一种土地覆盖分类样本生成的方法技术

一种土地覆盖样本生成的方法，包括：确定遥感影像的i个先验产品；将i个先验产品进行正交和融合，得到遥感影像的每一个像元各类别的综合概率；确定每一个像元各类别的综合概率的最大值，根据综合概率的最大值确定遥感影像的每一个像元的土地覆盖类型；组合遥感影像的每一个像元的综合概率的最大值得到信任程度图，组合遥感影像的每一个像元的土地覆盖类型得到土地覆盖图；根据信任程度图将土地覆盖图中值低于设定的第一阈值的像元对应的土地覆盖类型筛选出来并去除，得到可信度符合要求的土地覆盖图；可信度符合要求的土地覆盖图为遥感影像的初始标签；将遥感影像和初始标签裁剪成多张切片影像和对应的切片标签，得到土地覆盖分类样本。

【技术实现步骤摘要】

本申请涉及地理信息系统应用，尤其涉及一种土地覆盖分类样本生成的方法。

技术介绍

1、随着全球遥感技术的不断进步，土地覆盖图成为了国家土地资源调查、空间规划以及众多与可持续性发展息息相关的核心数据。这些图像不仅提供了地表各类覆盖物的详细信息，还为政府决策、环境保护、城市规划以及农业管理等领域提供了关键数据支持。尤其是当现代遥感平台能够提供高空间分辨率的影像时，土地覆盖的监测和分类精度得到了前所未有的提升，从而能够更精细地捕捉地表地物的类别。传统的土地覆盖分类方法，如基于像素或对象的分类，往往依赖于手工设计的特征和选择合适的分类器。这不仅需要高度的专业知识，而且耗时耗力，尤其在大范围的土地覆盖分类任务中，其效率和准确性都受到了挑战。随着深度学习技术的兴起，尤其是卷积神经网络的广泛应用，为土地覆盖分类带来了新的机遇。卷积神经网络具有自动特征学习和提取的能力，能够在复杂的遥感影像中自动识别出关键特征，从而大大提高了分类的准确性和效率。

2、然而，深度学习模型的训练需要大量的标注数据，尤其是像素级的逐像素标注。这种级别的标注不仅需要大量的时间和人力，而且本文档来自技高网...

【技术保护点】

1.一种土地覆盖样本生成的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述i个先验产品进行正交和融合，得到所述遥感影像中每一个像元各类别的综合概率，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述土地覆盖分类的初始样本中的标签含有噪声，所述方法还包括：采用两个基于概率的不确定性原则过滤所述土地覆盖分类初始样本中标签的噪声，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述可信度U1、可信度差值U2和设定的第二阈值过滤所述初始样本中标签的噪声，并更新所述像元对应的原始标签，包括：

5...

【技术特征摘要】

1.一种土地覆盖样本生成的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述i个先验产品进行正交和融合，得到所述遥感影像中每一个像元各类别的综合概率，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述土地覆盖分类的初始样本中的标签含有噪声，所述方法还包括：采用两个基于概率的不确定性原则过滤所述土地覆盖分类初始样本中标签的噪声，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述可信度u1、可信度差值u2和设定的第二阈值过滤所述初始样本中标签的噪声，并更新所述像元对应的原始标签，包括：

5.根据权利要求1或2所述的方法，其特征在于，所述土地覆盖分类的初始样本中的标签含有噪声，所述方法还包括：基于归一化植被指数(n...

【专利技术属性】
技术研发人员：朱宏博，米晓飞，杨健，余涛，孟宪鸿，赵俊奇，陈雪珂，张周威，
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：