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：本发明公开了一种低空无人机高光谱遥感基础大模型的构建方法，包括构造数据集，其中样本是H×W×D的高光谱样本；构造三维扩展MAE模型，包括图像分块层、3D位置编码层、动态掩码层、MAE模型、HED模型；构造总损失函数L；训练三维扩展MAE模型得到光谱大模型，用于重构高光谱样本得到预测高光谱图像。本发明将传统二维的MAE模型扩展到三维，结合动态遮挡率策略和3D位置编码使重构的图像能更好地表达不同物体和表面的光谱特性，再结合HED模型对边缘细节加强处理，提供更准确的物理边界。本发明适合于精确的物质识别和分类，特别适用于精准农业、环境保护、以及灾害管理等领域复杂的环境监测和资源评估任务中。

主权项：1.一种低空无人机高光谱遥感基础大模型的构建方法，其特征在于：包括以下步骤；S1，构造数据集X；获取不同区域的尺寸为H×W的高光谱图像，每张高光谱图像至少包含D个波段，对每张高光谱图像，选取D个波段，构成维度H×W×D的高光谱样本，所有高光谱样本构成数据集X；S2，构造三维扩展MAE模型，包括图像分块层、3D位置编码层、动态掩码层、MAE模型、HED模型；所述图像分块层用于将输入的高光谱样本分成NH×NW×ND个维度为p×q×r的三维块，其中，p、q、r分别为三维块的长度、宽度和波段数，NH、NW和ND分别为高光谱样本在长度、宽度和波段数上的分段数；所述3D位置编码层用于对每个三维块进行按下式用PE向量进行3D位置编码； ， ，其中，为PE向量的偶数值，为PE向量的奇数值，pos为当前三维块位置，0≤pos≤NH×NW×ND-1，dpos为MAE模型隐藏层维度数，c为D个波段中的波段c，λc为波段c的中心波长，f为隐藏层维度索引，0≤f≤NH×NW×ND-12-1；所述动态掩码层用于根据动态遮挡率mt对三维块进行遮挡，构成MAE模型的输入Xinput，其中被遮挡的三维块数据置零，仅保留3D位置编码，mt根据下式得到； ，式中，mmin、mmax分别为预设的遮挡率下限、遮挡率上限、e为自然指数、T为预设的总训练轮次，t为第t个训练轮次，1≤t≤T；所述MAE模型用于输入Xinput，对Xinput中的遮挡块进行重建，得到预测高光谱图像；所述HED模型用于输入高光谱样本，对其进行边缘检测生成边缘掩码概率图；S3，构造总损失函数L，L=LHED+LMAE，其中，LMAE、LHED分别为MAE模型、HED模型贡献的损失； ， ，式中，对坐标x,y的像素点pxy，ycx,y为高光谱样本中pxy在波段c的值，pcx,y为预测高光谱图像中pxy在波段c的值，Mx,y为边缘掩码概率图中pxy的值，HEDx,y为HED模型将pxy预测为边缘的概率，threHED为预设边缘概率阈值，为指示函数，α为权重调整参数；S4，按总训练轮次T，用数据集X训练三维扩展MAE模型，并以梯度下降法训练优化L，得到光谱大模型。

全文数据：

权利要求：

百度查询： 江西啄木蜂科技有限公司 低空无人机高光谱遥感基础大模型的构建方法