一种基于域适应的小样本SAR图像森林高度反演方法

本发明公开了一种基于域适应的小样本SAR图像森林高度反演方法。首先采集同类型森林区域的少量SAR图像，对图像进行预处理，然后通过滑动窗切片、数据标准化、数据集划分等操作，构建SAR森林反演小样本数据集，采用预训练的单目深度估计网络，作为SAR森林高度反演的原型模型，对原型模型结构进行任务适应性修改，添加输入层和反演头，通过训练集对原型模型进行域适应训练，并使用测试集进行评估，得到训练好的SAR森林高度反演模型Ms，将SAR森林高度反演模型Ms应用于相应观测任务中，从观测到的SAR图像中获得目标区域的高精度全覆盖森林高度地图。本发明缓解了SAR图像数据的小样本限制，提高了反演模型在不同森林区域的泛化能力和预测精度。