买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州大学

摘要：本发明涉及一种深度学习与多模态地学知识耦合的茶园提取方法。利用多模态遥感数据表征茶园地理环境特征，通过构建高分辨率影像多尺度特征耦合多模态信息的并行分支网络模型，深度挖掘并融合茶园的多模态地学知识，在小样本情况下精确地捕捉茶园多维特征，实现精细化茶园分布信息提取。

主权项：1.一种深度学习与多模态地学知识耦合的茶园提取方法，其特征在于，包括以下步骤：步骤S1、获取研究区高分辨率遥感影像、时序Sentinel-1雷达SAR影像、中等分辨率时序Sentinel-2光学影像、高分辨率GF-7立体像对影像，并对数据进行预处理操作；步骤S2、利用时序Sentinel-1雷达SAR影像、中等分辨率时序Sentinel-2光学影像、高分辨率GF-7立体像对影像构建多模态地学知识特征，并基于随机森林特征优选算法筛选最佳特征组合；步骤S3、茶园样本数据集制作，滑动窗口分割将影像和标签数据裁剪成H×W像素大小的数据集，采用数据增强扩大数据集，作为输入数据；步骤S4、构建基于深度学习语义分割的并行分支网络模型框架，采用基于编码器-解码器的双分支网络架构，设计两个并行的分支，分别用于提取高分辨率光学影像特征和其他多模态数据特征，在解码器末端进行特征级融合；步骤S5、集成融合注意力机制的多尺度轻量级网络模型作为第一分支，采用编-解码器体系结构的轻量级深度学习框架，由卷积块和标记化多层感知机模块组成，在跳跃连接中嵌入双注意力机制，并设计多尺度特征提取模块，充分利用高分辨率影像茶园不同尺度、深度语义信息；步骤S6、集成多模态信息聚合的语义分割网络模型作为第二分支，基于编-解码器结构的卷积神经网络，引入空洞空间金字塔池化ASPP模块从而扩大感受野以及捕获不同尺度下的特征信息，在子解码器上设计改进的多尺度特征提取模块，充分提取茶园的深层次信息，建立有效的多模态地学知识特征；步骤S7、集成双分支特征融合模块，采用结合注意力机制的级联特征融合方法在解码器末端融合不同模态特征信息；步骤S8、构建掩膜预测的自定义复合损失函数实现模型权重的自适应调整；步骤S9、基于Adam优化器的模型训练；步骤S10、超大尺寸遥感影像的滑窗预测、无缝拼接，实现精细化茶园提取。

全文数据：

权利要求：

百度查询： 福州大学 深度学习与多模态地学知识耦合的茶园提取方法