-
公开(公告)号：CN104849722A
公开(公告)日：2015-08-19
申请号：CN201510232806.8
申请日：2015-05-08
Applicant: 南京林业大学
IPC: G01S17/88
CPC classification number: G01S17/88 , G01S7/4802
Abstract: 本发明公开了一种LiDAR波形综合特征的单木识别方法，借助机载小光斑全波形LiDAR传感器进行数据采集；LiDAR波形数据预处理：单木定位和冠幅提取；基于发射能量及传感器与地物的距离信息对LiDAR波形数据进行校正；构建体元框架并进行LiDAR波形的结构化分解；提取单木的波形特征变量；提取单木的点云特征变量；使用随机森林方法筛选最优特征变量并进行树种分类。本发明的验证结果表明，与其他使用遥感方法进行树种分类的方法相比，总体精度提升了15%左右；Kappa系数提升了0.13左右。
-
公开(公告)号：CN104820830A
公开(公告)日：2015-08-05
申请号：CN201510234717.7
申请日：2015-05-08
Applicant: 南京林业大学
IPC: G06K9/00
CPC classification number: G06K9/6277
Abstract: 本发明公开了一种基于全波形LiDAR冠层剖面模型的树种识别方法，包括：借助机载小光斑全波形LiDAR传感器进行数据采集；传感器记录每束激光脉冲返回的完整波形信息；LiDAR波形数据预处理；单木定位和冠幅提取；结合Weibull分布和三次样条函数模型，拟合单木垂直结构和返回能量信息的冠层剖面模型，并提取模型参数作为特征变量；使用随机森林分类器进行树种分类。本发明的验证结果表明，与其他使用遥感方法进行树种分类的方法相比，在四个主要树种的分类级上总体精度提升了9%左右；Kappa系数提升了0.1左右。
-
公开(公告)号：CN104155638A
公开(公告)日：2014-11-19
申请号：CN201410259589.7
申请日：2014-06-11
Applicant: 南京林业大学
CPC classification number: G01S7/4802 , G01S17/88
Abstract: 本发明公开了一种基于LiDAR伪垂直波形模型的树种分类方法，包括：1）使用机载小光斑全波形LiDAR传感器进行数据采集，获得完整波形信息，采样间隔为1ns；2）LiDAR波形数据预处理；3）通过波形结构化分解和综合波形重组构建伪垂直波；4）单木分割和信息综合；5）在单木范围内汇总点云属性并计算综合波形特征参数；6）使用支持向量机分类器进行树种分类。该树种分类方法，能增强获取的LiDAR能量信号，在单木分割基础上，从多个维度提取综合波形特征变量，实现了通过单一数据源获取并提升亚热带森林的树种分类精度，可以更好地反映该森林类型中主要树种的时空变异，经实验验证结果表明，与其他使用LiDAR进行树种分类的方法相比总体精度提升10%；Kappa系数提升0.1。
-
公开(公告)号：CN115078268B
公开(公告)日：2024-11-05
申请号：CN202210462188.6
申请日：2022-04-28
Applicant: 南京林业大学
Abstract: 本发明公开一种抑制叶片镜面反射效应的银杏叶黄酮含量估测方法，获取银杏叶片样本的实测反射率光谱值；测定银杏叶片样本的单位干重和单位叶面积总黄酮含量作为实测值；修正反射率光谱，基于叶黄酮反射光谱指数的形式，构建可抑制叶片镜面反射的修正型叶黄酮反射光谱指数；筛选出最优的修正型叶黄酮反射光谱指数；基于表现最优的修正型叶黄酮反射光谱指数和样本实测叶黄酮含量，建立银杏叶黄酮含量估算模型；然后对银杏叶黄酮含量估测模型进行验证。本发明估测模型结构简单、估测精度高、鲁棒性强，对不同林龄银杏单位干重和单位叶面积叶黄酮含量的估测均具有较好的表现，可以广泛用于银杏叶黄酮含量的估测。
-
公开(公告)号：CN112907520B
公开(公告)日：2024-09-17
申请号：CN202110163462.5
申请日：2021-02-05
Applicant: 南京林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/084
Abstract: 本发明公开一种基于端到端深度学习方法的单株树冠检测方法，包括以下步骤：采集林木的机载激光雷达点云数据；对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；采用深度卷积对抗生成网络生成新的训练样本；将原训练样本和生成的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；将待测林木的高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置及反演冠幅参数。与其他先进的树冠检测算法相比，本发明可以快速而准确地从树种多样的森林中检测单株树冠。
-
Patent Agency Ranking
公开(公告)号：CN110598707B
公开(公告)日：2023-06-06
申请号：CN201910632238.9
申请日：2019-07-13
Applicant: 南京林业大学
Abstract: 本专利提出了一种基于机载激光雷达数据的树冠分割算法，利用在数字表面模型(DSM)上的水蔓延方法来刻画树冠区域的边界，结合DSM上的梯度方向与树冠边界单元和最近两个树冠顶点的高度差，建立控制水蔓延的能量函数，它弥补了计算机程序同步实现在每个树冠中水蔓延的局限性，并优化了相邻树冠之间交叠区域的分割结果。实验结果表明，杉木在混交林中的平均检出率(recall)为0.90,检出率的正确率(precision)为0.71,检测到树的整体精度(f)为0.80，对于桉树，recall＝94.76％,precision＝0.81,f＝0.86。所有地块中，杉木冠径的平均检测精度低于桉树平均检测精度，杉木树高的检测精度高于桉树检测精度0.48％。
-
公开(公告)号：CN112907520A
公开(公告)日：2021-06-04
申请号：CN202110163462.5
申请日：2021-02-05
Applicant: 南京林业大学
Abstract: 本发明公开一种基于端到端深度学习方法的单株树冠检测方法，包括以下步骤：采集林木的机载激光雷达点云数据；对机载激光雷达点云数据进行预处理，将机载激光雷达点云数据分为地面点和非地面点，根据非地面点生成数字表面模型，将数字表面模型转换成高程图；对高程图中的每个树冠进行手动标记，将标记好的高程图作为训练样本；采用深度卷积对抗生成网络生成新的训练样本；将原训练样本和生成的训练样本对端到端深度学习网络开展训练，获得树冠识别端到端网络模型；将待测林木的高程图输入到树冠识别端到端网络模型中，自动识别树冠具体位置及反演冠幅参数。与其他先进的树冠检测算法相比，本发明可以快速而准确地从树种多样的森林中检测单株树冠。
-
公开(公告)号：CN108896021B
公开(公告)日：2020-05-26
申请号：CN201810879344.2
申请日：2018-08-03
Applicant: 南京林业大学
Abstract: 本发明公开一种基于航空摄影测量点云提取人工林林分结构参数的方法，对机载激光雷达离散点云数据滤波，插值生成数字地形模型，点云数据归一化处理；对真彩色像对特征点进行提取、匹配，进行空三加密生成航空摄影测量点云，使用生成的数字地形模型对航空摄影测量点云数据进行归一化处理；基于归一化航空摄影测量点云提取特征变量；结合地面实测数据和提取的特征变量分别构建多元回归模型以预测各林分结构特征。通过无人机高效获取的高重叠度影像数据，并借助立体摄影测量方法从影像像对中提取三维点云，从而获取森林冠层三维结构特征，有助于提高人工林林分结构参数的反演精度，并有效抑制森林覆盖度高、生物量高林分的结构参数反演“饱和”问题。
-
公开(公告)号：CN110598707A
公开(公告)日：2019-12-20
申请号：CN201910632238.9
申请日：2019-07-13
Applicant: 南京林业大学
IPC: G06K9/34
Abstract: 本专利提出了一种基于机载激光雷达数据的树冠分割算法，利用在数字表面模型(DSM)上的水蔓延方法来刻画树冠区域的边界，结合DSM上的梯度方向与树冠边界单元和最近两个树冠顶点的高度差，建立控制水蔓延的能量函数，它弥补了计算机程序同步实现在每个树冠中水蔓延的局限性，并优化了相邻树冠之间交叠区域的分割结果。实验结果表明，杉木在混交林中的平均检出率(recall)为0.90,检出率的正确率(precision)为0.71,检测到树的整体精度(f)为0.80，对于桉树，recall＝94.76％,precision＝0.81,f＝0.86。所有地块中，杉木冠径的平均检测精度低于桉树平均检测精度，杉木树高的检测精度高于桉树检测精度0.48％。
-
公开(公告)号：CN110554406A
公开(公告)日：2019-12-10
申请号：CN201910857028.X
申请日：2019-09-10
Applicant: 南京林业大学
IPC: G01S17/89
Abstract: 本发明公开了一种基于无人机立体摄影测量点云的次生林结构参数反演的方法，属于森林资源监测、生态因子调查及生物多样性研究等领域。本发明借助无人机对次生林采集影像数据，对影像数据进行影像匹配，影像拼接，获取稀疏点云；对稀疏点云加密，获取加密点云；借助无人机搭载的激光雷达获取的数字地形模型对加密点云进行归一化，获取归一化摄影测量点云数据；对归一化摄影测量点云数据提取点云特征变量；优选点云特征变量，借助地面实测数据建立多元回归模型反演林分特征，实现了高质量地反演森林结构参数。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.033 seconds)
