【技术实现步骤摘要】
本专利技术属于农业遥感智能分析，具体涉及一种融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，适用于多光谱遥感图像的农作物精准识别。
技术介绍
1、随着遥感技术的不断发展和多光谱图像数据的日益丰富，农作物遥感分类领域迎来了前所未有的机遇。多光谱图像分析作为一种综合性的遥感处理技术，在农作物的识别、分类和监测中发挥着日益重要的作用。多光谱图像所提供的丰富光谱信息，能够有效提升农作物分类的准确性和可靠性。然而，传统的农作物遥感分类方法往往依赖于单一的波段或固定的植被指数，这些方法在处理不同作物种类、不同生长阶段或者复杂地形的图像时，缺乏足够的适应性和灵活性。因此，传统方法在精度提升和应用拓展方面仍然存在局限。
2、近年来，计算机视觉领域，尤其是深度学习技术的迅猛发展，极大推动了图像分类技术的进步。卷积神经网络(cnn)作为深度学习的核心技术之一，通过自动学习图像中的特征表示，大幅提升了分类任务的性能。对于多光谱图像而言，深度学习方法能够有效地提取和融合各波段信息，从而提高分类精度。然而，农作物遥感图像通常具有显著的多尺度特性...
【技术保护点】
1.一种融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，其特征在于，步骤1中，对源自遥感卫星的多光谱图像进行数据预处理，包括对所述多光谱图像进行辐射校正、几何校正、图像配准和标注对齐操作，以提高图像的质量和农作物遥感分类模型的训练效果。
3.根据权利要求1所述的融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，其特征在于，步骤2中，所述动态波段选择与植被指数自适应生成模块具体为：
4.根据权利要求1所述的融合动态光谱优...
【技术特征摘要】
1.一种融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，其特征在于，步骤1中，对源自遥感卫星的多光谱图像进行数据预处理，包括对所述多光谱图像进行辐射校正、几何校正、图像配准和标注对齐操作，以提高图像的质量和农作物遥感分类模型的训练效果。
3.根据权利要求1所述的融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，其特征在于，步骤2中，所述动态波段选择与植被指数自适应生成模块具体为：
4.根据权利要求1所述的融合动态光谱优化与多尺度特征强化的农作物遥感分类方法，其特征在于，步骤3中，将所述特化植被指数图像与可见光rgb图像进行融合，生成融合光谱图由加权融合策略实现，生成的融合光谱图包括可见光rgb图像的色彩信息和植被指数蕴含的作物生长状态信息，用于后续的多尺度特...
【专利技术属性】
技术研发人员：邹云坤，张焰，张永新，赵凌园，江雨韩，闫钧华，徐正军，时萌玮，
申请(专利权)人：环天智慧科技股份有限公司，
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。