摘要
本发明公开了一种基于极化SAR图像和半监督回归的植物生长参数反演方法,包括:获取包含至少一个待测点的极化SAR图像的原始数据;每个待测点代表一个目标植物区域;对原始数据极化目标分解得到每个待测点的多维特征;从每个待测点的多维特征中选择目标维度的特征,得到每个待测点的关键特征;每个样本点的标签是该样本点代表的目标植物区域中目标植物的目标生长参数;采用训练好的随机森林回归器,根据每个待测点的关键特征进行目标生长参数预测,得到目标植物的目标生长参数;训练好的随机森林回归器是采用利用了基于半监督学习算法扩充后的训练样本训练的。本发明能够有效提升对植物生长参数的预测精度,且鲁棒性高。
技术关键词
极化SAR图像
参数反演方法
随机森林
样本
半监督学习算法
训练集
带标签
协方差矩阵
后向散射系数
交叉验证法
消除方法
代表
特征选择
预测误差
超参数
鲁棒性
特征值
系统为您推荐了相关专利信息
编码器模块
图像分割方法
多模态
无监督
训练样本图像
铁路接触网
结冰检测方法
图像分割网络
偏振片
样本
交易特征
贸易
识别方法
输出预警信息
机器学习模型