摘要
本发明公开了一种基于空‑谱联合增强对比学习的遥感影像农作物分类方法,本发明设计了三维时空谱特征编码器以进行农作物特征的初步提取。然后基于遥感影像的特性以多视图联合对比学习的方式提取遥感图像的空间和光谱特征,在光谱增强模块引入最佳指数法从多光谱图像中进行特征优选构造光谱增强视图,提高光谱信息的利用效率;在空间增强模块利用农作物的空间分布关系,结合光谱相似性建模构造空间增强视图,用于增强相邻农田样本间的特征关联。与现有最先进的自监督对比学习方法相比,本发明能够从无标注的遥感数据中挖掘有效的空谱联合语义特征,提高模型在农作物分类任务中的表现,具有良好的应用价值。
技术关键词
农作物分类方法
空谱特征融合
谱特征提取
样本
特征选择
图像
模块
影像
三维卷积神经网络
地理空间信息
邻居
特征提取网络
分类场景
关系
超参数
邻域
反射率
语义
学习方法
矩阵
系统为您推荐了相关专利信息
聚类方法
全局结构信息
矩阵
迭代优化算法
拉普拉斯
识别训练方法
大语言模型
蒸馏
训练样本集
输出特征