【技术实现步骤摘要】
本专利技术属于遥感图像处理领域，特别是涉及一种地学知识引导的sar影像深度学习洪水制图方法及系统。
技术介绍
1、及时准确地进行洪水制图对防洪救灾等工作的开展具有非常重要的意义。由于遥感技术具有及时、高效、监测范围广、成本低等诸多优势，当前基于遥感影像的制图方法已经逐渐发展成为洪水制图的主流途径。尤其，sar影像具有全天时、全天候的特征，可以不受云层遮挡、降雨等气候因素的影响，因此，sar影像是当前遥感洪水制图的一个主要数据源。
2、然而，由于sar影像包含的波段信息少、噪声严重，导致传统已有的基于sar影像的洪水制图方法往往制图精度并不理想，洪水漏检测和伪检测现象都比较明显，而且制图过程中人工干预程度大。随着深度学习技术在各个相关领域不断取得突破，深度学习在遥感图像处理领域的应用也日益广泛。尤其，像resnet等卷积神经网络模型具有强大的特征抽取能力，能够提取遥感影像中地物深层次的语义信息，因而能显著提升遥感图像解译的准确性和可靠性。故而，在如此背景下，探索如何有效利用现有地学知识，结合深度学习模型在图像深度特征建模与提取...
【技术保护点】
1.一种地学知识引导的SAR影像深度学习洪水制图方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种地学知识引导的SAR影像深度学习洪水制图方法，其特征在于，所述步骤3采用的快速傅里叶变换将洪水前后SAR影像的多尺度地物特征从空间域转换到频率域得到经过处理的特征，并采用逆快速傅里叶变换将经过处理的特征从频率域恢复到空间域。
3.如权利要求1所述的一种地学知识引导的SAR影像深度学习洪水制图方法，其特征在于，所述步骤3中在频率域内采用自注意力机制建模低频信号全局关联性的过程如下：
4.如权利要求3所述的一种地学知识引导的SAR...
【技术特征摘要】
1.一种地学知识引导的sar影像深度学习洪水制图方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种地学知识引导的sar影像深度学习洪水制图方法，其特征在于，所述步骤3采用的快速傅里叶变换将洪水前后sar影像的多尺度地物特征从空间域转换到频率域得到经过处理的特征，并采用逆快速傅里叶变换将经过处理的特征从频率域恢复到空间域。
3.如权利要求1所述的一种地学知识引导的sar影像深度学习洪水制图方法，其特征在于，所述步骤3中在频率域内采用自注意力机制建模低频信号全局关联性的过程如下：
4.如权利要求3所述的一种地学知识引导的sar影像深度学习洪水制图方法，其特征在于，全局注意力权重attention(xq,xk,xv)计算公式如下：
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。