-
公开(公告)号：CN106503674B
公开(公告)日：2019-04-26
申请号：CN201610960139.X
申请日：2016-10-27
Applicant: 北京林业大学
Abstract: 本发明公开一种应用于复杂地形区域的点云滤波方法，以传统八叉树模型原理为基础，针对复杂地形环境中点云滤波的方法进行以下改进，包括：一、改进原有八叉树模型，在分割过程中，对节点尺寸予以调整，每次分割时采用最小立方体包含节点中所有点云数据；二、基于坡度判断，对节点中未分类点云进行分类；在提高将地面点与地物点分至不同节点中的几率的同时，能够更好的将地面点与地物点分割到不同节点中，并将复杂的地形依据节点分割，统一转化为山坡地形。一定程度上提高点云滤波精度，减少地面点平面拟合次数。
-
公开(公告)号：CN103778601A
公开(公告)日：2014-05-07
申请号：CN201310663388.9
申请日：2013-12-10
Applicant: 北京林业大学
IPC: G06T5/00
Abstract: 一种分坡度等级C模型对山区遥感影像的地形校正方法。由余弦地形校正和分坡度等级系数C组成遥感图像分坡度等级C地形校正，其中分坡度等级系数C为每5°分为一级0-1°除外，余弦地形校正分别加上每一坡度级系数；利用遥感图像分坡度等级C地形校正中余弦地形校正和分坡度等级系数C组成的分坡度C地形校正，选择余弦地形校正与分坡度等级系数C相结合，使遥感影像地形校正可以得到更精细的对山区遥感影像进行地形校正，克服了只有一个系数C对正幅遥感影像适用的缺点，分坡度等级C模型地形校正简单、操作方便，提高了山区遥感影像地形校正的精度。
-
公开(公告)号：CN106778696B
公开(公告)日：2020-01-31
申请号：CN201710039791.2
申请日：2017-01-18
Applicant: 北京林业大学
Abstract: 本发明公开一种基于双向选择判断原理进行遥感手段提取单木与实际单木信息匹配的方法，属林业遥感数据处理与信息提取范畴，其技术特点是以树高差、距离为判定条件，先在遥感手段提取到的林木邻域内筛选最合适的实测木作为匹配木，再以该实测木为中心，通过判断其邻域内遥感手段提取到的单木信息，决定是否成功匹配。解决的关键性问题包括：①可甄别和去除欠分割、过分割等分割误差，避免误差的积累；②在密度高、空间异质性高的林分中匹配精度较高，相比传统方法，解决了树冠相互遮挡林木间匹配不合理的问题。该发明可应用于林业遥感技术反演信息的领域，在评价遥感产品质量、推广遥感产品应用等方面起到巨大推进作用。
-
公开(公告)号：CN106845399A
公开(公告)日：2017-06-13
申请号：CN201710039793.1
申请日：2017-01-18
Applicant: 北京林业大学
CPC classification number: G06K9/00657 , G06K9/6219
Abstract: 本发明公开一种使用分层聚类方式从LiDAR中提取单木信息的方法，属LiDAR点云数据处理与信息提取范畴，关键技术要点包括：1.对点云进行水平分层；2.使用k均值聚类方式对每层点云进行分类并赋予不同属性值；3.对满足预设条件的点云进行融合；4.从属性值相同的点云中提取单木位置、树高、冠幅等信息，并通过单木信息计算林分结构信息。解决的关键性问题包括：1.实现林下层单木的提取，准确提取林分林木数量达80％以上；2.实现由LiDAR提取单木信息计算林分结构的功能；3.对点云密度无过高要求，已证实2p/m2密度的点云即可完成相关工作。该发明可应用于LiDAR反演信息的领域，尤其在结构复杂的林分条件下也可适用，可准确提取单木位置、树高、冠幅及林分结构参数等相关信息。
-
公开(公告)号：CN106845399B
公开(公告)日：2020-06-09
申请号：CN201710039793.1
申请日：2017-01-18
Applicant: 北京林业大学
Abstract: 本发明公开一种使用分层聚类方式从LiDAR中提取单木信息的方法，属LiDAR点云数据处理与信息提取范畴，关键技术要点包括：1.对点云进行水平分层；2.使用k均值聚类方式对每层点云进行分类并赋予不同属性值；3.对满足预设条件的点云进行融合；4.从属性值相同的点云中提取单木位置、树高、冠幅等信息，并通过单木信息计算林分结构信息。解决的关键性问题包括：1.实现林下层单木的提取，准确提取林分林木数量达80％以上；2.实现由LiDAR提取单木信息计算林分结构的功能；3.对点云密度无过高要求，已证实2p/m2密度的点云即可完成相关工作。该发明可应用于LiDAR反演信息的领域，尤其在结构复杂的林分条件下也可适用，可准确提取单木位置、树高、冠幅及林分结构参数等相关信息。
-
Patent Agency Ranking
公开(公告)号：CN102496077A
公开(公告)日：2012-06-13
申请号：CN201110400419.2
申请日：2011-12-06
Applicant: 北京林业大学
Abstract: 一种用于预测林业有害生物灾害的系统及方法，主要包括：林业有害生物灾害预测模型模块，其包括地理元胞自动机模型、人工神经网络模型和多智能体模型，其中，地理元胞自动机模型中的元胞表示地理区域，且具有用于表示灾害程度的元胞状态以及用于表示灾害影响因子的一个或多个元胞属性，其状态转换规则是通过训练人工神经网络模型获取的，人工神经网络模型的输入为灾害影响因子，输出为灾害程度，多智能体模型包括人为活动影响智能体，用于表示人类活动对元胞状态的影响，以及有害生物种群变化智能体，用于表示有害生物种群的动态演变过程，智能体的分析结果将与当前元胞状态融合，从而获得更新后的当前元胞状态。
-
公开(公告)号：CN107368813A
公开(公告)日：2017-11-21
申请号：CN201710603764.3
申请日：2017-07-23
Applicant: 北京林业大学
CPC classification number: G06K9/00657 , G06K9/6269
Abstract: 本发明公开一种应用于机载近地高光谱影像的林木冠幅识别方法，属于林业遥感数据处理与信息提取范畴。其技术特点是以传统基于光谱的支持向量机分类为基础，在完成支持向量机分类，形成各类地物初始概率图的基础上，引入引导滤波，利用引导滤波对分类初始概率图进行纹理及边缘信息优化，通过概率最大准则，对优化后各像素点所属类别进行划分，在完成最总分类后，提取树木对应类别，形成林木边缘矢量，完成林木冠幅的精确识别。
-
公开(公告)号：CN106503674A
公开(公告)日：2017-03-15
申请号：CN201610960139.X
申请日：2016-10-27
Applicant: 北京林业大学
CPC classification number: G06K9/00657 , G06K9/342 , G06K9/40
Abstract: 本发明公开一种应用于复杂地形区域的点云滤波方法，以传统八叉树模型原理为基础，针对复杂地形环境中点云滤波的方法进行以下改进，包括：一、改进原有八叉树模型，在分割过程中，对节点尺寸予以调整，每次分割时采用最小立方体包含节点中所有点云数据；二、基于坡度判断，对节点中未分类点云进行分类；在提高将地面点与地物点分至不同节点中的几率的同时，能够更好的将地面点与地物点分割到不同节点中，并将复杂的地形依据节点分割，统一转化为山坡地形。一定程度上提高点云滤波精度，减少地面点平面拟合次数。
-
公开(公告)号：CN105930769A
公开(公告)日：2016-09-07
申请号：CN201610226311.9
申请日：2016-04-13
Applicant: 北京林业大学
IPC: G06K9/00
CPC classification number: G06K9/00657
Abstract: 本发明公开一种基于生物生态特征的病虫害发生等级精度验证方法，以基于遥感影像的森林病虫害分类为基础，在没有病虫害实地调查数据的前提下，利用森林病虫害的生物生态学特性进行病虫害发生等级监测进度验证，当分类等级与其生物生态学特性相符合时，利用模型拟合的决定系数较高时，说明分类精度可靠，有效的降低了森林病虫害外业调查的复杂性。
-
公开(公告)号：CN102496077B
公开(公告)日：2015-08-19
申请号：CN201110400419.2
申请日：2011-12-06
Applicant: 北京林业大学
Abstract: 一种用于预测林业有害生物灾害的系统及方法，主要包括：林业有害生物灾害预测模型模块，其包括地理元胞自动机模型、人工神经网络模型和多智能体模型，其中，地理元胞自动机模型中的元胞表示地理区域，且具有用于表示灾害程度的元胞状态以及用于表示灾害影响因子的一个或多个元胞属性，其状态转换规则是通过训练人工神经网络模型获取的，人工神经网络模型的输入为灾害影响因子，输出为灾害程度，多智能体模型包括人为活动影响智能体，用于表示人类活动对元胞状态的影响，以及有害生物种群变化智能体，用于表示有害生物种群的动态演变过程，智能体的分析结果将与当前元胞状态融合，从而获得更新后的当前元胞状态。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
