基于多维特征优选与模型优化的SAR图像植被覆盖度反演方法、系统、存储介质和电子设备

AITNT
正文
推荐专利
基于多维特征优选与模型优化的SAR图像植被覆盖度反演方法、系统、存储介质和电子设备
申请号:CN202510708191
申请日期:2025-05-28
公开号:CN120612599A
公开日期:2025-09-09
类型:发明专利
摘要
本申请提供了一种基于多维特征优选与模型优化的SAR图像植被覆盖度反演方法、系统、存储介质和电子设备,包括如下步骤,对Sentinel‑2影像进行预处理,应用波段计算公式计算归一化差异植被指数NDVI,并结合像元二分模型DPM得到研究区域参考植被覆盖度FVC,然后应用改进的遗传算法ET‑GA并使用XGBoost作为适应性评估函数,以均方根误差(RMSE)作为评价指标挑选出最优的SAR特征组合。本发明通过多种特征分解方法提取SAR特征、多维特征优选、智能算法优化与深度学习模型结合,解决了SAR数据在植被参数反演中特征冗余、精度不足、效率低下等核心问题,为遥感定量反演领域提供了创新技术方案。
技术关键词
反演方法 土地覆盖分类 极化相干矩阵 散射机制 极化分解技术 参数优化算法 后向散射系数 高精度DEM数据 XGBoost模型 影像 图像 散射特征 植被参数反演 遥感定量反演 雷达 智能算法优化 DPM模型 特征参数提取
系统为您推荐了相关专利信息
1
基于PMU-Net深度学习网络的重力异常体反演方法
异常数据 密度分布模型 深度学习网络 预训练模型 反演方法
2
一种星载多波长激光雷达探测云粒子物理特性的反演方法
后向散射信号 反演方法 后向散射系数 垂直通道 透过率
3
一种土壤湿度反演方法、装置、介质和设备
土壤湿度反演方法 粗糙度参数 平均叶倾角 土壤介电常数 归一化植被指数
4
一种基于贝叶斯的特深地层参数反演及破裂预测方法
破裂预测方法 马尔可夫链蒙特卡罗 联合分布函数 机器学习模型 反演方法
5
一种基于磁传感器阵列的电流反演方法
磁传感器阵列 导体系统 测量点 磁场传感器 反演方法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号