一种基于动态时间窗口的作物分类方法及系统技术方案

本申请涉及数据识别技术领域，提供了一种基于动态时间窗口的作物分类方法及系统，该方法包括：根据预先获取的训练区域的SAR时序影像和训练样本集，确定第一时序物候特征曲线，以及基于预先获取的目标区域的SAR时序影像和测试样本集，确定第二时序物候特征曲线；分别对第一时序物候特征曲线和第二时序物候特征曲线进行物候期提取，确定关键物候期；根据关键物候期，分别对第一时序物候特征曲线和第二时序物候特征曲线进行截取；基于动态时间规整算法，计算目标区域的SAR时序影像中待预测像元的待预测曲线与训练区域中每一类别作物的标准作物曲线的相似度，以确定待预测像元的作物所属类别。如此，提高作物分类模型的泛化精度。度。度。

【技术实现步骤摘要】
一种基于动态时间窗口的作物分类方法及系统


[0001]本申请涉及数据识别
，特别涉及一种基于动态时间窗口的作物分类方法及系统。

技术介绍

[0002]在包含一个或多个省级行政区划的大尺度区域，由于不同地区的作物品种、地形特征、土壤条件、气候条件和种植习惯等因素的差异，作物物候在较大的空间范围（大尺度区域）内存在显著的异质性，导致训练完成的作物分类模型从训练区域迁移至目标区域时分类精度不高。也就是说，由于作物种植数据或作物分类特征的变化引起作物分类模型性能的变化，使得作物分类模型在大尺度区域的泛化能力受限。
[0003]因此，需要提供一种针对上述现有技术不足的改进技术方案。

技术实现思路

[0004]本申请的目的在于提供一种基于动态时间窗口的作物分类方法及系统，以解决或缓解上述现有技术中存在的问题。
[0005]为了实现上述目的，本申请提供如下技术方案：本申请实施例提供一种基于动态时间窗口的作物分类方法，该方法包括：根据预先获取的训练区域的SAR时序影像和训练样本集，确定第一时序物候特征曲线，以及基于预先获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态时间窗口的作物分类方法，其特征在于，包括：根据预先获取的训练区域的SAR时序影像和训练样本集，确定第一时序物候特征曲线，以及基于预先获取的目标区域的SAR时序影像和测试样本集，确定第二时序物候特征曲线；其中，所述第一时序物候特征曲线有多条，每一条所述第一时序物候特征曲线用于表征所述训练区域中每一类别所述作物的时序物候特征，所述第二时序物候特征曲线有多条，每一条所述第二时序物候特征曲线用于表征所述目标区域的SAR时序影像中待预测像元的时序物候特征；分别对所述第一时序物候特征曲线和所述第二时序物候特征曲线进行物候期提取，对应得到所述训练区域中每一类别所述作物的关键物候期和所述目标区域的SAR时序影像中待预测像元的关键物候期；其中，所述训练区域中每一类别所述作物的关键物候期与所述目标区域的SAR时序影像中待预测像元的关键物候期所对应的时间窗口不同，且，所述目标区域的SAR时序影像中不同的待预测像元的关键物候期所对应的时间窗口不同；根据所述训练区域中每一类别所述作物的关键物候期和所述目标区域的SAR时序影像中待预测像元的关键物候期，分别对所述第一时序物候特征曲线和所述第二时序物候特征曲线进行截取，对应得到所述训练区域中每一类别所述作物的标准作物曲线和所述目标区域的SAR时序影像中待预测像元的待预测曲线；基于动态时间规整算法，计算所述目标区域的SAR时序影像中待预测像元的待预测曲线与所述训练区域中每一类别所述作物的标准作物曲线的相似度，以确定所述待预测像元的作物所属类别。2.根据权利要求1所述的基于动态时间窗口的作物分类方法，其特征在于，所述根据预先获取的训练区域的SAR时序影像和训练样本集，确定所述第一时序物候特征曲线，具体为：基于Lee Sigma滤波算法，对预先获取的训练区域的SAR时序影像进行降噪处理，得到第一降噪SAR时序影像；根据所述第一降噪SAR时序影像中不同极化通道的后向散射系数，逐像元计算第一极化通道的后向散射系数与第二极化通道的后向散射系数的比值，得到所述训练区域每个像元的第三时序物候特征曲线；其中，所述第一极化通道为所述第一降噪SAR时序影像的垂直发送水平接收VH通道，所述第二极化通道为所述第一降噪SAR时序影像的垂直发送垂直接收VV通道；按照所述训练样本集中训练样本点所属的作物类别，对同一作物类别不同所述训练样本点在所述第一降噪SAR时序影像中对应的像元在相同时间段内的所述第三时序物候特征曲线的取值进行中值合成，得到所述第一时序物候特征曲线。3.根据权利要求2所述的基于动态时间窗口的作物分类方法，其特征在于，在对同一作物类别不同所述训练样本点在所述第一降噪SAR时序影像中对应的像元在相同时间段内的所述第三时序物候特征曲线的取值进行中值合成，得到所述第一时序物候特征曲线之后，所述方法还包括：基于Savitzky
‑
Golay滤波算法，对所述第一时序物候特征曲线进行滤波处理，得到平滑后的所述第一时序物候特征曲线。
4.根据权利要求2所述的基于动态时间窗口的作物分类方法，其特征在于，所述根据所述第一降噪SAR时序影像中不同极化通道的后向散射系数，逐像元计算第一极化通道的后向散射系数与第二极化通道的后向散射系数的比值，得到所述训练区域每个像元的所述第三时序物候特征曲线，具体包括：根据所述第一降噪SAR时序影像中不同极化通道的后向散射系数，逐像元计算第一极化通道的后向散射系数与第二极化通道的后向散射系数的比值，得到所述训练区域每一个像元的交叉极化CR指标时间序列；基于双逻辑回归模型，对所述交叉极化CR指标时间序列进行建模，得到所述训练区域每个像元的所述第三时序物候特征曲线。5.根据权利要求1所述的基于动态时间窗口的作物分类方法，其特征在于，所述分别对所述第一时序物候特征曲线和所述第二时序物候特征曲线进行物候期提取，对应得到所述训练区域中每一类别所述作物的关键物候期和所述目标区域的SAR时序影像中待预测像元的关键物候期，具体为：以所述第一时序物候特征曲线的振幅百分比为依据，确定所述训练区域中每一类别所述作物的生长季开始日期和生长季结束日期；以所述训练区域中每一类别所述作物的生...

【专利技术属性】
技术研发人员：丁志平，梁治华，刘文达，李岩，
申请(专利权)人：北京艾尔思时代科技有限公司，
类型：发明
国别省市：