CN115620132B 一种无监督的对比学习冰湖提取方法 （中国科学院西安光学精密机械研究所）

RepresentationforWeakly-.2023,1-17.本发明提供一种无监督的对比学习冰湖提采用水体指数NDWI光谱特征图作为对比学习的2步骤3，将步骤2得到的两个分支在不同尺度下对应的特步骤5，将步骤2得到的两个分支中原图在不同尺度步骤7，将任意冰湖遥感图像输入步骤6获得的冰3步骤5具体为：将步骤2得到两个分支中原图在不同尺度4也取得了巨大的进步。比如，基于随机森林的冰湖提取方法(WangchukS.；BolchT.MappingofglaciallakesusingSentinel_1andSentinel_2dataandarandomforestclassifier:Strengthsandchallenges.ScienceofRemoteSensing,2020,2)，YousafA.；ShahidI.GlacialLakesMappingUsingMultiSatellitePlanetScopeImageryandDeepLearning.ISPRSInternationalJournalofGeo_Information,LearningMethodforMappingGlacialLakesfromtheCombinedUseofSynAdversarialNetworksforGlschemeforglaciallakedynamicsmappingusingLandsatimageryandDigitalElevationModels:ACaseStudyintheHimalayas.Int.J.RemoteSens.2012,33,forMappingGlaciallakesinHighMountainRegionsofAsia.IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2018,11,GlacialLakesinGangotriGlacierUsingObject_BasedImageAnalysis.IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,5原图的粗略冰湖分布区域图，将此粗略结果图作为步骤3获得的对比学习模块学习的伪标[0012]步骤6，结合步骤4得到的伪标签和步骤5得到的冰湖提取结果进行位置损失的计6[0029]3、本发明一种无监督的对比学习冰湖提取方法，采用伪标签作为对比学习的标7[0044]具体为，将步骤2得到的两个分支在不同尺度下对应的特征图分别输入投影层中8下映射结果的相似损失，相似损失指的是两个相似图像在经过权值共享的对比分支之后，[0052]本实施例为了保证能够排除所有噪声的干扰，选择设置较高的水体指数阈值T为[0055]步骤6，结合步骤4得到的伪标签和步骤5得到的冰湖提取结果进行二者位置损失9BolchT.MappingofglaciallakesusingSentinel_1andSentinel_2dataandarandomforestclassifier:Strengthsandchallenges.ScienceofRemoteSensing,I.GlacialLakesMappingUsingMultiSatellitePlanetScopeImageryandDeepMappingGlacialLakesfromtheCombinedUseofSynthetic_ApertureRadarandOpticalSatelliteImag考(ZhaoH.；ChenF.；ZhangM.ASystematicExtractionApproachforMappingGlaciallakesinHighMountainRegionsofAsia.IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2018,11,2788_2799.)，全局_局部的迭代分割算法，参考(Li,J.；Sheng,Y.AnautomlakedynamicsmappingusingLandsatim