申请/专利权人：航天宏图信息技术股份有限公司

申请日：2024-01-17

公开（公告）日：2024-04-16

公开（公告）号：CN117574161B

主分类号：G06F18/214

分类号：G06F18/214;G06N3/045;G06N3/0475;G06N3/082;G06F18/213;G06F18/2337;G06F18/25;G01S13/86;G01N21/17;G01S7/41;G01S13/88;G01S13/90

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明提供了一种基于生成对抗网络的地表参量估算方法、装置及设备，包括：基于监测区域对应的星载合成孔径雷达数据和或光学对地观测遥感数据，确定监测区域对应的待处理数据；对待处理数据进行聚类分割处理生成对象级分割数据，并结合实测地表参量数据对对象级分割数据进行空间尺度转换，生成训练样本数据；利用训练样本数据，对预先构建的地表参量估算模型进行训练，以得到目标地表参量估算模型；其中，目标地表参量估算模型采用生成对抗网络框架，目标地表参量估算模型用于对监测区域处的地表参量进行估算。本发明具备鲁棒性强、效率高、便于工程化等优势，对生态环境评估和监管起到基础技术支撑作用。

主权项：1.一种基于生成对抗网络的地表参量估算方法，其特征在于，包括：基于监测区域对应的星载合成孔径雷达数据和或光学对地观测遥感数据，确定所述监测区域对应的待处理数据；对所述待处理数据进行聚类分割处理生成对象级分割数据，并结合实测地表参量数据对所述对象级分割数据进行空间尺度转换，生成训练样本数据；利用所述训练样本数据，对预先构建的地表参量估算模型进行训练，以得到目标地表参量估算模型；其中，所述目标地表参量估算模型采用生成对抗网络框架，所述目标地表参量估算模型用于对所述监测区域处的地表参量进行估算；所述地表参量估算模型包括生成器和判别器；利用所述训练样本数据，对预先构建的地表参量估算模型进行训练，以得到目标地表参量估算模型的步骤，包括：将所述训练样本数据和随机噪声数据，组合输入至所述生成器，以使所述生成器输出第一地表参量估算结果；将所述训练样本数据和所述第一地表参量估算结果，组合输入至所述判别器，以生成所述第一地表参量估算结果对应的判别结果；基于所述判别结果，通过损失函数反向传播优化所述生成器和所述判别器，将优化后的所述生成器作为目标地表参量估算模型；所述生成器包括多级生成网络层，每级生成网络层的数量为一个或多个；将所述训练样本数据和随机噪声数据，组合输入至所述生成器，以使所述生成器输出第一地表参量估算结果的步骤，包括：将所述训练样本数据和随机噪声数据，组合输入至第一级生成网络层，以使第一级生成网络层输出特征向量；对于除所述第一级生成网络层之外的其他生成网络层，将前一级的末位生成网络层输出的所述特征向量与所述随机噪声数据，组合输入至下一级的首位生成网络层，以使所述下一级的末位生成网络层输出特征向量；将最后一级生成网络层输出的特征向量，作为第一地表参量估算结果；所述判别器包括第一输入单元、第二输入单元和多级判别网络层，所述第一输入单元和所述第二输入单元均包括多级输入网络层，每级判别网络层和每级输入网络层的数量为一个或多个；将所述训练样本数据和所述第一地表参量估算结果，组合输入至所述判别器，以生成所述第一地表参量估算结果对应的判别结果的步骤，包括：将所述训练样本数据输入至所述第一输入单元中的多级输入网络层，以生成第一输入向量；以及，将所述第一地表参量估算结果输入至所述第二输入单元中的多级输入网络层，以生成第二输入向量；将所述第一输入向量和所述第二输入向量，组合输入至多级判别网络层，以使多级判别网络层输出所述第一地表参量估算结果对应的判别结果。

全文数据：

权利要求：

百度查询： 航天宏图信息技术股份有限公司 基于生成对抗网络的地表参量估算方法、装置及设备

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