【技术实现步骤摘要】
本专利技术属于遥感图像处理，特别涉及一种基于深度学习的遥感冰川分割方法。
技术介绍
1、冰川是由降雪以及其他固态降水的积累演变而来的流动冰体，是大自然的产物。冰川的变化与区域气候密切相关，能够作为检测气候变化的敏感指示器，同时也是淡水资源的重要来源之一，对于生态平衡和生物资源的可持续利用具有重要意义。因此，通过对遥感图像进行冰川分割实现冰川边界的准确提取，为冰川面积的监测、长期气候变化和环境演变研究提供可靠的数据依据。
2、冰川边界的提取方法主要包括实地考察、人工目视解译和计算机自动提取三类。最初，山地冰川只能通过从业人员进行实地考察的方式进行冰川检测，存在较大的难度和风险，导致研究效率较低。随着卫星遥感技术逐渐进步，遥感图像得到更快的发展，研究人员开始采用人工目视解译对冰川区域进行监测。相比实地考察，能够更高效地获取数据，降低了风险，但仍存在耗时耗力、误差率高的问题。在早期的计算机自动提取方法主要是利用人工设计的特征来提取冰川边界。随着计算机资源的丰富，深度学习算法在自然图像中取得了快速的发展。但在遥感图像中应用相对较少，...
【技术保护点】
1.一种基于深度学习的遥感冰川分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的遥感冰川分割方法，其特征在于，在所述S1中，对遥感数据进行预处理以构建数据集包括以下步骤：
3.根据权利要求1所述的一种基于深度学习的遥感冰川分割方法，其特征在于，在所述S2中，全局正标签样本、全局负标签样本、边界区域正标签样本、边界区域负标签样本生成方法包括以下步骤：
4.根据权利要求3所述的一种基于深度学习的遥感冰川分割方法，其特征在于，所述全局负标签样本、边界区域正标签样本、边界区域负标签样本的生成公式为：
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。