【技术实现步骤摘要】
本专利技术属于遥感图像处理，具体涉及基于多源遥感影像和深度学习的湿地特征提取系统及方法。
技术介绍
1、湿地作为地球上重要的生态系统，在维持生态平衡、改善气候等方面发挥着关键作用。然而，湿地环境复杂多变，传统的人工解译和基于浅层机器学习模型的湿地信息提取方法存在效率低、精度不足等问题。随着遥感技术的快速发展，高分辨率遥感影像为湿地信息的精确提取提供了可能。
2、现有技术中，湿地特征提取已逐步从传统人工解译转向基于神经网络的自动化方法。例如，cn119399638a提出了一种多源遥感影像融合的神经网络湿地提取系统，通过主成分分析(pca)融合光学与雷达特征，并采用三层全连接神经网络进行分类，其预处理环节要求辐射校正误差≤±3％，几何配准精度达0.5像素。该方法虽提升了处理效率，但仍存在明显局限：其一，特征融合依赖静态pca阈值(85％)，未考虑不同湿地类型对特征敏感度的差异，导致信息损失；其二，网络结构简单，难以捕捉湿地空间上下文特征，易受破碎化噪声干扰；其三，反馈机制仅通过混淆矩阵精度触发重训练，缺乏对特征提取过程的动态优化...
【技术保护点】
1.基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，包括：
2.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，所述光学遥感影像包含蓝、绿、红及近红外波段，所述雷达遥感影像包含VV和VH极化通道。
3.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，所述数据获取模块包括：
4.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，所述特征融合模块包括：
5.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征...
【技术特征摘要】
1.基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，包括：
2.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，所述光学遥感影像包含蓝、绿、红及近红外波段，所述雷达遥感影像包含vv和vh极化通道。
3.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，所述数据获取模块包括：
4.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，所述特征融合模块包括：
5.根据权利要求1所述的基于多源遥感影像和深度学习的湿地特征提取系统，其特征在于，所述cnn模型训练模块包括：
6.根...
【专利技术属性】
技术研发人员：韩向楠，李中林，
申请(专利权)人：生态环境部南京环境科学研究所，
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。