基于地物结构的遥感影像重建方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于地物结构的遥感影像重建方法、系统、设备及介质，获取待监测区域的历史卫星多光谱遥感数据；基于像元纯度指数算法提取高时间分辨率影像数据的地物结构端元丰度矩阵；基于多通道自注意力机制提取历史卫星多光谱遥感数据的全局依赖关系矩阵；基于前馈神经网络模型对全局依赖关系矩阵进行处理，得到全局特征；基于卷积神经网络模型对全局特征和地物结构端元丰度矩阵进行融合，得到高分辨率特征图数据；根据由高分辨率特征图数据和高空间分辨率影像数据计算的损失函数进行参数迭代优化，将实时高时间分辨率影像数据输入优化后的目标影像重建模型，得到重建影像。本申请提供的方法，减少混合像元对影像重建的影响，提高重建精度。

【技术实现步骤摘要】

本专利技术涉及影像重建，尤其涉及一种基于地物结构的遥感影像重建方法、系统、设备及介质。

技术介绍

1、农用地是直接或间接用于农业生产的土地，包括耕地、园地、林地和牧草地等多种类型。农用地的精细化监测对于提高农业生产效率、资源管理和生态保护具有重要意义。但农用地普遍由复杂的地物结构构成，如不同类型的植被、土壤和水体，导致遥感影像中混合像元效应严重，特别是在低分辨率影像中，使得农用地监测的精细化管理面临巨大挑战。

2、随着遥感技术的发展，卫星遥感为农用地监测提供了新的手段，能在短时间内捕捉大面积的土壤变化信息。尤其是目前应用最为广泛的多光谱遥感卫星，具备丰富的空间、时间和光谱信息。但卫星多光谱遥感数据在被应用于农用地监测时，均面临着一个关键难题：时空分辨率的矛盾。现有技术通过高分辨率重建实现时空分辨率的兼顾，现有的高分辨率重建方法通过从低分辨率影像中提取空间特征进行上采样重建，能够在一定程度上提升影像的空间分辨率，但该方法直接对卫星多光谱遥感影像进行处理，基于卫星多光谱遥感影像的几何特征进行空间分辨率的提升，没有充分考虑同一像元内部的地物结构组成，本文档来自技高网...

【技术保护点】

1.一种基于地物结构的遥感影像重建方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于像元纯度指数算法提取所述高时间分辨率影像数据中的各个地物结构端元，包括：

3.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于最小二乘法设计所述地物结构端元的解混算法，得到所述高时间分辨率影像数据的地物结构端元丰度矩阵，包括：

4.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于多通道自注意力机制提取所述历史卫星多光谱遥感数据的全局依赖关系矩阵，包括：

5....

【技术特征摘要】

1.一种基于地物结构的遥感影像重建方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于像元纯度指数算法提取所述高时间分辨率影像数据中的各个地物结构端元，包括：

3.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于最小二乘法设计所述地物结构端元的解混算法，得到所述高时间分辨率影像数据的地物结构端元丰度矩阵，包括：

4.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于多通道自注意力机制提取所述历史卫星多光谱遥感数据的全局依赖关系矩阵，包括：

5.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于选定的前馈神经网络模型对所述全局依赖关系矩阵进行线性变换和非线性处理，得到全局特征，包括：

6.如权利要求1所述的基于地物结构的遥感影像重建方法，其特征在于，所述基于选定的卷积神经网络模型对所述全局特征和所述地物结构端元丰度矩阵进行融合，得到高分辨率特征图数据，包括：

7.如权利...

【专利技术属性】
技术研发人员：裴杰，邹耀鹏，
申请(专利权)人：中山大学，
类型：发明
国别省市：