一种基于时序遥感图像的作物分类方法、装置、介质及设备制造方法及图纸

技术编号:44589079 阅读:22 留言:0更新日期:2025-03-14 12:48
本公开揭示了一种基于时序遥感图像的作物分类方法、装置、介质及设备,所述方法包括:获取待分类作物的原始遥感时序图像;对所述原始遥感时序图像进行预处理,以获得预处理后的原始遥感时序图像;对预处理后的原始遥感时序图像进行归一化,以获得归一化后的遥感时序图像;对所述归一化后的遥感时序图像进行时‑谱特征空间转换,以获得时‑谱特征空间图;构建作物分类模型,并进行训练;将所述时‑谱特征空间图输入训练后的作物分类模型,以对所述待分类作物进行分类。本公开能够提高作为的分类精度和鲁棒性。

【技术实现步骤摘要】

本公开属于遥感卫星,具体涉及一种基于时序遥感图像的作物分类方法、装置、介质及设备


技术介绍

1、作物制图是监测农业土地以获得作物类型及其空间分布信息的过程。目前,基于卫星遥感是使用最为广泛的作物制图方法,其原理是:作物具有清晰的物候,具有独特的季节变化和播种及收获日期。随着作物的生长和发育,植被冠层结构、色素类型和浓度等会发生周期性变化,这些变化有助于生长期间光谱特征的变化。因此,有效地表征作物的时间信息特征对于作物识别具有巨大价值。传统方法主要基于相关农学相关知识设计的手工制作的时序特征来实现,不仅严重依赖对目标作物的深入了解,而且设计和验证有效特征需要耗费大量的时间和精力。从当前作物制图的需求来看,这种方法的识别精度已经无法满足当前的期望。数据驱动的深度学习技术展现出了从输入数据中自动提取针对特定任务的深度特征的能力。这种技术无需深入了解目标作物知识,就能达到甚至超越传统方法的分类精度。

2、对于更好的特征提取的动机导致了不同原理和架构的深度学习模型不断更新。模型复杂性的增加导致了更高的采样要求:需要足够代表性的样本,以避免由于大量参数导本文档来自技高网...

【技术保护点】

1.一种基于时序遥感图像的作物分类方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,对所述原始遥感时序图像进行预处理,包括以下步骤:

3.根据权利要求1所述的方法,其特征在于,对预处理后的所述原始遥感时序图像进行归一化,包括以下步骤:

4.根据权利要求1所述的方法,其特征在于,对归一化后的所述遥感时序图像进行时-谱特征空间转换,以获得时-谱特征空间图,包括以下步骤:

5.根据权利要求1所述的方法,其特征在于,所述作物分类模型包括:

6.根据权利要求1所述的方法,其特征在于,所述作物分类模型通过以...

【技术特征摘要】

1.一种基于时序遥感图像的作物分类方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,对所述原始遥感时序图像进行预处理,包括以下步骤:

3.根据权利要求1所述的方法,其特征在于,对预处理后的所述原始遥感时序图像进行归一化,包括以下步骤:

4.根据权利要求1所述的方法,其特征在于,对归一化后的所述遥感时序图像进行时-谱特征空间转换,以获得时-谱特征空间图,包括以下步骤:<...

【专利技术属性】
技术研发人员:陈晋陈辉陈学泓
申请(专利权)人:北京师范大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1