【技术实现步骤摘要】
一种联合GF
‑
6和Sentinel
‑
2的冬小麦种植区影像提取方法
[0001]本专利技术涉及遥感影像处理领域,具体来说是一种联合GF
‑
6和Sentinel
‑
2的冬小麦种植区影像提取方法。
技术介绍
[0002]由于我国作物种植结构和耕种方式的影响,如作物种类的复杂性,地域间的差异性造成的“同物异谱”和“异物同谱”现象的存在,为作物识别及种植区提取带来了很多困难。传统的基于抽样和统计部门逐级上报农情的调查方法,存在耗时耗力且往往缺乏空间信息的缺点。卫星遥感技术具有宽覆盖、多波段、多时相及多级分辨率等特点,在获取作物种植区动态信息的同时,能够极大地提高工作效率,弥补传统农情监测的不足,是获取冬小麦空间分布数据的良好数据源。
[0003]随着遥感技术的发展,遥感影像逐渐成为提取农作物空间分布信息的主要数据源。逐像素分类技术是从遥感图像中获取农作物空间分布数据的主要手段,为了提高逐像素分类结果的精度,许多学者进行了大量的研究工作。
[0004]张佳华等(2013)利用MODIS
–
EVI时间序列数据和作物物候信息,使用EVI阈值模型提取了中国东北地区的玉米种植面积。葛广秀等(2014)以HJ
‑
1A遥感影像为数据源,使用归一化植被指数NDVI密度分割方法提取了江苏省沭阳县的冬小麦面积。王利民等(2015)以GF
‑
1卫星为主要数据源,使用分层决策树分类的方法对冬小麦进行提取。游 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种联合GF
‑
6和Sentinel
‑
2的冬小麦种植区影像提取方法,其特征在于,包括以下步骤:11)遥感影像数据集的创建:获取8m分辨率的高分六号和10m分辨率的哨兵二号遥感影像并进行预处理,构成遥感影像数据集;12)构建冬小麦种植区影像提取网络:以UNet网络作为基础网络,在其编码层和解码层的基本卷积单元中嵌入CBAM注意力模块,构建改进UNet网络结构作为冬小麦种植区影像提取网络;13)冬小麦种植区影像提取网络的训练:将预处理后的遥感影像数据集输入改进UNet网络结构进行训练,得到训练后的冬小麦种植区影像提取网络;14)待提取遥感影像的获取:获取待提取的遥感影像并进行预处理;15)冬小麦种植区影像结果的提取:将预处理后的待提取的遥感影像输入训练后的冬小麦种植区影像提取网络,得到冬小麦种植区影像提取结果。2.根据权利要求1所述的一种联合GF
‑
6和Sentinel
‑
2的冬小麦种植区影像提取方法,其特征在于,所述的构建冬小麦种植区影像提取网络包括以下步骤:21)基于UNet网络作为基本框架来提取特征,设定Unet模型包括编码器、解码器和跳跃连接部分;22)设定编码器通过卷积层提取的图像特征信息由3
×
3卷积层、ReLU函数和2
×
2最大池化层组成;进行四次下采样;在每次池化操作后,特征图像变小,通道数加倍;解码器通过2
×
2转置卷积进行上采样,解码器部分完成四次上采样;每次上采样后,特征图像的大小增加,通道数减少一半,再通过跳跃连接操作将特征图的低级细节与高级语义结合起来;23)设定利用UNet结构中卷积和最大池化所提取的特征,输入嵌入的注意力机制CBAM模块;24)设定CBAM注意力模块:利用CBAM注意力模块对UNet网络生成的特征图F∈R
C
×
H
×
W
计算通道注意力M
C
技术研发人员:赵晋陵,王娟,黄林生,雷雨,陈鹏,汪传建,梁栋,
申请(专利权)人:安徽大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。