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！

龙图腾网获悉自然资源部南海发展研究院(自然资源部南海遥感技术应用中心)申请的专利一种基于无人机遥感的海岸带红树林智能识别方法及系统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：CN121147798B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511508762.7，技术领域涉及：G06V20/17；该发明授权一种基于无人机遥感的海岸带红树林智能识别方法及系统是由田松;李明杰;李祝理;邓昊文;陈启东;苏文设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种基于无人机遥感的海岸带红树林智能识别方法及系统在说明书摘要公布了：本发明涉及图像识别技术领域，尤其涉及一种基于无人机遥感的海岸带红树林智能识别方法及系统。包括：通过遥感设备采集多波段光谱数据，生成标准化的光谱特征数据集，并计算相邻像素间的多波段差值，构建差值矩阵以提取量化指标；通过阈值分割算法标记潜在跳变点，并结合多时相数据进行时序融合，调整动态偏移以得到修正跳变特征；应用聚类算法对修正跳变特征进行分组，确定临界位置坐标，并利用地理信息系统数据生成精炼边界地图；采用插值方法修复轮廓缺失段，确保轮廓连续性并得到最终的红树林边界定位结果。本发明解决了传统红树林边界提取方法在动态环境下精度不足的问题，并实现了基于无人机遥感的高精度红树林边界智能识别。

本发明授权一种基于无人机遥感的海岸带红树林智能识别方法及系统在权利要求书中公布了：1.一种基于无人机遥感的海岸带红树林智能识别方法，其特征在于，包括： 步骤S1：通过遥感设备采集海岸带红树林区域的多波段光谱数据，得到包含光谱特征变化的原始数据集，将原始数据集进行标准化，获取标准化的光谱特征数据集； 步骤S2：根据光谱特征数据集计算相邻像素间的多波段差值，构建差值矩阵以确定反映光谱特征变化的量化指标； 步骤S3：采用阈值分割算法处理差值矩阵中的量化指标，标记潜在跳变点，得到初步跳变位置集合；通过时序融合方法整合初步跳变位置集合与多时相光谱数据，调整动态偏移，得到修正跳变特征；包括：根据差值矩阵中的量化指标，设定预设阈值；若量化指标超过预设阈值，则标记对应像素为潜在跳变点；针对潜在跳变点，计算其相邻区域的差值分布特征；通过迭代方法比较差值分布特征的空间一致性；若差值分布特征满足预设的空间连通性条件，则将潜在跳变点纳入初步跳变位置集合，初步跳变位置集合包括跳变点的空间坐标和光谱特征值；获取初步跳变位置集合中的跳变点坐标；根据多时相光谱数据，分析潮汐周期扰动对跳变点的影响；通过时序融合方法对跳变点坐标进行动态偏移调整，生成偏移修正后的跳变点集合；根据偏移修正后的跳变点集合，提取修正跳变特征，修正跳变特征包括跳变点的光谱特征和位置稳定性； 步骤S4：根据修正跳变特征应用聚类算法分组边界区域像素，确定临界位置坐标；通过临界位置坐标叠加地理信息系统数据，生成边界矢量层，获得精炼边界地图；包括：根据修正跳变特征，提取边界区域像素的光谱特征向量；采用聚类算法对光谱特征向量进行分组，生成突变集群；若突变集群显示光谱特征变化的显著性，则确认其为红树林边界过渡区；根据突变集群的中心点，计算临界位置坐标，临界位置坐标包括边界区域的空间位置信息；获取临界位置坐标中的空间位置信息；通过地理信息系统数据，叠加空间位置信息与地形数据；根据叠加结果生成边界矢量层；针对风暴潮影响下的光谱跳变现象，验证边界矢量层的定位精度，生成精炼边界地图，精炼边界地图包括红树林边界的空间分布； 步骤S5：根据精炼边界地图提取边缘轮廓，采用插值方法填充边缘轮廓的缺失段，并判断轮廓连续性，得到最终红树林边界定位结果。

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自然资源部南海发展研究院(自然资源部南海遥感技术应用中心)，其通讯地址为：510308 广东省广州市新港中路353号院1栋；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。