【技术实现步骤摘要】
本专利技术涉及了人工智能与计算机视觉，具体涉及了一种时间序列遥感影像预测方法及相关设备。
技术介绍
1、随着智慧城市与数字化治理的快速发展，政府部门在农业生产监测、城市空间规划、地质灾害预警等领域亟需基于历史时间序列遥感影像预测未来场景以支撑科学决策，如卫星遥感影像、气象云图、地质雷达数据。然而，现有技术在处理长序列、高分辨率遥感影像数据时面临效率低下、时空特征融合不足等问题，难以满足多场景实时预测需求，限制了智慧决策系统的应用效果。
2、当前遥感影像处理的主流方法主要包括基于卷积神经网络（cnn）的时序预测模型、vision transformer（vit）及其衍生架构。cnn通过局部卷积操作提取遥感影像特征，但难以建模长时序依赖关系，导致预测结果缺乏全局一致性；vit将遥感影像分块为序列并利用自注意力机制捕捉全局信息，但其标准自注意力计算复杂度为o(n2)，对高分辨率遥感影像生成的长序列计算开销巨大。且cnn与vit未有效平衡长序列处理效率与空间细节保留，高分辨率遥感影像预测时易出现细节模糊或计算资源过载，建模方法多采用...
【技术保护点】
1.一种时间序列遥感影像预测方法，其特征在于，包括：
2.根据权利要求1所述的时间序列遥感影像预测方法，其特征在于，所述ViT时空特征提取器包括特征提取模块和编码模块；
3.根据权利要求1所述的时间序列遥感影像预测方法，其特征在于，Informer时序预测器包括ProSparse自注意力模块、分层特征蒸馏模块以及生成式解码器；
4.根据权利要求1所述的时间序列遥感影像预测方法，其特征在于，所述遥感影像预测模型采用多源遥感影像数据集训练得到；多源遥感影像数据集的构建方式为：
5.根据权利要求1所述的时间序列遥感影像预测方法...
【技术特征摘要】
1.一种时间序列遥感影像预测方法，其特征在于，包括：
2.根据权利要求1所述的时间序列遥感影像预测方法，其特征在于，所述vit时空特征提取器包括特征提取模块和编码模块；
3.根据权利要求1所述的时间序列遥感影像预测方法，其特征在于，informer时序预测器包括prosparse自注意力模块、分层特征蒸馏模块以及生成式解码器；
4.根据权利要求1所述的时间序列遥感影像预测方法，其特征在于，所述遥感影像预测模型采用多源遥感影像数据集训练得到；多源遥感影像数据集的构建方式为：
5.根据权利要求1所述的时间序列遥感影像预测方法，其特征在于，遥感影像预测模型在训练过程中采用混合损失函数进...
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。