【技術實現步驟摘要】
本專利技術涉及地表要素分析，尤其涉及一種時間序列與高分辨率影像聯合的地表精細分類方法。
技術介紹
1、自然資源調查、農情監測及土地覆蓋分類等任務對地表要素精細分類的需求日益增長，這不僅關系到資源的有效管理和利用，還直接影響到環境保護和災害預防。當前，遙感影像時間序列因其能夠記錄地物隨時間變化的物候信息和空間形態演化信息，成為實現地表要素精細分類的重要數據源。
2、遙感影像分類方法通常采用單一尺度的時間序列特征提取技術，這些方法雖然可以捕捉整體的物候規律，但在區分不同地表要素尤其是相似地類之間的細微差異方面表現不佳。基于2d卷積網絡與循環神經網絡（如gru或lstm）結合的方法盡管能夠在一定程度上提取時空特征，但其受限于局部的空間和時間范圍內的注意力機制，現有的自注意力機制在應用于遙感影像時間序列時，主要依賴中空間分辨率影像。這類影像雖然能夠提供頻繁的時間觀測，確保了時間序列的連續性和完整性，但其空間分辨率的限制使得分類結果在細節上不夠精細，難以滿足高分辨率分類的需求。特別是在城市化地區和生態敏感區，中空間分辨率影像的空間細節不足，導致分類結果的空間一致性較差，無法準確區分相似地類之間的細微差異。
技術實現思路
1、本專利技術提供一種時間序列與高分辨率影像聯合的地表精細分類方法，用以解決現有技術中在相似地表之間的細微差異方面的區分度表現不佳，且空間分辨率的限制使得分類結果在細節上不夠精細，難以滿足高分辨率分類的需求的問題。
2、本專利技術提供一種時間序列與高分
3、獲取待分類地表的多源遙感影像分類數據集，所述多源遙感影像分類數據集包括中空間分辨率的時間序列影像以及高空間分辨率的遙感影像；
4、調用采用視覺自注意力機制的swin?transformer模型對所述遙感影像進行空間特征提取，得到混合空間特征；
5、調用初始增強時序注意力編碼器對所述時間序列影像進行時序多尺度特征提取，得到對應的時序多尺度特征；
6、將所述混合空間特征與所述時序多尺度特征進行空間特征融合處理，得到時空混合特征；
7、對所述時空混合特征進行上采樣處理，得到不同空間層級的時空特征，并對所述時空特征進行預測處理，得到待分類地表在不同空間分辨率下的分類結果。
8、在一些實施例中，所述遙感影像包括全色衛星影像以及多光譜衛星影像；所述調用采用視覺自注意力機制的swin?transformer模型對所述遙感影像進行空間特征提取，得到混合空間特征，包括：
9、將所述全色衛星影像劃分為n個patch圖像塊，并對每個patch圖像塊進行嵌入處理，得到所述全色衛星影像的第一特征序列，n為大于0的整數；
10、通過mm個注意力窗口對所述第一特征序列進行劃分，所述注意力窗口為swintransformer模型中進行視覺自注意力機制計算的窗口；
11、通過swin?transformer模型中的block塊，在每個劃分的注意力窗口內進行視覺自注意力機制計算，得到所述全色衛星影像的第一空間特征；
12、將所述多光譜衛星影像映射處理為第二特征序列，并將所述第一空間特征與所述第二特征序列進行通道拼接，并對通道拼接得到的空間特征進行視覺自注意力計算，得到混合空間特征。
13、在一些實施例中，所述通過swin?transformer模型中的block塊，在每個劃分的注意力窗口內進行視覺自注意力機制計算，得到所述全色衛星影像的第一空間特征，包括：
14、通過swin?transformer模型中block塊的w-msa模塊，對每個注意力窗口進行窗口多頭自注意力計算，并將計算結果輸入到前饋神經網絡中進行映射處理，得到第一窗口輸出特征；
15、在所述全色衛星影像的patch圖像塊中，分別在水平方向和垂直方向將每個注意力窗口平移m/2個patch圖像塊的位置；
16、通過swin?transformer模型中block塊的sw-msa模塊，對平移后的注意力窗口進行移動窗口多頭自注意力計算，并將計算結果與所述第一窗口輸出特征進行求和，得到第二窗口輸出特征；
17、將所述第二窗口輸出特征輸入到前饋神經網絡中進行映射處理，得到block塊的輸出特征；
18、針對每個注意力窗口，將block塊的輸出特征進行合并，得到全色衛星影像的第一空間特征。
19、在一些實施例中，所述調用初始增強時序注意力編碼器對所述時間序列影像進行時序多尺度特征提取，得到對應的時序多尺度特征，包括：
20、對所述時間序列影像進行嵌入處理，得到嵌入特征和位置編碼，并將所述嵌入特征和所述位置編碼進行融合，得到高維度特征向量；
21、在初始增強時序注意力編碼器的每個注意力頭中，調用卷積核為1×1的分組卷積層對所述高維度特征向量進行卷積處理，并對得到的卷積特征進行全局平均池化處理，得到查詢向量；
22、對所述高維度特征向量進行平均池化處理，得到平均池化特征向量，并調用卷積核為k×k的分組卷積層對所述平均池化特征向量進行卷積處理，得到鍵向量，k為大于等于1的整數；
23、對所述高維度特征向量進行最大池化處理，得到最大池化特征向量，并調用卷積核為k×k的分組卷積層對所述最大池化特征向量進行卷積處理，得到值向量；
24、對所述查詢向量、所述鍵向量以及所述值向量進行注意力計算，得到注意力頭的輸出特征；
25、將所述初始增強時序注意力編碼器中每個注意力頭的輸出特征進行拼接處理，得到拼接特征，并通過多層感知機對所述拼接特征進行變換，得到對應的時序多尺度特征。
26、在一些實施例中，所述將所述混合空間特征與所述時序多尺度特征進行空間特征融合處理，得到時空混合特征，包括：
27、將所述混合空間特征與所述時序多尺度特征進行空間特征拼接，得到拼接特征；
28、對所述拼接特征進行通道降維處理，并通過swin?transformer模型對所述通道降維處理后的拼接特征進行視覺自注意力機制計算，得到時空混合特征。
29、在一些實施例中，所述多源遙感影像分類數據集還包括不同空間分辨率下的地面類別真值矢量數據，所述對所述時空特征進行預測處理，得到待分類地表在不同空間分辨率下的分類結果，包括：
30、通過跳連模塊將不同空間層級的所述時空特征進行通道拼接處理，得到融合特征；
31、對所述融合特征進行通道降維處理，并對通道降維處理得到的融合特征進行窗口注意力機制計算，得到解碼輸出特征；
32、在地面類別真值矢量數據的不同空間分辨率下，通過線性層對所述解碼輸出特征進行逐像素的分類，得到每個像素在不同空間分辨率下的類別分數，作為待分類地表在對應不同空間分辨率下的分類結果。
33、本專利技術還提供一種時間序列與高分辨率影像聯合的地表精細分類裝置，其特本文檔來自技高網...
【技術保護點】
1.一種時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，包括：
2.根據權利要求1所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述遙感影像包括全色衛星影像以及多光譜衛星影像；所述調用采用視覺自注意力機制的SWIN?Transformer模型對所述遙感影像進行空間特征提取，得到混合空間特征，包括：
3.根據權利要求2所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述通過SWIN?Transformer模型中的Block塊，在每個劃分的注意力窗口內進行視覺自注意力機制計算，得到所述全色衛星影像的第一空間特征，包括：
4.根據權利要求1所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述調用初始增強時序注意力編碼器對所述時間序列影像進行時序多尺度特征提取，得到對應的時序多尺度特征，包括：
5.根據權利要求1所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述將所述混合空間特征與所述時序多尺度特征進行空間特征融合處理，得到時空混合特征，包括：
6.根
7.一種時間序列與高分辨率影像聯合的地表精細分類裝置，其特征在于，所述裝置包括：
8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述時間序列與高分辨率影像聯合的地表精細分類方法。
9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述時間序列與高分辨率影像聯合的地表精細分類方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述時間序列與高分辨率影像聯合的地表精細分類方法。
...【技術特征摘要】
1.一種時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，包括：
2.根據權利要求1所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述遙感影像包括全色衛星影像以及多光譜衛星影像；所述調用采用視覺自注意力機制的swin?transformer模型對所述遙感影像進行空間特征提取，得到混合空間特征，包括：
3.根據權利要求2所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述通過swin?transformer模型中的block塊，在每個劃分的注意力窗口內進行視覺自注意力機制計算，得到所述全色衛星影像的第一空間特征，包括：
4.根據權利要求1所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述調用初始增強時序注意力編碼器對所述時間序列影像進行時序多尺度特征提取，得到對應的時序多尺度特征，包括：
5.根據權利要求1所述的時間序列與高分辨率影像聯合的地表精細分類方法，其特征在于，所述將所述混合空間特征與所述時序多尺度特征進行空間特征融合處理，...
【專利技術屬性】
技術研發人員：張正，林龍，張桉銘，張偉雄，孟瑜，唐娉，
申請(專利權)人：中國科學院空天信息創新研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。