CN115861831B 基于作物物候知识的时间序列遥感数据农作物识别方法 （福州大学）_第1页
CN115861831B 基于作物物候知识的时间序列遥感数据农作物识别方法 （福州大学）_第2页
CN115861831B 基于作物物候知识的时间序列遥感数据农作物识别方法 （福州大学）_第3页
CN115861831B 基于作物物候知识的时间序列遥感数据农作物识别方法 （福州大学）_第4页
CN115861831B 基于作物物候知识的时间序列遥感数据农作物识别方法 （福州大学）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于作物物候知识的时间序列遥感数据农本发明涉及一种基于作物物候知识的时间步骤S1:根据作物生长曲线构建关键生长期的物候指数，提取作物物候特征;步骤S2:构建基于LSTM网络的时序遥感数据特征提取模型，并在LSTM网络中集成全卷积神经网络；步骤S3:基于优化；步骤S5:基于训练后的PST_LSTM模型对待2步骤S2:构建基于LSTM网络的时序遥感数据特征提取模型，并在LSTM网络中集成全卷步骤S5:基于训练后的PST_LSTM模型对待识别遥感2.根据权利要求1所述的基于作物物候知识的时间序列遥感数据农作物识别方法，其3.根据权利要求1所述的基于作物物候知识的时间序列遥感数据农作物识别方法，其4.根据权利要求1所述的基于作物物候知识的时间序列遥感数据农作物识别方法，其3pp4遥感数据农作物种植自动分类方法多利用单一的物候特征规则或常规的时间序列分类方[0007]步骤S2:构建基于LSTM网络的时序遥感数据特征提取模型，并在LSTM网络中集成5[0025]步骤S32：基于多模态学习框架，融合LSTM模块与全卷积神经网络模块输出的物pt为时序数据p6[0038]图5为本发明实施例提取的目标作物SAR影像VH和VV指数的时间序列曲线及指标[0043]请参照图1，本发明提供一种基于作物物候知识的时间序列遥感数据农作物识别7[0068]步骤S23：选择LSTM为基本网络，结合注意力机制获取融合特征的深层时间域信]+bf)]+bo)8ptp例使用了29234个烟草样本和41993个合特征经LSTM模块得到作物生长的时间特征。FCN模块由3个编码器和1个全局平均池化层9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论