← 返回列表
一种植被高度预测方法及系统
申请人信息
- 申请人:中山大学
- 申请人地址:510275 广东省广州市海珠区新港西路135号
- 发明人: 中山大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种植被高度预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311711415.5 |
| 申请日 | 2023/12/12 |
| 公告号 | CN117636174A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 中山大学 |
| 发明人 | 王青松; 余翠琳; 黄海风; 赖涛; 钟梓炫; 张君豪; 方佳骏; 张子博 |
| 地址 | 广东省广州市海珠区新港西路135号 |
摘要文本
中山大学获取“一种透气窗帘布”专利技术，本发明提出了一种植被高度预测方法及系统，根据预设图像范围值划分待研究区域，得到图像块，并对所述图像块进行样本划分和样本筛选预处理，得到正样本对和负样本对，对植被高度估计模型进行数据特征学习预训练和对所述植被高度估计预训练模型进行微调，得到植被高度预测模型，通过高度滤波处理，计算得到裸露地表的数字高程模型的高程信息，通过预设指标对比计算，输出植被高度预测结果。本发明解决了现有技术DEM受植被覆盖率影响和深度学习模型过度依赖带标签数据而导致预测准确度不高的问题，能够提高植被高度预测准确度。
专利主权项内容
1.一种植被高度预测方法，其特征在于，包括：根据预设图像范围值划分待研究区域，得到图像块；根据图像时空特性，对所述图像块进行样本划分和样本筛选预处理，得到正样本对和负样本对；根据所述正样本对和所述负样本对，对植被高度估计模型进行数据特征学习预训练，得到植被高度估计预训练模型；其中，所述植被高度估计模型包括：特征提取模块和对比回归学习模块，所述特征提取模块用于获取自然图像的多尺度边缘图，所述对比回归学习模块用于学习对比域泛化损失的稳定表示和学习对比自训练和伪标签；根据预设植被高度标签数据集，对所述植被高度估计预训练模型进行微调，得到植被高度预测模型；根据所述植被高度预测模型，通过高度滤波处理，计算得到裸露地表的数字高程模型的高程信息；通过预设指标对比计算，输出植被高度预测结果。