一种基于Mamba的遥感图像作物分类方法技术

本发明专利技术属于图像数据处理技术领域，尤其为一种基于Mamba的遥感图像作物分类方法。该方法包括输入层、预处理模块、ENVI嵌入模块、3D卷积层、EMA通道注意力模块、Mamba Block模块、Uper Net解码器和输出层，Mamba Block通过独特的结构设计实现了高效的特征提取和信息融合，NDVI嵌入模块通过独特的算法设计将NDVI信息融入图像，提高了模型的分类精度和计算效率。本发明专利技术不仅提高了作物分类的精度，还优化了模型的计算效率，适合大规模遥感图像处理任务，具有重要的应用价值。

【技术实现步骤摘要】

本专利技术涉及图像数据处理，具体为一种基于mamba的遥感图像作物分类方法。

技术介绍

1、随着农业现代化进程的加快，对耕地资源的有效管理和利用提出了更高的要求。遥感技术作为一种有效的监测手段，在耕地资源调查和管理中发挥着重要作用。

2、然而，传统的方法在处理大规模、高分辨率遥感图像时面临诸多挑战，例如特征提取不够精确、分类精度低等问题。近年来，深度学习技术在图像处理方面展现出强大的能力，特别是卷积神经网络（cnn）在图像分类任务中取得了显著成果。但是，标准的cnn模型在处理遥感图像时仍然存在计算成本高、训练时间长等不足之处。而现有的transformer模型受二次计算复杂度的影响也难以用于高分辨率遥感图像。

3、近期基于状态空间的模型mamba架构受到了广泛关注，mamba线性的计算复杂度特别适合于高分辨率遥感图像的特征提取。ndvi反应了地面植被长势的重要参数之一，两者结合可提升分类精度和效率。

4、因此，我们提出了一种基于mamba的遥感图像作物分类方法来解决上述问题。

<b>技术实现思路...

【技术保护点】

1.一种基于Mamba的遥感图像作物分类方法，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Mamba的遥感图像作物分类方法，其特征在于：所述Mamba Block模块包括层归一化、残差连接、3×3卷积层、第一GELU激活函数、5×5卷积层、平均池化层和第二GELU激活函数。

3.根据权利要求2所述的一种基于Mamba的遥感图像作物分类方法，其特征在于：所述Mamba Block模块最先由层归一化处理，而后进入Mamba提取语义信息，得出的结果与原始输入进行残差连接，然后再次经层归一化进入后续卷积步骤，将卷积步骤提取的特征与Mamba提取的特征进行残...

【技术特征摘要】

1.一种基于mamba的遥感图像作物分类方法，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mamba的遥感图像作物分类方法，其特征在于：所述mamba block模块包括层归一化、残差连接、3×3卷积层、第一gelu激活函数、5×5卷积层、平均池化层和第二gelu激活函数。

3.根据权利要求2所述的一种基于mamba的遥感图像作物分类方法，其特征在于：所述mamba block模块最先由层归一化处理，而后进入mamba提取语义信息，得出的结果与原始输入进行残差连接，然后再次经层归一化进入后续卷积步骤，将卷积步骤提取的特征与mamba提取的特征进行残差连接得到mamba block模块输出。

4.根据权利要求3所述的一种基于mamba的遥感图像作物分类方法，其特征在于：所述mamba block模块后续卷积步骤，其数据依次经过3×3卷积、第一gelu激活函数、5×5卷积、平均池化、第二gelu激活函数。

5.根据权利要求1所述的一种基于mamba的遥感图像作物分类方法，其特征在于：所述基于mamb...

【专利技术属性】
技术研发人员：陈红兵，冯一哲，王坤，廖明瑞，翟浩廷，李臣爽，温长吉，张宇博，
申请(专利权)人：吉林农业大学，
类型：发明
国别省市：