面向遥感作物制图的系统性分类样本提纯与扩充方法

本发明公开了一种面向遥感作物制图的系统性分类样本提纯与扩充方法，包括获取开源遥感作物分类产品数据集、数据预处理与可用性情况分析、基于多源数据时空滤波算法的样本提纯、结合遥感特征增强与自监督深度学习的样本扩充。本发明能够基于多源作物分类产品数据，高效获取代表性强、数量足够、空间和类别分布均衡的高质量作物样本，为遥感作物分类研究及应用提供样本数据支撑，相较于传统的实地采集和目视解译等作物样本获取方法，本方法更加高效、客观和自动化，相较于目前基于遥感作物分类产品数据简单处理的样本生成方法，本方法更加全面、系统和普适，且生成的样本在准确性、代表性和均衡性方面更具优势。