公开(公告)号：CN118155075B

公开(公告)日：2024-11-15

申请号：CN202410354602.0

申请日：2024-03-26

Applicant: 南京林业大学

Inventor： 业巧林 ,  高威 ,  罗泰格 ,  徐昇 ,  符利勇

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/766 ,  G06V10/778 ,  G06V10/82

Abstract: 本发明公开了一种基于半监督深度学习的植被遥感图像处理方法及系统，其中方法包括采集植被的原图数据，得到数据集，其中原图数据为遥感图像形式；对数据集进行特征提取，得到相关性特征；对相关性特征进行特征回归操作，得到初始密度分布图；优化初始密度分布图，得到最终密度分布图，完成植被遥感图像的处理。本发明能够有效地提取复杂的植被纹理特征，通过捕捉植被的轮廓信息，提高了密度分布图预测的准确性；同时还通过密度图预测原始输入图像的植被密度分布，进而实现单木的分割和计数，解决了传统方法精准度不高，适应性较差，标注成本高的问题。还可以对参数进行轻量级微调，适应复杂植被生长环境中的任务场景。

公开(公告)号：CN118155075A

公开(公告)日：2024-06-07

申请号：CN202410354602.0

申请日：2024-03-26

Applicant: 南京林业大学

Inventor： 业巧林 ,  高威 ,  罗泰格 ,  徐昇 ,  符利勇

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/766 ,  G06V10/778 ,  G06V10/82

Abstract: 本发明公开了一种基于半监督深度学习的植被遥感图像处理方法及系统，其中方法包括采集植被的原图数据，得到数据集，其中原图数据为遥感图像形式；对数据集进行特征提取，得到相关性特征；对相关性特征进行特征回归操作，得到初始密度分布图；优化初始密度分布图，得到最终密度分布图，完成植被遥感图像的处理。本发明能够有效地提取复杂的植被纹理特征，通过捕捉植被的轮廓信息，提高了密度分布图预测的准确性；同时还通过密度图预测原始输入图像的植被密度分布，进而实现单木的分割和计数，解决了传统方法精准度不高，适应性较差，标注成本高的问题。还可以对参数进行轻量级微调，适应复杂植被生长环境中的任务场景。