摘要
本发明涉及地理信息科学技术领域,具体为基于机器学习的测绘地理空间全覆盖数据生成方法及系统。本发明首先,收集植被覆盖图像生成模型所需的历史森林植被图像、季节标签、气候数据和真实植被覆盖图像;其次,构建历史森林植被图像分析模型和气候数据分析模型,分别对历史森林植被图像和气候数据进行分析,得到森林植被空间特征和气候时间特征;接着,将森林植被空间特征、气候时间特征和季节标签进行融合并处理,得到生成植被覆盖图像;然后,构建生成植被覆盖图像真实性评分模型,计算真实和生成植被覆盖图像的差异,得到生成植被覆盖图像真实性评分;最后,利用对抗损失优化生成植被覆盖图像的真实性,得到满足预设条件的生成植被覆盖图像。
技术关键词
植被
数据生成方法
气候
图像分析模型
数据分析模型
全覆盖
图像生成模型
标签
空间特征提取
非线性
遥感影像数据
地理信息科学技术
数据生成系统
生成高分辨率
LSTM模型
事件特征
数据采集模块
序列
系统为您推荐了相关专利信息
杂草识别
算法模型
杂草图像
分类方法
深层卷积网络
太阳能板
渔光互补光伏组件
图像采集设备
颜色
特征值
红梅杏
土壤保水
k均值聚类算法
线性回归算法
策略数据库
可燃物含水率
人工神经网络
反演方法
反射率数据
反演模型
数据生成方法
多模态
生成网络模型
联合损失函数
模板