一种可迁移的农田覆盖信息精准提取方法技术

本发明专利技术涉及一种可迁移的农田覆盖信息精准提取方法，包括如下步骤：S1、获取任意研究区域任意遥感源的原始多光谱卫星遥感影像数据集；S2、对遥感影像中的种植作物的农田覆盖区域进行像素级标注后将遥感影像裁剪为统一尺寸，输入Conv

【技术实现步骤摘要】
一种可迁移的农田覆盖信息精准提取方法


[0001]本专利技术属于遥感影像信息提取
，涉及一种可迁移的农田覆盖信息精准提取方法。

技术介绍

[0002]传统的农田覆盖信息提取方法多采用光谱处理与回归分析技术结合对遥感数据中农田种植信息进行提取，但其结果存在精度差，效率低等问题。
[0003]机器学习理论及其技术日趋成熟，受到国内外学者普遍关注。如“Han H,Wan R,Li B.Estimating Forest Aboveground Biomass Using Gaofen
‑
1 Images,Sentinel
‑
1Images,and Machine Learning Algorithms:A Case Study of the Dabie Mountain Region,China[J].Remote Sensing,2021,14(1)”利用遥感数据采用随机森林等方法对生物量水平进行评估；“Lan H N,Deepak R J,David E C,et al.Characterizin本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可迁移的农田覆盖信息精准提取方法，其特征在于，所述方法包括如下步骤：S1、获取任意研究区域任意遥感源的原始多光谱卫星遥感影像数据集；S2、对步骤S1获得的数据集中的遥感影像中的种植作物的农田覆盖区域进行像素级标注后将遥感影像裁剪为统一尺寸，将标注裁剪后的遥感影像数据集输入Conv
‑
U
‑
Net神经网络中训练，获得Conv
‑
U
‑
Net农田覆盖信息提取模型；其中，将种植作物的农田覆盖区域标注为像素值255，其它覆盖类型区域标注为像素值0；然后对遥感影像进行裁剪，裁剪后图像的像素大小为224
×
224；所述Conv
‑
U
‑
Net神经网络中以ConvNext
‑
T模型结构为主干网络，Batch size设置为32且不加入可学习向量Gama；同时在除第一个Stage之外的三个Stage模块前加入下采样层；S3、获取目标研究区域任意遥感源的原始多光谱卫星遥感影像数据集，并对其采用与步骤S2相同的方法进行标注和裁剪；然后按照一定比例将数据集划分为训练集和测试集；将训练集输入步骤S2的Co...

【专利技术属性】
技术研发人员：陈理，韩毅，周宇光，董仁杰，杨广，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：