CN118397412B 融合sar和光學影像的田塊級作物提取方法 （中國農業科學院農業資源與農業區劃研究所）

本發明屬于農業遙感技術領域，涉及融合SAR和光學影像的田塊級作物提取方法，包括：集；得到基于SAR遙感影像數據與光學遙感數據本發明通過融合SAR遙感影像數據與光學影像數2根據光學遙感影像數據計算遙感指數數據，利用遙感指數數據增強光學遙感影像特對重采樣后的SAR遙感影像數據、重采樣后的光學遙感影像數據與田塊數據進行疊加于SAR遙感影像數據與光學遙感影像數據的融合利用融合學習生成網絡根據樣本數據集生成SAR遙感影像數據與光學遙感影像數據的根據SAR遙感影像數據與光學遙感影像數據的融合數據集以及田塊數據，構建田塊提2.根據權利要求1所述融合SAR和光學影像的3.根據權利要求1所述融合SAR和光學影像的對增強影像特征后的光學遙感影像進行去云處理，包括：使用去云4.根據權利要求1所述融合SAR和光學影像的田塊級作物提采樣后的SAR遙感影像數據、重采樣后的光學遙感影像數據與田塊數據進行疊加配準后裁像切片公式為：;;3;。5.根據權利要求1所述融合SAR和光學影像干尺度的特征圖后通過4個核大小為1×1的CatConv2d卷積疊加相同尺度異源通道進行卷6.根據權利要求5所述融合SAR和光學影像的田塊級作網絡利用PathGAN多塊判別器對影像分塊進行擴充判別；在判別器訓練過程中使用SSIM損7.根據權利要求1所述融合SAR和光學影像的田塊級地物為背景地物像元數量，FP表示誤分背景地物為目標地物像元數量，OA表示整體分;;。4[0009]對重采樣后的SAR遙感影像數據、光學遙感影像數據與田塊數據進行疊加配準后[0011]利用融合學習生成網絡根據樣本數據集生成SAR遙感影像數據與光學遙感影像數[0012]根據SAR遙感影像數據與光學遙感影像數據的融合數據集以及田塊數據，構建田5字塔池化結構獲取若干尺度的特征圖后通過4個核大小為1×1的CatConv2d卷積疊加相同類精度和Kappa系數對作物整體分類精度進行評價，選擇分類精度最高的波段組合對田塊OA表示整體分類精度,pe表示所有地物實際與預測數量的乘積之和與樣本總量平方的商，6[0046]對重采樣后的SAR遙感影像數據、光學遙感影像數據與田塊數據進行疊加配準后[0048]利用融合學習生成網絡根據樣本數據集生成SAR遙感影像數據與光學遙感影像數[0049]根據SAR遙感影像數據與光學遙感影像數據的融合數據集以及田塊數據，構建田7[0053]光譜波段數據包括可見光(B2～B4波段)、紅邊(B5～B7波段)、近紅外(B8/B8A波數據的影像坐標系轉換為WGS84坐標系(WorldGeodeticSystem，世界大地測量系統)后像投影至WGS84坐標系后將20m分辨率數據的B5/6/11/12波[0062]在實際應用過程中，因SAR遙感影像數據、光學遙感影像數據的影像光譜信息豐8[0066]可選的，融合學習生成網絡為FGAN網絡(FusionGenerativeAdversarial加3個核大小為3×3的多層卷積獲取不同尺度的特征圖；引入ASPP空間金字塔池化結構獲取若干尺度的特征圖后通過4個核大小為1×1的CatConv2d卷積(Cat表示疊加鏈接不同來源通道)疊加相同尺度異源通道進行卷積，再添加CBAM注意力機制來提高重要通道特征的[0067]可選的，FGAN網絡利用PathGAN[0068]FGAN網絡結構通過引入ASPP空間金字塔池化結構，從而進行通道升降維與異源影像特征圖疊加卷積并結合上采樣結構多尺度獲取影像語義信息，列設置且分別與低層語義提取模塊輸出端連接的核為1的常規二維卷積，各常規二維卷積提取模塊的輸入端；語義提取模塊的輸出端連接核為1的常規二維卷積、批歸一化層與LeakyRelu激活層組成的語義提取模塊的輸9i-1)；[0076]兩個分支獲取不同尺度特征圖后通過4個核大小為1×1的二維卷積疊加相同尺度積神經網絡的注意力機制)注意力結構來提高重要通道特征的權重，最后通過上采樣疊加通道注意力模塊的最大池化層與平均池化層進入二維卷積、激活函數得到空間注意力權[0080]相比于傳統GAN整體判別，通過使用PathGAN多塊判別器對圖像分塊進行擴充判采樣同尺度特征圖結合1*1Conv2d+3*3Conv2d多層卷積添加更多權重參數，用以準確區分類精度和Kappa系數對作物整體分類精度進行評價，選擇分類精度最高的波段組合對田塊