摘要
本发明公开了物候先验知识引导半监督学习的小样本农作物制图方法,获取研究区时序VH数据、时序VV数据及植被指数数据;获取研究区内各个采样点的农作物类别和地理坐标并构建有标签样本,基于整体物候先验知识构建无标签样本;构建半监督学习网络;计算总损失函数并对骨干网络模型进行训练;获取待预测区域耕地像元的时序VH数据和时序VV数据输入到训练完成的骨干网络模型,获得最终农作物类别。本发明采用基于伪标签的半监督学习策略,突破了基于监督学习的农作物识别模型对实地样本的高度依赖,提高了小区域内采集少量样本进行多种农作物同步制图的表现。
技术关键词
半监督学习
制图方法
冬季作物
无标签样本
分类规则
归一化植被指数
植被指数数据
时序
半监督训练
地表水
地表反射率
语义特征
网络
耕地
监督学习策略
农作物识别
周期