摘要
本发明提供一种基于无监督深度学习的青藏高原湖泊提取方法及设备,涉及遥感影像分析领域,包括:通过初始影像集合计算获得伪标签影像;对初始影像集合进行多波段合成和水体指数划分,获得训练影像集合;通过训练影像集合对多尺度注意力网络模型进行预训练;通过更新标签影像和训练影像集合继续训练多尺度注意力网络模型,获得训练好的多尺度注意力网络模型;通过训练好的多尺度注意力网络模型对研究区影像中的湖泊进行预测。本发明通过多尺度注意力网络模型最终获得的湖泊制图在定量评价和定性评价两个角度都具有卓越的表现,因此多尺度注意力网络模型具有较强的泛化能力,能够适应不同地区和传感器的地物特征差异。
技术关键词
无监督深度学习
青藏高原
注意力
水体
编码模块
输出特征
多尺度
像素
标签
指数
网络
表达式
遥感影像分析
Otsu算法
多波段
地物特征
解码器
样本
系统为您推荐了相关专利信息
风险识别方法
检修计划
电网运行数据
自然灾害风险
电网运行状态
多模态
智能预警方法
预警模型
节点
特征提取模型
文本特征向量
节点特征
卷积网络模型
社交机器人
关系网络
城市绿化系统
生长预测模型
植物生长状况
无人机巡检系统
混合整数线性规划
时空轨迹数据
关联分析方法
模态特征
滑动窗口
指数