(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210561378.3 (22)申请日 2022.05.23 (65)同一申请的已公布的文献号 申请公布号 CN 114648706 A (43)申请公布日 2022.06.21 (73)专利权人 四川嘉普信工程 技术咨询有限公 司 地址 610000 四川省成 都市金牛区人民北 路一段4号北成八号7幢15 01 (72)发明人 不公告发明人 　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 孙朝锐 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 20/70(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06K 9/62(2022.01) (56)对比文件 CN 112132149 A,2020.12.25 CN 109815914 A,2019.0 5.28 CN 113468951 A,2021.10.01 CN 113591766 A,2021.1 1.02 CN 112580504 A,2021.0 3.30 CN 112633142 A,2021.04.09 CN 105631401 A,2016.0 6.01 王克奇 等.基 于改进U-Net的高光谱农林植 被分类方法. 《森林工程》 .202 2,第38卷(第1期), 第58-66页. 刘嘉政 等.基 于多特征融合和 CN N 模型的 树种图像识别研究. 《北京林业大 学学报》 .2019, 第41卷(第1 1期),第76 -86页. Sakari T uominen等.Assessment of Classifiers and Remote Sensi ng Features of Hyperspectral Ima gery and Stereo- Photogram metric Po int Clouds for Recognition of Tre e Species i n a Forest Area of High Species Diversity. 《remote sensing》 .2018,第1-28页. (续) 审查员 仁艳秋 (54)发明名称 基于卫星遥感影像的森 林树种识别方法、 装 置及设备 (57)摘要 本申请公开了一种基于卫星遥感影像的森 林树种识别方法、 装置及设备， 通过生成多通道 图像， 有效充分地融合卫星遥感影像中不同的光 谱信息， 使得后续的树种识别更准确； 通过预训 练的残差网络增加相当的深度来提高后续树种 识别的准确率； 通过生成器和判别器的对抗学 习， 使得神经网络能够提取到更高的特征， 提高 细粒度， 进 而提升树种识别分类的准确率。 [转续页] 权利要求书2页 说明书8页 附图2页 CN 114648706 B 2022.07.29 CN 114648706 B (56)对比文件 Sudhanshu Mit tal等.Semi-Supervised Semantic Segmentati on with High - and Low- level Co nsistency. 《IE EE Transacti ons on Pattern Analy sis and Mac hine Intelligence》 .2019,第1-1 1页.赵磊.基于高光谱遥感数据的森林树种分类 关键技术研究. 《中国优秀硕士学位 论文全文数 据库 农业科技 辑》 .2022,第D049- 31页. 付必环 等.基 于深度语义分割的无 人机影 像烟草种植 面积提取. 《通信技 术》 .2022,第55卷 (第2期),第181-186页.2/2 页 2[接上页] CN 114648706 B1.一种基于卫星遥感影 像的森林树种识别方法， 其特 征在于， 包括以下步骤： 获取卫星遥感影 像， 所述卫星遥感影 像中包含多个波段； 对所述卫星遥感影 像进行波段融合， 获得多通道图像； 根据所述多通道图像， 获得图像训练集与标签图像； 根据所述图像训练集和预训练的残差网络， 获得 预训练权 重； 通过如下关系式对生成器网络进行训练， 并根据所述预训练权重和所述生成器网络， 获得预测结果； 其中， Lseg是生成器损失函数， Lce是语义分割损失函 数， Ladv是对抗损失函数， Lsemi是半监督损失函数， λadv和 λsemi分别是Ladv和Lsemi的权重， S是生成器网络， D是判别器网 络， c是树种类别， (h,w)是位置坐标， Tsemi是控制自学过程敏感性的阈值， I是图像训练集的 指标函数； 通过如下关系式对所述判别器网络进行训练， 并根据所述预测结果、 所述标签图像和 所述判别器网络， 获得树种识别结果； 其中， LD是判别器损失函数， S 是生成器网络， D 是判别 器网络， D(S(Xn) )(h,w)是输入图像X在位置坐标(h,w)的置信度图； 。 2.如权利要求1所述的基于卫星遥感影像的森林树种识别方法， 其特征在于， 所述对所 述卫星遥感影 像进行波段融合， 获得多通道图像的步骤， 包括： 对所述卫星遥感影 像的各个波段进行融合， 获得真彩色影 像和归一 化植被指数； 根据所述真彩色影 像和归一 化植被指数， 获得 所述多通道图像。 3.如权利要求1所述的基于卫星遥感影像的森林树种识别方法， 其特征在于， 所述判别 器网络的最后一层为上采样层， 用于将所述树种识别结果输出为与所述多通道图像格式相 同的图像。 4.一种基于卫星遥感影 像的森林树种识别装置， 其特 征在于， 包括： 影像获取模块， 用于获取卫星遥感影 像， 所述卫星遥感影 像中包含多个波段； 波段融合模块， 用于对所述 卫星遥感影 像进行波段融合， 获得多通道图像； 图像训练集与标签图像获取模块， 用于根据所述多通道图像， 获得图像训练集与标签 图像； 权重获取模块， 用于根据所述图像训练集和预训练的残差网络， 获得 预训练权 重； 预测结果获取模块， 用于通过如下关系式对生成器网络进行训练， 并根据所述预训练权　利　要　求　书 1/2 页 2 CN 114648706 B 3