感时序影 像数据和雷达 遥感时序影 像数据的遥感时序融合影 像数据； 对时间序列HANTS谐波重构处理后的遥感时序影像数据， 执行特征变量提取操作， 获得 各地类的遥感时序特 征变量； 对各地类的遥感时序特征变量进行系统聚类分析， 得到初步的分层分类体系， 并根据 空间信息和气象信息对初步的分层分类 体系进行优化； 对每层的遥感时序特征变量进行单因素方差分析处理， 根据地类间的差异显著性， 确 定各分类节点的特征变量， 并建立森林优势树种识别分层分类体系； 其中， 所述分类节点的 特征变量包括NDVI平均值、 VH平均值、 海拔、 NDVI12平均值、 Diff平均值、 平均温、 VH9平均值 和EVI8平均值； 基于所述森林优势树种识别分层分类体系和动态阈值算法， 构建分层分类决策树模 型； 利用所述分层分类决策树模型对目标森林进行优势树种识别。 2.如权利要求1所述的高海拔地 区森林优势树种识别方法， 其特征在于， 对所述光学遥 感时序影像数据执行数据预 处理操作包括辐射定标、 大气校正、 镶嵌裁剪中的一种或多种， 对所述雷达遥感时序影像数据执行数据预处理操作包括辐 射定标、 多视处理、 应用轨道文 件、 斑点滤波、 镶嵌裁 剪中的一种或多种。 3.如权利要求1所述的高海拔地 区森林优势树种识别方法， 其特征在于， 执行所述 时间 序列HANTS谐波重构步骤， 具体包括： 利用快速傅里叶变换获得遥感时序融合影像数据的原拟合曲线， 对无效数据 赋予零权 重， 以对时间序列进行重构； 其中， 重构后的时间序列的表达式为： 式中， 为重构后的时间序列， 为余项， 表示时序的平均值； n为时间间隔； N为时间 序列长度； 为振幅； 为时间频率； 为相位角。 4.如权利要求1所述的高海拔地 区森林优势树种识别方法， 其特征在于， 所述基于所述 森林优势树种识别分层分类体系和动态阈值算法， 构建分层分类决策树模型步骤， 具体包 括： 利用动态阈值算法， 获取所述森林优势树种识别分层 分类体系中各分类节点特征变量 的阈值， 并建立分层分类决策树模型；权　利　要　求　书 1/2 页 2 CN 115100534 B 2其中， 所述动态阈值算法采用OTSU算法和Canny边缘检测算法相结合的Edge ‑OTSU动态 阈值分割算法。 5.一种高海拔地区森林优势树种识别装置， 其特征在于， 所述森林优势树种识别装置 包括： 提取模块， 用于获取目标森林的光学遥感时序影像数据和雷达遥感时序影像数据， 执 行数据预处理操作； 对预处理后的光学遥感时序影像数据和雷达遥感时序影像数据， 执行 PCA图像融合和时间序列HANTS谐波重构； 其中， 所述执行PCA图像融合， 具体包括： 对 所述光 学遥感时序影像数据执行P CA变换， 确定两个信息量贡献最少的波段； 利用所述雷达遥感时 序影像数据中的VV波 段和VH波段对 所述两个信息量贡献最少的波段进 行替换； 通过逆主成 分变换将波段融合， 获得光学遥感时序影像数据和雷达遥感时序影像数据的遥感时序融合 影像数据； 对时间序列HANTS谐波重构处理后的遥感时序影像数据， 执行特征变量提取操 作， 获得各地类的遥感时序特 征变量； 建立模块， 用于对各地类的遥感时序特征变量进行系统聚类分析， 得到初步的分层分 类体系， 并根据 空间信息和气象信息对初步的分层分类体系进行优化； 对每层的遥感时序 特征变量进行单因素方差分析处理， 根据地类间的差异显著性， 确定各分类节点的特征变 量， 并建立森林优势 树种识别分层分类体系； 其中， 所述分类节 点的特征变量包括NDV I平均 值、 VH平均值、 海拔、 NDVI12 平均值、 Dif f平均值、 平均温、 VH9 平均值和EVI8平均值； 构建模块， 用于基于所述森林优势树种识别分层分类体系和动态阈值算法， 构建分层 分类决策树模型； 识别模块， 用于利用所述分层分类决策树模型对目标森林进行优势树种识别。 6.一种高海拔地区森林优势树种识别设备， 其特征在于， 所述高海拔地区森林优势树 种识别设备包括： 存储器、 处理器及存储在所述存储器上并可在所述处理器上运行 的高海 拔地区森林优势 树种识别方法程序， 所述高海拔地区森林优势 树种识别方法程序被所述处 理器执行时实现如权利要求1至4中任一项所述的高海拔地区森林优势树种识别方法的步 骤。 7.一种存储介质， 其特征在于， 所述存储介质上存储有高海拔地区森林优势树种识别 方法程序， 所述高海拔地区森林优势树种识别方法程序被处理器执行时实现如权利要求1 至4中任一项所述的高海拔 地区森林优势树种识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 115100534 B 3