一种基于深度学习算法的高分影像油菜提取方法
基本信息
| 申请号 | CN202110491010.X | 申请日 | - |
| 公开（公告）号 | CN113221997A | 公开（公告）日 | 2021-08-06 |
| 申请公布号 | CN113221997A | 申请公布日 | 2021-08-06 |
| 分类号 | G06K9/62（2006.01）I;G06K9/32（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06T7/11（2017.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 周小群;李建辉;罗望军;俞友良;张鹏;王虎跃;周昭明 | 申请（专利权）人 | 湖南中科星图信息技术股份有限公司 |
| 代理机构 | 深圳至诚化育知识产权代理事务所（普通合伙） | 代理人 | 刘英 |
| 地址 | 410000湖南省长沙市高新开发区尖山路39号长沙中电软件园总部大楼A266 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于深度学习算法的高分影像油菜提取方法，该模型融合了DRN和改进的U‑Net语义分割模型，包含Encoder和Decoder的两个核心模块，实现了高分二号影像空间特征和光谱特征的自主学习以及油菜像元级的自动化提取。模型以油菜开花期（2月底‑4月中旬）高分二号影像为数据源，通过标注的油菜样本进行训练和测试，并通过数据增强算法增加油菜样本和通过调整模型参数得到最优化的油菜提取模型。在进行模型应用时，提出数据输入裁剪策略和结果输出裁剪策略实现对任意大小输入影像的油菜提取。与传统基于像元和统计理论的分类分析法以及面向对象的分类算法相比，该方法充分利用了高分二号影像的空间和光谱特征，实现了用于油菜提取的语义特征的自主学习，提高了油菜提取的精度和模型泛化能力。 |
