摘要
本发明提供一种基于双时相异质遥感卫星影像的洪水范围检测方法,包括:采用预训练的光学卫星遥感影像水体提取模型作为洪灾灾前光学影像的特征提取层,使用预训练的SAR卫星遥感影像水体提取模型作为灾后SAR影像的特征提取层,联合特征融合层和洪水淹没检测决策层,组成具有异质影像特征空间统一与洪水范围检测能力的深度学习网络模型。本发明通过构建伪洪水样本集和跨任务迁移学习的策略训练洪水检测模型,有效解决了洪水范围检测数据集获取困难的问题,充分利用有限的遥感影像数据集,有利于洪水淹没范围的快速准确检测,进一步提升了多源遥感卫星联合的大范围洪灾检测能力。
技术关键词
特征提取模型
光学遥感卫星影像
光学遥感影像
水体特征
更新模型参数
标签
光学卫星遥感影像
深度学习网络模型
误差
遥感影像数据
合成孔径雷达
图像块
分支
处理器
样本
系统为您推荐了相关专利信息
数据故障诊断
音频
更新模型参数
通用特征
煤矿设备
联运路径优化方法
XGBoost模型
历史运行数据
网络
动态更新
监测系统
传感器节点
多层次融合策略
农业物联网
特征提取模型
飞机牵引车
集成梯度
对抗性
数据存储模块
特征提取模型
新能源锂电池
模态特征
分类结构
性能检测方法
节点