【技术实现步骤摘要】
弱监督时序特征驱动的遥感耕地产品融合制图方法
[0001]本专利技术属于遥感耕地产品的制图
,尤其涉及弱监督时序特征驱动的遥感耕地产品融合制图方法。
技术介绍
[0002]耕地作为人类生存和社会发展的基本资源,其面积和分布受到我国政府的密切关注,要严守18亿亩耕地红线,及时准确的耕地制图至关重要。随着遥感技术的快速发展,大批不同时空分辨率,光谱分辨率的卫星传感器的升空为更快速更高精度的地表资源监测提供了机会。目前,有两类产品能够为耕地监测服务,耕地专题制图产品与全球土地覆盖地图。
[0003]对于耕地专题图制作,各国开展了一系列相关项目,常见的耕地制图产品有美国的CDL(Cropland Data Layer)作物分类图,加拿大的AFCC产品以及欧洲的Sen
‑
Agri,由于这些地图的制作往往需要制作足量的标签数据用于模型的学且,且需要大量的实地调查验证产品可靠性,因此产品覆盖范围只局限在上述项目实施地区,通常难以大范围的进行耕地专题地图的制作。
[0004]对于全球土地覆盖产品,不同国家以及组织发布了许多区域或全球范围的土地覆盖产品。例如,谷歌的10m近实时的全球地表覆盖项目:Dynamic World,Esri公司发布的2017
‑
2021为期5年的地表覆盖产品,清华大学的FROM
‑
GLC等。这些高空间分辨率的地表覆盖产品的出现为全球尺度下的耕地监测提供了机会,但是由于这类产品首要保障产品全球覆盖且综合保障所有土地覆盖类型整体的精度,因 ...
【技术保护点】
【技术特征摘要】
1.弱监督时序特征驱动的遥感耕地产品融合制图方法,其特征在于,包括以下步骤:弱监督时序数据集构建;构造由弱监督损失改造后的utae时序网络模型;弱监督模型训练,得到初步的模型后再针对难样本进行补充训练;最后使用训练好的模型进行适当范围的耕地覆盖制图。2.根据权利要求1所述的弱监督时序特征驱动的遥感耕地产品融合制图方法,其特征在于,所述弱监督时序数据集中的弱监督标签制作过程如下:对给定的三个数据源产品P
x
,P
y
,P
z
进行标签映射,将产品中除耕地外的地类转化为相同的背景像元,保留耕地像元,得到变换后的耕地专题产品P
x
′
,P
y
′
,P
z
′
;将三个产品进行栅格相加,得到栅格值范围0
‑
3的单一栅格产品A,对栅格A做标签映射,将栅格值为1的像素映射至2,栅格值为3的像素映射至1,得到最终弱监督标签L
w
,以上弱监督标签中栅格值为2的部分不参与模型的训练,栅格值为1的部分为耕地像素,0为背景像素;该步骤的公式化描述如下:L
w
=f
″
(Sum(f
′
(P
x
),f
′
(P
y
),f
′
(P
z
)))其中P
x
,P
y
,P
z
代表原始产品,f'为第一步标签映射规则,Sum代表栅格相加,f
″
为第二步标签映射规则。3.根据权利要求1所述的弱监督时序特征驱动的遥感耕地产品融合制图方法,其特征在于,所述构造由弱监督损失改造后的utae时序网络模型,包括:步骤201:获取utae解码层最后一层的输出,即网络softmax层前一层的经过解码后的影像特征向量V
f
,此时特征向量尺寸为C*W*H,其中W,H为空间维,C为通道维;在空间维度上,以1%的比例随机选取特征像素获得数量为0.01*W*H的特征集合S={p1,p2,p3...p
n
},n=0.01
×
W
×
H,其中每个特征的尺寸为C*1*1;步骤202:计算空间维度相关性:对于步骤201中得到的特征集合S,对其中的每个元素做如下操作:取该特征p
i
在空间维度上相邻的8个像素,若处于图像边界上则只有3
‑
5个像素;计算该元素与其空间维度上相邻像元特征的欧式距离,并选取距离最近和距离最远的两个结果作为与该像素距离最近和最远的两个特征向量;步骤203:计算特征维度相关性:对于步骤201中得到的特征集合S,对其中的每个元素做如下操作:取该特征p
i
在通道维度上多个特征向量V'构成一个新的通道特征集合S
v
,其中每个向量的尺寸为1*1*1,依次计算S
v
中每个元素之间的余弦相似度,取其中的最小值作为通道特征上的最小相似度C
min
;步骤204:构造弱监督损失:对特征集合S中每个元素在步骤202与步骤203中对所做计算得到的每个元素在空间上最小和最大空间相似度距离d
min
和d
max
,在通道维度上计算得到的最小特征相似度C
min
三个特征值做求和操作,得到弱监督损失:其中α,β,γ分别为各个特征相似度的权重参数,用于调整各个相似度对最终损失的贡
献;步骤205:构造最终模型的完整损失:只在标签值0和1...
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。