基于卷積神經(jīng)網(wǎng)絡(luò)的半自動(dòng)植被遙感樣本選取的方法

基本信息

申請(qǐng)?zhí)?/td> CN202111297100.1 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN113989506A 公開(kāi)（公告）日 2022-01-28
申請(qǐng)公布號(hào) CN113989506A 申請(qǐng)公布日 2022-01-28
分類號(hào) G06V10/26（2022.01）I;G06V10/74（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06V20/10（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 胡宇凡;姚永慧;王文奎;陳奕;蔣艷君 申請(qǐng)（專利權(quán)）人 福州市規(guī)劃設(shè)計(jì)研究院集團(tuán)有限公司
代理機(jī)構(gòu) 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 代理人 丘鴻超;蔡學(xué)俊
地址 350108福建省福州市閩侯縣高新區(qū)高新大道1號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的半自動(dòng)植被遙感樣本選取的方法，包括：步驟S1：構(gòu)建多源多時(shí)相遙感數(shù)據(jù)庫(kù)；步驟S2：將研究區(qū)植被劃分為m個(gè)植被群系；步驟S3：構(gòu)建深度殘差網(wǎng)絡(luò)，將網(wǎng)絡(luò)輸出類別數(shù)目改為m；步驟S4：利用公開(kāi)植被樣本數(shù)據(jù)集，訓(xùn)練深度殘差網(wǎng)絡(luò)，使模型參數(shù)適用于植被群系分類；步驟S5：采用多尺度分割算法，將研究區(qū)影像分割為植被群系圖斑；步驟S6：選取m種植被類型的n個(gè)代表性樣本，m*n個(gè)樣本作為樣本選取的種子樣本；步驟S7：計(jì)算研究區(qū)所有單獨(dú)圖斑的網(wǎng)絡(luò)輸出；步驟S8：計(jì)算種子樣本的網(wǎng)絡(luò)輸出等步驟。在一定程度上解決了山區(qū)植被分類時(shí)樣本稀缺的問(wèn)題。