滨海湿地植被精细分类方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及一种滨海湿地植被精细分类方法、装置、设备和存储介质，该方法包括：对获取到的原始滨海湿地高光谱数据进行预处理；将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接光谱特征和空间特征得到回归域特征；将回归域特征输入决策分类，得到滨海湿地植被精细分类结果。提高了湿地地物分类的精度。

【技术实现步骤摘要】
滨海湿地植被精细分类方法、装置、设备和存储介质
本专利技术涉及遥感卫星图像处理和遥感图像分类
，具体涉及一种滨海湿地植被精细分类方法、装置、设备和存储介质。
技术介绍
滨海湿地作为自然景观中的交错群落带，是介于陆地和水生生态系统之间的过渡带，在改善气候、控制污染、维护生物多样性和保持区域生态平衡等方面，发挥着重要的作用。我国湿地资源丰富，目前我国湿地面积8.04亿亩，居亚洲第一、世界第四位。随着社会经济的发展，滨海湿地的生态价值和经济价值日益明显。湿地植被是湿地生态系统的重要组成部分，在生态环境功能方面发挥着重要作用。但目前由于各种自然和人为活动的影响使得湿地退化现象严重，湿地植被的生态功能显著下降。快速准确地开展滨海湿地地物类型及其变化监测，是合理开展滨海湿地保护和恢复工作的前提。但由于滨海湿地潮滩、潮沟错综分布，湿地腹地区域人员难于进入，严重影响对滨海湿地地物类型种类、分布及其变化情况的准确监测。而遥感技术的发展弥补了这一缺陷，遥感具有大范围、同步观测、高时空分辨率和高频率等优势，可为湿地生态系统监测和管理提供经济、快捷、实时本文档来自技高网...

【技术保护点】
1.一种滨海湿地植被精细分类方法，其特征在于，包括：/n对获取到的原始滨海湿地高光谱数据进行预处理；/n将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；/n将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接所述光谱特征和空间特征得到回归域特征；/n将所述回归域特征输入决策分类，得到滨海湿地植被精细分类结果。/n

【技术特征摘要】
1.一种滨海湿地植被精细分类方法，其特征在于，包括：
对获取到的原始滨海湿地高光谱数据进行预处理；
将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；
将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接所述光谱特征和空间特征得到回归域特征；
将所述回归域特征输入决策分类，得到滨海湿地植被精细分类结果。


2.根据权利要求1所述的方法，其特征在于，所述将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据，包括：
基于类间稀疏度的判别最小二乘回归方法对预处理后的滨海湿地高光谱数据进行回归变换；
在LSR模型中引入L21范数的稀疏误差项，以目标标签矩阵进行回归；
得到回归变换后的滨海湿地高光谱数据。


3.根据权利要求2所述的方法，其特征在于，所述将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据，包括：
将预处理后的滨海湿地高光谱数据分为训练样本和测试样本；
应用类间稀疏度的判别最小二乘回归方法对所述训练样本进行回归变换；
应用目标标签矩阵对回归变换后的训练样本和测试样本相乘，得到回归变换后的滨海湿地高光谱数据。


4.根据权利要求1所述的方法，其特征在于，所述预先训练的双分支CNN网络包括一维CNN网络和二维CNN网络，其中，所述一维CNN网络为光谱特征提取通道，包括一维卷积层、激活层、最大池化层和批量归一化处理模块，所述二维CNN网络为空间特征提取通道，包括二维卷积层、激活层、最大池化层和批量归一化处理模块；
所述将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，包括：
所述一维CNN网络对回归变换后的高光谱数据进行特征提取，输出光谱特征；
以每个回归变换后的滨海湿地高光谱数据样本点为中心，构建设定尺寸的样本块，所述二维CNN网络从各个中心目标像素周围域提取空间特征。


5.根据权利要求4所述的方法，其特征在于，还包括：在所述双分支C...

【专利技术属性】
技术研发人员：陶然，李伟，刘畅，张蒙蒙，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11