【技术实现步骤摘要】
本专利技术涉及深度学习、计算机视觉、卫星影像植被提取，尤其是一种结合深度学习和植被指数的卫星影像植被提取方法。
技术介绍
1、随着人工智能和深度学习技术的不断发展，卫星遥感影像的处理和分析在农业、环境监测、城市规划等领域中变得越来越重要。植被提取作为其中的一项关键任务，对于监测农作物生长情况、评估自然资源的利用情况以及监测环境变化等具有重要意义。
2、传统的植被提取方法主要基于植被指数，如归一化植被指数、归一化差异植被指数等，这些指数通过计算卫星影像中红外波段和可见光波段之间的比值或差异来反映植被覆盖的程度。然而，传统方法在处理复杂地物、遥感影像质量不佳或光谱分辨率较低的情况下往往表现不佳，且难以克服遥感数据中存在的噪声和其他干扰因素。
3、深度学习技术的出现为解决这些问题提供了新的途径。深度学习模型通过大量的训练数据学习到影像中的特征和规律，能够更好地适应复杂的地物情况，并且具有较强的泛化能力。
4、利用卫星影像技术，可以获取大范围、高分辨率的地球观测数据，为环境监测和资源管理提供了重要支持。结合深...
【技术保护点】
1.一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：所述方法利用植被指数结合深度学习的语义分割网络来优化卫星影像中的植被识别；其以植被指数为输入，通过引入特征增强提取模块，从不同尺度、不同特征层次学习植被的表示，以最优地突出植被信息并抑制水体、土壤、建筑其他信息，提升对植被的识别准确性。
2.根据权利要求1所述的一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：包括以下步骤；
3.根据权利要求2所述的一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：步骤S2中，计算不同波段之间的比值或差异来获取植被指数数据
【技术特征摘要】
1.一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：所述方法利用植被指数结合深度学习的语义分割网络来优化卫星影像中的植被识别；其以植被指数为输入，通过引入特征增强提取模块，从不同尺度、不同特征层次学习植被的表示，以最优地突出植被信息并抑制水体、土壤、建筑其他信息，提升对植被的识别准确性。
2.根据权利要求1所述的一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：包括以下步骤；
3.根据权利要求2所述的一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：步骤s2中，计算不同波段之间的比值或差异来获取植被指数数据的计算方法为：
4.根据权利要求2所述的一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：步骤s3：数据归一化，具体方法为：对计算得到的植被指数数据进行归一化处理，使它们的值落入0,1范围内,确保输入到神经网络的数据具有相似的尺度和范围，具体如下：首先对于每个通道ndwi、vari和vi，分别计算其最小值min(ndwi)、min(vari)和min(vi),以及最大值max(ndwi)、max(vari)和max(vi)，然后对每个通道的数据应用如下公式将每个通道的像素值归一到0，1范围内。
5.根据权利要求2所述的一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：步骤s4中，所述特征提取模块从不同层次获取不同尺度的数据特征，以充分捕获输入数据的空间信息，其依次使用三个由两个卷积核大小为3×3的卷积层、特征增强提取模块和一个核大小为3×3的最大池化层组成的网络，输出特征大小为依次为输入图像的1/2、1/4、1/8的s1、s2、s3三个特征层。
6.根据权利要求5所述的一种结合深度学习和植被指数的卫星影像植被提取方法，其特征在于：所述特征增强提取模块用于充分捕获数...
【专利技术属性】
技术研发人员：王晓杰，王利伟，闫皓炜，王森，孙振蓉，燕正亮，孟秀军，许军，方超颖，郑钟楠，黄友聪，
申请(专利权)人：国网福建省电力有限公司电力科学研究院，
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。