[發明專利]基于光學影像與SAR影像時序特征融合的作物分類方法

在審

• 申請號: 202310169699.3
• 申請日: 2023-02-27
• 公開（公告）號: CN116310805A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 林鎮宇;楊玲波
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V20/13;G06V10/26;G06V10/40;G06V10/62;G06V10/764;G06V10/80;G06V10/82;G06N3/0442;G06N3/045;G06N3/048;G06N3/084
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 陳煒

1.基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：包括以下步驟：

步驟1、模型輸入層數據為目標區域的光學合成影像及時序SAR影像；光學合成影像在單景光學遙感衛星影像的基礎上處理得到；

步驟2、利用LSTM結構對時序SAR影像進行深層次時序特征提取，得到SAR時序特征圖；

步驟3、利用疊加操作，將步驟2提取的SAR時序特征圖，與步驟1得到的光學合成影像疊加，獲得疊加后的SAR時序特征與光學影像波段特征；

步驟4、基于UNET語義分割結構，從步驟3中獲取的SAR時序特征與光學影像波段特征中，提取不同層次的空間語義特征；

步驟5、基于步驟4中提取的空間語義特征，利用1×1卷積層和激活層，進行作物分類識別，得到目標區域內的作物空間分布。

2.根據權利要求1所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：所述的LSTM結構包含一層LSTM網絡；所述的LSTM網絡包含64個神經元，并通過reshape操作將輸出結果重組為128×128像素大小、64個特征波段的特征圖。

3.根據權利要求1所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：所述的UNET語義分割結構輸出的特征圖的大小為128×128像素，特征數量為64個。

4.根據權利要求1所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：步驟1中所述的單景光學遙感衛星影像的空間分辨率與時序SAR影像的空間分辨率相同，影像切片大小一致。

5.根據權利要求1所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：光學合成影像的獲取過程為：根據單景光學遙感衛星影像計算歸一化植被指數NDVI和地表水體指數LSWI的最大值和最小值；將歸一化植被指數NDVI和地表水體指數LSWI的最大值和最小值影像與單景光學遙感衛星影像疊加，得到光學合成影像。

6.根據權利要求1所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：時序SAR影像包含VV和VH兩個后向散射系數特征，每個特征包含18個時序波段，共36個輸入特征波段。

7.根據權利要求1所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：步驟5中所述的激活層使用的激活函數為sigmoid激活函數。

8.根據權利要求1所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：步驟5執行后，將步驟5中獲取的作物空間分布與標簽數據進行對比，計算損失函數，并進行誤差的反向傳播，更新模型參數，多次迭代后，完成模型訓練；利用訓練完成的模型進行作物空間分布的識別。

9.根據權利要求8所述的基于光學影像與SAR影像時序特征融合的作物分類方法，其特征在于：所述的標簽數據為目標作物類別和背景地物類別兩類，損失函數為二分類交叉熵。