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：浙江安防职业技术学院;温州市未来城市研究院;同济大学

摘要：本发明涉及一种基于自监督扰乱特征重构网络的小样本红树林生物量估计方法，先利用Landsat8遥感影像及DEM高程数据提取波段信息、植被指数、纹理特征与气压高度指标的22个原始特征量；随后针对原始特征量，随机选取部分特征量进行扰乱顺序并添加干扰，利用其余特征量指导重构扰乱前的特征量，由少量数据对红树林的特征进行深度提取；之后建立学习任务模型，基于多个多视野级联卷积模块深度堆叠，构建多视野卷积神经网络提取红树林深层特征；最终，构建生物量估计器并对模型参数进行微调，获取最终模型并得到小样本下红树林生物量精准估计值；实现在数据稀缺下有效提高对红树林特征数据的提取性能，进而对红树林生物量精准估计。

主权项：1.一种基于自监督扰乱特征重构网络的小样本红树林生物量估计方法，其特征在于：包括以下步骤，s1，使用Landsat8遥感影像以及DEM高程数据处理小样本红树林数据，提取原始特征量，对原始特征量采用随机窗口特征扰乱以及噪声掩码，得到辅助数据，对未掩码部分的特征进行数据拼接，得到残余数据并记录扰乱窗口的位置信息P；s2，构建学习任务模型，使用多个多视野卷积模块MVCCM搭建多视野卷积神经网络MVCNN，从残余数据提取红树林的深层特征进行输出；再使用多个一维卷积及池化层级联构成简化解码器，将深层特征进行特征平铺，考虑扰乱窗口的位置信息，与辅助数据拼接后作为简化解码器的输入，得到红树林的重构特征数据，以及阶段1的表示扰乱特征重构误差的模型损失函数，以重构特征的损失值调整多视野卷积模块的卷积权重与偏置；s3，通过两个全连接层构成红树林的生物量识别器，输入红树林的深层特征得到红树林生物量估计值；将生物量估计值与真实生物量值进行对比，计算阶段2的生物量估计损失，以估计损失值进行模型参数微调，获取最终的生物量估计模型。

全文数据：

权利要求：

百度查询： 浙江安防职业技术学院 温州市未来城市研究院 同济大学 一种基于自监督扰乱特征重构网络的小样本红树林生物量估计方法