买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉人工智能与数字经济广东省实验室(深圳)申请的专利一种森林冠层高度估计方法、系统、终端及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119478656B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411358140.6，技术领域涉及：G06V20/10；该发明授权一种森林冠层高度估计方法、系统、终端及存储介质是由熊思婷;韦如依;邓志超;张博琛;李清泉设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本一种森林冠层高度估计方法、系统、终端及存储介质在说明书摘要公布了：本发明公开了一种森林冠层高度估计方法、系统、终端及存储介质，所述方法包括：获取森林的GEDI数据进行预处理，去除异常值并剔除非森林区域，根据非森林样本和森林样本制作数据集；获取SAR影像数据形成干涉图像，生成相干图像，根据相干图像生成多时相的相干性上三角矩阵，将每个采样点对应的相干性上三角矩阵转化为相干性多时相序列；将经过处理的相干性多时相序列作为特征变量输入到LSTM回归模型，使用数据集对LSTM回归模型进行训练；获取待识别森林的图像数据输入到训练好的LSTM回归模型，输出待识别森林的森林冠层高度。本发明提高了森林高度估算的准确性、可靠性和效率，使得森林监测更加高效和广泛。

本发明授权一种森林冠层高度估计方法、系统、终端及存储介质在权利要求书中公布了：1.一种森林冠层高度估计方法，其特征在于，所述森林冠层高度估计方法包括： 获取森林的GEDI数据，对所述GEDI数据进行预处理，去除异常值并剔除非森林区域，根据非森林样本和森林样本制作数据集； 获取SAR影像数据，根据所述SAR影像数据形成干涉图像，根据所述干涉图像生成相干图像，根据所述相干图像生成多时相的相干性上三角矩阵，将每个采样点对应的相干性上三角矩阵转化为相干性多时相序列； 将经过处理的相干性多时相序列作为特征变量输入到LSTM回归模型，使用所述数据集对LSTM回归模型进行训练，得到训练好的LSTM回归模型； 获取待识别森林的图像数据，将待识别森林的图像数据输入到训练好的LSTM回归模型，输出待识别森林的森林冠层高度； 获取重访时间为预设时间的Sentinel-1ASAR影像数据，将所述Sentinel-1ASAR影像数据两两配对干涉，形成干涉图像，并使用多视窗方法生成相应的相干图像； 其中，干涉相干性的计算为： ； 其中，表示干涉相干性，取值范围为0到1，S1和S2表示两幅配准的同极化SAR复数图像，E{·}表示数学期望，*表示复共轭算子，|S1|表示S1的幅度，|S2|表示S2的幅度； 从相干图像点集中，挑选出分辨率范围内存在GEDI足迹的相干性点； 筛选后将每个采样点按照干涉间隔时间顺序进行排列，生成多时相的相干性上三角矩阵； 若存在多个GEDI足迹，根据距离加权平均化多个GEDI足迹的树高值，以确定存在GEDI足迹的相干性点的GEDI树高值； 其中，每个采样点都具有一个多时相的相干性上三角矩阵和对应的GEDI树高值； 在相干性上三角矩阵中，具有相同干涉时间间隔的值呈对角线分布，且对于植被区域，相对高的相干性保持在靠近主对角线的位置； 沿对角线提取相干性上三角矩阵的上三角部分，将上三角部分转换为不等长的具有不同时间跨度的相干性序列，将每个采样点对应的相干性上三角矩阵转化为相干性多时相序列； 所述LSTM回归模型为双层LSTM回归模型，每层包含256个单元，并使用ReLU作为激活函数，同时加入Dropout层； 所述LSTM回归模型训练的损失函数为均方误差，计算为： ； 其中，MSE表示均方误差，表示第i个样本的实际冠层高度，表示模型预测第i个样本的冠层高度，N表示样本数量； 使用评估指标R平方和均方根误差RMSE作为最后模型预测冠层高度准确性评估的判断标准，计算为： ； ； 其中，表示评估指标R平方和，RMSE表示均方根误差，表示冠层高度的平均值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人人工智能与数字经济广东省实验室(深圳)，其通讯地址为：518107 广东省深圳市光明区玉塘街道科润大厦；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。