Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于自适应方法的无监督遥感田块自动提取方法 

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!

摘要:本发明提供的一种基于自适应方法的无监督遥感田块自动提取方法,涉及遥感图像处理技术领域,包括以下步骤:收集设定田块区域的遥感图像数据,并进行预处理;使用预处理后的遥感图像数据构建自适应深度学习网络;采用遥感图像数据中的特征图进行无监督学习;计算与优化田块区域的损失函数;评估聚类结果,提取田块的边界,生成田块分布图;定期获取新的遥感图像数据,更新自适应深度学习网络。本发明采用自适应方法实现遥感田块自动提取,通过预处理统一数据格式,构建自适应深度学习网络,实现高效特征提取,无监督学习和精准的损失函数计算优化,大幅提高了提取的准确性和效率,降低了成本,为农业监测和管理提供了有力支持。

主权项:1.一种基于自适应方法的无监督遥感田块自动提取方法,其特征在于,包括以下步骤:步骤一,收集设定田块区域的遥感图像数据,并进行预处理;步骤二,使用预处理后的遥感图像数据构建自适应深度学习网络,以提取图像特征;其中,构建自适应深度学习网络的具体逻辑为:建立自适应卷积层:设定输入特征图为I,其中,I表示三维张量,其尺寸为H×W×C,H、W、C分别表示遥感图像的高度、宽度与通道数,每个通道包含了特定光谱波段的信息:其自适应卷积操作表示为:Oh,w,c=∑i,j,kIh′,w′,k·Wi,j,k,得到输出特征图Oh,w,c;其中,h’、w’分表表示卷积操作后的输出特征的高度尺寸和宽度尺寸,其对应的计算公式表示:h′=h-i+1+2Pi,w′=w-j+1+2Pj,i和j表示卷积核在输入特征图上滑动时的行和列的位置,k表示对应于输入特征图第k个通道的编号,Pi、Pj分别表示输入特征图的第i行、第j列的两侧添加的填充的总数量;多尺度特征融合:多尺度特征融合技术将不同分辨率的输入特征图进行结合,设Osn为尺度s的输入特征图,将不同尺度的输入特征图进行融合处理,公式表示:O=FuseOs1,Os2,...,Osn,得到融合后的输出特征图O;其中,Fuse表示融合操作,Os1,Os2,...,Osn表示不同尺度的索引;残差连接:设D为神经网络中某层的输入,D′为该层的输出,使用批量归一化和激活函数进行处理,公式表示:Q=ReLUBND′+D,得到残差连接的输出Q;其中,ReLU表示激活函数,BN表示批量归一化操作;将提取的图像特征组织成特征图;其中特征图中每个像素点均使用特征向量表示;自适应深度学习网络的构建包括自适应卷积层、多尺度特征融合和残差连接;步骤三,采用遥感图像数据中的特征图进行无监督学习;其中,无监督学习的具体方法为:使用聚类算法对特征图中任一的像素点进行分组处理,使用公式:计算得到簇内误差平方和J;其中,vx表示田块区域中在像素点x时的数据点,A表示田块区域中数据点的总数,μy为第y个簇的中心且其值表示该簇所有点的均值,miny表示每个数据点vx找到距离||vx-μy||2最小的簇中心μy,||||表示欧几里得范数;步骤四,计算与优化田块区域的损失函数,具体为:衡量聚类结果与实际田块分布之间的差异,并进行优化,利用公式得到田块的损失函数M;其中,vx表示田块区域中在位置x时的数据点,A表示田块区域中数据点的总数,表示重建的田块特征;根据损失函数的梯度使用优化算法更新网络权重,公式表示:其中,δt+1、δt分别表示在第t、t+1个时间步的网络权重,δ表示网络权重,η表示学习率,表示梯度,表示损失函数的梯度;步骤五,评估聚类结果,提取田块的边界,生成田块分布图的具体方式为:设定分组处理迭代次数阈值JU,重复进行分组处理得到对应的簇内误差平方和Je,e表示分组处理的时间顺序得到簇内误差平方和的编号;记录重复分组处理的次数,将分组处理迭代次数阈值与其重复分组处理的次数进行差值计算,得到迭代剩余次数P1;在迭代剩余次数为零时,停止分组处理;按照时间顺序将相邻的簇内误差平方和进行差值计算,得到误差邻影值P2;对当前已重复分组处理得到的簇内误差平方和进行方差计算,利用公式,得到显著变化值P3;其中,表示重复分组处理的簇内误差平方和的均值;将迭代剩余次数、误差邻影值和显著变化值进行加权处理,利用公式P=P1×p1+P2×p2+P3×p3,得到簇收敛值P;其中,p1、p2、p3分别表示迭代剩余次数、误差邻影值和显著变化值所对应的权重;设置收敛阈值,将簇收敛值与其收敛阈值进行比对,若簇收敛值大于或等于其收敛阈值,表示簇中心未达到预期结果;反之,若簇收敛值小于其收敛阈值,表示簇中心不再显著变化或达到预期效果;将聚类完成属于同一簇的像素点视为同一田块的一部分,从而识别出田块的边界;使用形态学操作或边缘检测算法来细化田块的边界;将识别出的田块的边界在地图上标记出来,生成田块分布图;步骤六,定期获取新的遥感图像数据,更新自适应深度学习网络,以适应季节变化和作物生长周期。

全文数据:

权利要求:

百度查询: 中勘迈普(江苏)科技有限公司 一种基于自适应方法的无监督遥感田块自动提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。