一种基于深度学习和主被动遥感的多时相水体检测方法

本发明公开了一种基于深度学习和主被动遥感的多时相水体检测方法，属于遥感识别领域。设计TSAE‑UNet模型，将水体检测任务经常面临的多云区域、高异质城市区域和浮游植物干扰区域的卫星遥感影像，利用训练好的TSAE‑UNet模型精准识别为分辨率为像素级的水体、非水体二值图像；TSAE‑UNet模型包括将U‑Net中的传统卷积层替换为深度可分离卷积，下采样和上采样之间通过改进的跳跃连接模块进行连接，并在跳跃连接中引入自适应注意力机制，在相互连接的下采样和上采样之间增加了时序卷积长短期记忆网络，通过时序卷积长短期记忆网络来捕捉和利用多时相遥感数据的时间特征。其步骤简单，显著提高了水体检测的准确性和效率，满足了日益增长的环境监测和资源管理需求。