CN119323736B 一种高分辨率大尺度森林生物量遥感预测方法和系统 （北京科技大学）

一种高分辨率大尺度森林生物量遥感预测本发明公开一种高分辨率大尺度森林生物支特征提取网络先以通道先验模块提取经通道回归网络进行上采样回归输出预测地理范围内2S4、将提取的特征变量的图像输入森林生物量所述状态空间特征提取模块由层归一化、双分支特征提取模块、多层感所述双分支特征提取模块，包括全向选择性状态空间分支和混合卷积将各个图像分别划分为20×20的非重叠块，计算每个非重叠块的每个像素的FAST值，FAST值定义为以每个像素点为圆心，半径为3的圆周上共计16个像素点和圆心的像素差值假设所述基准图像中一个特征点的坐标为(xvy)，计算所述特征点和待配准图像中所有特征点的欧氏距离，选取使欧氏距离最小的待配准图像中的特征点作为匹配的特在所述初始匹配点集的基础上，利用如下公式计算两幅图像中匹配3;上式中gu，分别表示所述基准图像和待配准图像中以匹配点对为中心的5x5窗口像素灰度值，g*，f*分别为相应窗口灰度的平均值；当窗口的灰度相似性系数的最大值大于预设阈值基于灰度共生矩阵针对所述四个单波段和所述后向散射系数极化比值VV/VH进行纹理d=1和方向角度o=0时，灰度以为起始点，出现灰度级j的概率，对于整张图离它的一点(x+1,y+0)构成点对，设所述点对的灰度值为(i,j)，假设图像的最大灰度级为L，则与j的组合共有Lxl种，对于整张图像，统计每一种(i,j)值出现的次产生的矩阵为所述灰度共生矩阵；能量值为图像灰度分布均匀程度和纹理;此外，从航天飞机雷达地形测绘任务的数字高程模型数据中提取高程和坡度2个特征将输入图像序列和所述通道注意力图的元素相乘获得具有通道注意力的通道先验图像序列；4然后将所述通道先验图像序列输入到多尺度可述多尺度可分离卷积模块设置三个并行处理的可分离卷积分支，以捕获多尺度的空间特和9x1卷积构成，获得的特征和此前经3x3卷积获得的特征进行通道混合，得到所述空间注意力图，将所述空间注意力图输入1x15.根据权利要求1所述的方法，其特征在于3卷积和5x5卷积，获取特征变量多尺度信息，通过聚合进而充分学习森林的地理空间效获取模块，用于获取待预测地理范围内的多源数据，所述多源预测模块，用于将提取的特征变量的图像输入森林生物量预测模型主所述状态空间特征提取模块由层归一化、双分支特征提取模块、多层感所述双分支特征提取模块，包括全向选择性状态空间分支和混合卷积58.一种电子设备，所述电子设备包括处理器和至少一条指令由处理器加载并执行以实现如权利要求1_6任一项所述高分辨率大尺度森林6加权后的特征图进行逐层的下采样，并使用状态空间特征提取模块进行双分支特征提取，最后通过所述回归网络进行上采样回归，输出所述预测地理范围内的森林生物量预测结7度相似性系数p：[0017]上式中9i，fi分别表示所述基准图像和待配准图像中以匹配点对为中心的5×f*分别为相应窗口像素的平均值；[0018]当窗口的灰度相似性系数的最大值大于预设阈值T,则将所述匹配点对保留，[0022]由所述光学遥感影像数据提取光谱信息和植被指数，具体包括四个单波段反射[0023]基于灰度共生矩阵针对所述四个单波段和所述后向散射系数极化比值VV/VH进行距离d=1和方向角度g=0"时，灰度以i为起始点，出现灰度级j的概率，对于整张图像，排列为矩阵，得到灰度共生矩阵p(i,jl1,0)，具体包括：在图像中将任意一点的最大灰度级为L，则i与j的组合共有LXL种，对于整张图像，统计每一种(i,j)值出现由此产生的矩阵为所述灰度共生矩阵；能量值Energy为图像灰度分布均匀程度和纹理8[0025]此外，从航天飞机雷达地形测绘任务的数字高程模型数据中提取高程和坡度2个力图的元素相乘获得具有通道注意力的通道先验图像序列；[0027]然后将所述通道先验图像序列输入到多尺度可分离卷积模块，生成空间注意力其反方向展平成8组序列，并采用选择性状态空间模型对输入序列进行建模，实现信息压9单一遥感影像数据在处理森林生物量估算时可能存在的[0045]图1是本发明实施例提供的一种高分辨率大尺度森林生物量遥感预测方法流程[0058]本发明实施例下载来自欧空局的Sentinel_1微波雷达采集的空间分辨率为10m的微波雷达遥感影像数据和Sentinel_2高分辨率多光谱影像仪采集的4个波段的空间分辨率度相似性系数p：[0068]上式中9i，fi分别表示所述基准图像和待配准图像中以匹配点对为中心的5×5窗口像素灰度值，g*，f*分别为相应窗口像素的平均值；[0069]当窗口的灰度相似性系数的最大值大于预设阈值T,则将所述匹配点对保留，[0074]由所述光学遥感影像数据提取光谱信息和植被指数，具体包括四个单波段反射[0075]基于灰度共生矩阵针对所述四个单波段和所述后向散射系数极化比值VV/VH进行距离d=1和方向角度g=0"时，灰度以i为起始点，出现灰度级j的概率，对于整张图像，排列为矩阵，得到灰度共生矩阵p(i,jl1,0)，具体包括：在图像中将任意一点的最大灰度级为L，则i与j的组合共有LXL种，对于整张图像，统计每一种(i,j)值出现由此产生的矩阵为所述灰度共生矩阵；能量值Energy为图像灰度分布均匀程度和纹理[0077]此外，从航天飞机雷达地形测绘任务的数字高程模型数据中提取高程和坡度2个施例使用ArcGIS软件统一所有特征变量的图像空间分所述通道注意力图的元素相乘获得具有通道注意力的通道先验图像序列；[0081]然后将所述通道先验图像序列输入到多尺度可分离卷积模块，生成空间注意力[0090]AGB=a(D2H)'[0092]本发明实施例的森林生物量数据将根据经纬度和对应森林生物量数值制成图像[0096]如图9所示，本发明实施例还提供了一种高分辨率大尺度森林生物量遥感预测系[0098]地理配准模块920，用于联合几何特征和区域特征，对所述多源数据进行地理配因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central上述指令可由终端中的处理器执行以完成上述高分辨率大尺度森林生物量遥感预测方法。[0104]本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件