申请/专利权人：深圳大学

申请日：2022-05-24

公开（公告）日：2024-02-09

公开（公告）号：CN115019166B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/82;G06V10/764;G06N3/08;G06N3/0442;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.02.09#授权;2022.09.23#实质审查的生效;2022.09.06#公开

摘要：本发明公开了一种基于深度网络模型的沼泽湿地信息提取方法、装置、介质及终端，方法包括：对预设沼泽湿地区域进行数据采集，获得实际沼泽湿地信息和预设沼泽湿地影像；对预设沼泽湿地影像进行处理后得到训练样本，通过训练样本和实际沼泽湿地信息对分类模型进行训练，得到成熟的分类模型；基于待测沼泽湿地影像构建空间影像特征张量数据库和时间影像特征张量数据库；对空间和时间影像特征张量数据库进行优化得到空间影像特征张量数据集和时间影像特征张量数据集；将空间影像特征张量数据集和时间影像特征张量数据集输入到成熟的分类模型中，输出得到高精度沼泽湿地信息；本发明采用上述方法后可从沼泽湿地遥感影像中提取出高精度沼泽湿地信息。

主权项：1.一种沼泽湿地信息提取方法，其特征在于，所述方法包括：对预设沼泽湿地区域进行数据采集，获得实际沼泽湿地信息和预设沼泽湿地影像；对所述预设沼泽湿地影像进行处理后得到训练样本，通过所述训练样本和所述实际沼泽湿地信息对分类模型进行训练，得到成熟的分类模型；所述对所述预设沼泽湿地影像进行处理后得到训练样本，通过所述训练样本和所述实际沼泽湿地信息对分类模型进行训练，得到成熟的分类模型，具体包括：提取出所述预设沼泽湿地影像中的预设影像特征；基于所述预设影像特征构建预设空间影像特征张量数据库和预设时间影像特征张量数据库；基于预设空间影像特征张量数据集对空洞卷积神经网络进行训练，所述空洞卷积神经网络对预设空间影像特征张量数据集计算后得到初步空间关系信息；基于预设时间影像特征张量数据集对长短期记忆网络进行训练，所述长短期记忆网络对预设时间影像特征张量数据集计算后得到初步时序关系信息；将所述初步空间关系信息和所述初步时序关系信息通过归一化指数函数计算后得到初步沼泽湿地数据；对所述分类模型采用交叉熵损失函数验证精度，若所述初步沼泽湿地数据与所述实际沼泽湿地信息误差小于阈值，则完成训练，得到成熟的分类模型，其中，成熟的分类模型包括成熟的空洞卷积神经网络和成熟的长短期记忆网络；将所述训练样本输入到所述分类模型中进行训练，计算得到初步沼泽湿地信息，将所述初步沼泽湿地信息与所述实际沼泽湿地信息进行重复验证，直到所述初步沼泽湿地信息与所述实际沼泽湿地信息的误差低于预设值，得到成熟的分类模型；基于待测沼泽湿地影像构建空间影像特征张量数据库和时间影像特征张量数据库；所述基于待测沼泽湿地影像构建空间影像特征张量数据库和时间影像特征张量数据库包括：提取出待测沼泽湿地影像中的影像特征，其中，所述影像特征包括纹理特征、物候特征、光谱反射率、波谱指数及地形特征；将所述影像特征转化成影像特征张量；基于所述影像特征张量构建所述空间影像特征张量数据库；对所述影像特征张量做平均值计算，得到年平均影像特征张量和季节影像特征张量，基于所述年平均影像特征张量和季节影像特征张量构建所述时间影像特征张量数据库；将所述空间影像特征张量数据库进行优化得到空间影像特征张量数据集，对所述时间影像特征张量数据库进行优化，得到时间影像特征张量数据集；将所述空间影像特征张量数据集和时间影像特征张量数据集输入到所述成熟的分类模型中，输出得到高精度沼泽湿地信息。

全文数据：

权利要求：

百度查询： 深圳大学 沼泽湿地信息提取方法、装置、介质及终端

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD