摘要
本发明公开了一种基于高光谱数据模拟和U‑net的水体遥感识别方法,包括如下步骤:A、数据收集与预处理;B、样本区的选择与制作;C、数据模拟;D、派生参数的计算;E、训练样本和验证样本的制作;F、U‑net网络模型训练;G、多光谱水体检测;H、精度评价。该方法通过高光谱遥感图像来获取高质量的训练样本,模拟不同传感器的多光谱数据,解决了不同多光谱卫星之间、不同地理距离和时间的水体分类样本可重复使用性尚不充分的问题,以多光谱数据Landsat8和Sentinel2为例,证明该方法可有效剔除水体识别时易混淆地物,如建筑阴影、云阴影,准确提取面积大的河流、湖泊的基础上,也提高了对小湖泊、坑塘识别的精度。
技术关键词
遥感识别方法
归一化水体指数
多光谱传感器
影像
归一化植被指数
网络模型训练
样本
反射率数据
高光谱遥感数据
短波红外
高光谱遥感图像
定量方法
栅格
正则化策略
交叉验证方法
系统为您推荐了相关专利信息
图像增强方法
喉部结构
运动传感器数据
特征金字塔
上采样
覆盖率
秸秆
光学卫星遥感影像
指数特征
皮尔逊相关系数
机器学习模型
识别系统
朴素贝叶斯
样本
随机森林
有限元分析模型
力学分析方法
三维医学影像数据
应力
材料性能参数
风险管理系统
风险点
风险识别模型
信息处理模块
识别风险