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！

龙图腾网获悉吉林大学申请的专利基于光谱重构的落叶松毛虫害发生程度识别方法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：CN121545054B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610073545.8，技术领域涉及：G06V20/10；该发明授权基于光谱重构的落叶松毛虫害发生程度识别方法是由王明常;吴琳琳;赵竞争;蔡东;王凤艳设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本基于光谱重构的落叶松毛虫害发生程度识别方法在说明书摘要公布了：本发明涉及遥感图像处理技术领域，尤其涉及一种基于光谱重构的落叶松毛虫害发生程度识别方法，获取受落叶松毛虫侵扰的林区的真实多光谱影像，以及该林区的局部区域的地面高光谱数据；将步骤得到的真实多光谱影像和地面高光谱数据进行一致性处理，得到局部区域的模拟多光谱曲线；基于模拟多光谱曲线，对真实多光谱影像进行插值重构，得到全部林区的模拟高光谱影像；从模拟高光谱影像中，提取出对受落叶松毛虫侵扰敏感的敏感波段以及敏感光谱特征；采用集成学习策略，利用敏感波段和敏感光谱特征，对林区全部区域的虫害发生程度进行分析。本发明将光谱重构和集成学习策略相结合，进行落叶松毛虫害发生程度识别，提升光谱重构质量与虫害识别精度。

本发明授权基于光谱重构的落叶松毛虫害发生程度识别方法在权利要求书中公布了：1.一种基于光谱重构的落叶松毛虫害发生程度识别方法，其特征在于，包括： S1：获取受落叶松毛虫侵扰的林区的真实多光谱影像，以及该林区的局部区域的地面高光谱数据； S2：将步骤S1得到的真实多光谱影像和地面高光谱数据进行一致性处理，得到局部区域的模拟多光谱曲线；步骤S2包括： S21：根据真实多光谱影像的光谱响应函数，对地面高光谱数据进行能量重分布，得到模拟多光谱反射率； S22：对真实多光谱影像和步骤S21得到的模拟多光谱反射率，进行偏最小二乘回归，捕捉模拟多光谱反射率与真实多光谱影像在各波段上的线性与弱非线性关系，得到模拟多光谱曲线； S3：基于步骤S2得到的模拟多光谱曲线，对真实多光谱影像进行插值重构，得到全部林区的模拟高光谱影像； S4：从步骤S3得到的模拟高光谱影像中，提取出对受落叶松毛虫侵扰敏感的敏感波段以及敏感光谱特征；在步骤S4中：从模拟高光谱影像中，提取出不同虫害发生程度的平均反射率，以及多个光谱指数；计算各光谱波段的平均反射率与落叶松失叶率的相关系数，选择相关系数高的平均反射率所属波段为敏感波段；利用方差分析，从多个光谱指数中筛选出敏感光谱指数； S5：采用集成学习策略，利用步骤S4得到的敏感波段和敏感光谱特征，对林区全部区域的虫害发生程度进行分析。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699号；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。