【技术实现步骤摘要】
基于遥感图像时空融合的农业灾害预测方法及相关设备
[0001]本专利技术涉及图像处理
，尤其涉及一种基于遥感图像时空融合的农业灾害预测方法及相关设备。
技术介绍
[0002]随着遥感技术的发展，基于遥感图像变化检测方法被应用在诸多行业和领域之中。
[0003]在现有技术中，将高空间分辨率遥感图像用于农业灾害预测。但由于遥感卫星成像原理的固有限制，高空间分辨率传感器的重复观测频次低，成像数量少，严重制约了变化检测精度，导致现有的基于遥感图像的农业灾害预测结果不准确。
技术实现思路
[0004]本专利技术提供一种基于遥感图像时空融合的农业灾害预测方法及相关设备，旨在解决现有技术中基于遥感图像的农业灾害预测结果精度低的问题，提升农业灾害预测精度。
[0005]本专利技术提供一种基于遥感图像时空融合的农业灾害预测方法，包括：获取对待预测田地进行遥感成像生成的第一遥感图像序列和第二遥感图像序列，所述第一遥感图像序列包括多张第一遥感图像，所述第二遥感图像序列包括多张第二遥感图像，所述第一遥感图像的空...
【技术保护点】
【技术特征摘要】
1.一种基于遥感图像时空融合的农业灾害预测方法，其特征在于，包括：获取对待预测田地进行遥感成像生成的第一遥感图像序列和第二遥感图像序列，所述第一遥感图像序列包括多张第一遥感图像，所述第二遥感图像序列包括多张第二遥感图像，所述第一遥感图像的空间分辨率高于所述第二遥感图像，所述第二遥感图像的时间分辨率高于所述第一遥感图像；基于所述第一遥感图像序列和所述第二遥感图像序列，通过已训练的预测模型获取所述待预测田地的灾害预测结果；其中，所述预测模型包括第一子模型和第二子模型，所述基于所述第一遥感图像序列和所述第二遥感图像序列，通过已训练的预测模型获取所述待预测田地的灾害预测结果，包括：将所述第二遥感图像输入至所述第一子模型，通过所述第一子模型对所述第二遥感图像进行高分重建，获取所述第一子模型输出的重建遥感图像；将所述重建遥感图像加入至所述第一遥感图像序列，得到融合序列，将所述融合序列输入至所述第二子模型，获取所述第二子模型输出的所述待预测田地的灾害预测结果。2.根据权利要求1所述的基于遥感图像时空融合的农业灾害预测方法，其特征在于，所述预测模型的训练过程包括：基于多组第一训练数据对所述第一子模型进行初步训练；将所述第二子模型和初步训练后的所述第一子模型组合，得到所述预测模型，基于多组第二训练数据对所述预测模型进行训练；其中，每组所述第一训练数据包括样本第二遥感图像以及样本第二遥感图像对应的高分图像；每组所述第二训练数据包括样本序列以及所述样本序列对应的灾害标签，所述样本序列包括样本第一遥感图像序列和样本第二遥感图像序列。3.根据权利要求2所述的基于遥感图像时空融合的农业灾害预测方法，其特征在于，所述多组第一训练数据中的目标样本第二遥感图像对应的高分图像采用如下方式得到：当存在目标时刻生成的样本第一遥感图像时，将所述目标时刻生成的样本第一遥感图像作为所述目标样本第二遥感图像对应的高分图像，所述目标时刻为生成所述目标样本第二遥感图像的时刻；当不存在所述目标时刻生成的样本第一遥感图像时，基于第一时刻和第二时刻生成的样本第一遥感图像确定所述目标样本第二遥感图像对应的高分图像，所述第一时刻早于所述目标时刻，所述第二时刻晚于所述目标时刻。4.根据权利要求2所述的基于遥感图像时空融合的农业灾害预测方法，其特征在于，所述基于多组第二训练数据对所述预测模型进行训练，包括：将所述样本序列中所述样本第一遥感图像序列中的图像输入至初步训练后的所述第一子模型，获取所述第一子模型输出的样本重建遥感图像；将所述样本重建遥感图像加入至所述样本序列中的所述样本第二遥感图像序列，得到样本融合序列，将所述样本融合序列输入至所述第二子模型，获取所述第二子模型输出的第一样本灾害预测结果；对所述样本第二遥感图像序列中的图像进行上采样，得到上采样图像序列，所述上采
样图像序列中的图像的分辨率与所述样本第二遥感图像序列中的图像相同，将所述上采样图像序列输入至所述第二子模型，获取所述第二子模型输出的第二样本灾害预测结果；基于所述第一样本灾害预测结果、所述第二样本灾害预测结果以及所述样本序列对应的所述灾害标签获取训练损失；根据所述训练损失更新所述预测模型的参数以完成对所述预测模型的一次训练。5.根据权利要求4所述的基于遥感图像时空融合的农业灾害预测方法，其特征在于，所述基于所述第一样本灾害预测结果、所述第二样本灾害预测结果以及所述样本...
【专利技术属性】
技术研发人员：陈飞勇，李政道，宋杨，刘汝鹏，肖冰，
申请(专利权)人：山东建筑大学，
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。