買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西華大學申請的專利基于層次多標簽網絡的常綠闊葉林植被亞型分類識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120495903B 。

龍圖騰網通過國家知識產權局官網在2025-09-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510976204.7，技術領域涉及：G06V20/10；該發明授權基于層次多標簽網絡的常綠闊葉林植被亞型分類識別方法是由張詩琪;彭培好;王娟;彭雪峰;李培瑤設計研發完成，并于2025-07-16向國家知識產權局提交的專利申請。

本基于層次多標簽網絡的常綠闊葉林植被亞型分類識別方法在說明書摘要公布了：本發明公開了基于層次多標簽網絡的常綠闊葉林植被亞型分類識別方法，包括：獲取樣本區域的多源遙感數據，并從多源遙感數據中提取分類特征；根據野外調查數據和現有植被分類體系構建樣本區域的常綠闊葉林及其亞型的樣本庫；根據樣本庫和分類特征構建多級依次設置的分類器形成層次多標簽分類網絡；通過層次多標簽分類網絡對目標區域的常綠闊葉林植被進行分類識別。本發明構建了森林、常綠林、常綠闊葉林、偏干性偏濕性常綠闊葉林的分層分類體系，解決了傳統方法在相似植被類型區分上的不足；同時通過層次誤差加權機制，減少低層級分類誤差對整體結果的影響，提升了偏干性和偏濕性常綠闊葉林分類的準確性和可靠性。

本發明授權基于層次多標簽網絡的常綠闊葉林植被亞型分類識別方法在權利要求書中公布了：1.基于層次多標簽網絡的常綠闊葉林植被亞型分類識別方法，其特征在于，包括： 獲取樣本區域的多源遙感數據，并從所述多源遙感數據中提取分類特征；所述多源遙感數據包括光學影像數據和雷達影像數據；所述分類特征包括光譜特征、紋理特征和時序特征； 根據野外調查數據和現有植被分類體系構建所述樣本區域的常綠闊葉林及其亞型的樣本庫； 根據所述樣本庫和所述分類特征構建多級依次設置的分類器形成層次多標簽分類網絡；每級分類器的分類結果為上級分類器的分類結果的細分分類，且每級分類器的分類誤差權重沿層級依次降低； 通過所述層次多標簽分類網絡對目標區域的常綠闊葉林植被進行分類識別； 構建層次多標簽分類網絡包括： 根據所述樣本庫中樣本的植被種類為樣本打上多級分類標簽； 根據所述多級分類標簽的層級關系，從頂部層級向底部層級依次訓練多個分類器形成初始層次網絡；每個分類器對上一級分類器的分類結果中的一項進行細分分類； 將非最底部的分類器的分類結果進行裁剪，剔除不需要下一級分類器進行細分分類的分類結果； 將最底層的分類器的分類結果作為所述層次多標簽分類網絡輸出的分類結果； 所述多級分類標簽的第一級為森林和非森林；所述多級分類標簽的第二級為常綠林和非常綠林；所述多級分類標簽的第三級為常綠闊葉林和非常綠闊葉林；所述多級分類標簽的第四級為偏干性常綠闊葉林和偏濕性常綠闊葉林； 訓練多個分類器包括： 根據第一級標簽的樣本和所述光譜特征訓練第一級分類器；所述第一級分類器的輸入數據為光譜特征，所述第一級分類器的輸出數據為分類為森林或非森林； 根據第二級標簽的樣本、所述光譜特征和所述時序特征訓練第二級分類器；所述第二級分類器的輸入數據為光譜特征和時序特征，所述第二級分類器的輸出數據為分類為常綠林或非常綠林； 根據第三級標簽的樣本、所述光譜特征和所述紋理特征訓練第三級分類器；所述第三級分類器的輸入數據為光譜特征和紋理特征，所述第三級分類器的輸出數據為分類為常綠闊葉林或非常綠闊葉林； 根據第四級標簽的樣本、所述光譜特征、所述紋理特征和所述時序特征訓練第四級分類器；所述第四級分類器的輸入數據為光譜特征、紋理特征和時序特征，所述第四級分類器的輸出數據為分類為偏干性常綠闊葉林和偏濕性常綠闊葉林； 將所述第一級分類器輸出的分類為森林的數據作為所述第二級分類器的輸入數據；將所述第二級分類器輸出的分類為常綠林的數據作為所述第三級分類器的輸入數據；將所述第三級分類器輸出的分類為常綠闊葉林的數據作為所述第四級分類器的輸入數據；將所述第四級分類器輸出的分類結果作為所述層次多標簽分類網絡的輸出結果； 第四級分類器的訓練包括： 通過下式構建常綠闊葉林濕度指數： 式中，EBFHI為常綠闊葉林濕度指數，NIR為近紅外波段反射率，SWIR1為短波紅外反射率； 將所述常綠闊葉林濕度指數作為所述第四級分類器訓練時輸入的一項光譜特征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西華大學，其通訊地址為：610000 四川省成都市金牛區土橋金周路999號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。