【技术实现步骤摘要】
本申请涉及遥感图像处理，具体而言，涉及一种基于多模态融合光流估计的卫星序列图像插值方法及装置。
技术介绍
1、随着遥感数据的开放，遥感大数据时代为各领域研究创造了机会。遥感大数据是指地球观测卫星产生的海量信息。其中，遥感时序数据的应用非常广泛，遥感时序数据是指通过多次遥感观测获得的时间序列图像数据，这些数据记录了地面特定区域在不同时间点的变化情况。遥感时序数据可用于各种自然和人类活动现象的监测、分析和预测，包括土地利用/覆盖变化检测、湿地监测、农作物分类、灾害预警等。然而，在遥感数据的获取过程中，可能存在卫星传感器故障或者不良的大气条件等问题。这些问题往往会造成某个时相卫星图像的缺失，使其无法形成一个完整的时间序列。
2、因此，如何获取中间缺失的卫星图像成为业界亟待解决的技术问题。
技术实现思路
1、本申请提供一种基于多模态融合光流估计的卫星序列图像插值方法及装置，用以解决现有技术中如何获取中间缺失的卫星图像的技术问题。
2、第一方面，本申请提供了一种基于多模态融合...
【技术保护点】
1.一种基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，所述基于样本卫星图像和所述样本卫星图像对应的再分析数据生成训练样本，包括：
3.根据权利要求2所述的基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，所述将各个子序列进行裁剪和组合生成所述训练样本，包括：
4.根据权利要求3所述的基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，所述特征提取与融合模块包括视觉特征编码器、再分析特征编码器和融合模块；所述基于所述训练...
【技术特征摘要】
1.一种基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，所述基于样本卫星图像和所述样本卫星图像对应的再分析数据生成训练样本，包括：
3.根据权利要求2所述的基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，所述将各个子序列进行裁剪和组合生成所述训练样本，包括：
4.根据权利要求3所述的基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，所述特征提取与融合模块包括视觉特征编码器、再分析特征编码器和融合模块；所述基于所述训练样本对初始深度学习模型进行训练，包括：
5.根据权利要求4所述的基于多模态融合光流估计的卫星序列图像插值方法，其特征在于，所述双向光流与中间图像估计模块包括中间特征解码器和双向光流解码器；所述基于所述融合特征对所述初始深度学习模型...
【专利技术属性】
技术研发人员：张正，史科理，刘志强，李宏益，赵理君，唐娉，
申请(专利权)人：中国科学院空天信息创新研究院，
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。