CN119516392A 迁移学习下遥感土地覆盖分类方法、装置、设备及存储介质 （长江三峡集团实业发展(北京)有限公司）

迁移学习下遥感土地覆盖分类方法、装置、本申请提供一种迁移学习下遥感土地覆盖的光谱斜率向量和每个目标时期影像对应的光2分别计算所述源时期影像对应的光谱斜率向量和每个所述目标时期影像对应的光谱根据所述源时期影像对应的光谱斜率向量和每个所述目标时期影像对应的光谱斜率根据所述可信样本，对所述多个目标时期影像进行监督分类，以根据地物空间分布的聚集特征，删除所述初始预测样本对所述第一纯化样本进行特征分析，以保留变化强度在变化强度范围内的标采用马尔可夫随机场模型和信息熵理论，对所述第二纯化样本进行计算处理将所述第二纯化样本作为标签对所述多个目标时期影像采用支持向量机模型进行预根据所述归一化总能量影像和所述熵值图，生成加权图，并基于将所述可信区域与所述第二纯化样本进行空间叠置处理，以得根据所述变化强度和所述未变化区域，确定每个所述变化强度3根据所述变化强度范围，对所述第一纯化样本进行筛选，以保留6.根据权利要求1至5任一项所述的方法，其特分别计算所述源时期影像对应的光谱斜率和每个所述目标根据所述源时期影像对应的光谱斜率和每个所述目标时期影像所述源时期影像对应的光谱斜率向量和每个所述目标时期影像对应的光第一计算模块，用于分别计算所述源时期影像对应的光谱第二计算模块，用于根据所述源时期影像对应的光谱斜率第一处理模块，用于根据所述变化强度和所述分类结果第二处理模块，用于对所述初始预测样本进行纯化处理所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被9.一种计算机可读存储介质，其特征在于，所述时实现如权利要求1至6中任一项所述的迁移4类为特定的土地覆盖类型，分析流域土地利用/覆被分类与变化是开展适应性流域管理的高了时间成本及人力成本，而非监督分类方法则无法排除同谱异物和同物异谱现象的干[0008]分别计算源时期影像对应的光谱斜率向量和每个目标时期影像对应的光谱斜率[0009]根据源时期影像对应的光谱斜率向量和每个目标时期影5[0018]将第二纯化样本作为标签对多个目标时期影像采用支持向量机模型进行预分类[0022]将可信区域与第二纯化样本进行空间叠置处理，以得到用于监督分类的可信样6[0047]将第二纯化样本作为标签对多个目标时期影像采用支持向量机模型进行预分类[0051]将可信区域与第二纯化样本进行空间叠置处理，以得到用于监督分类的可信样储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上第一方面和/或7理器执行时实现如上第一方面和/或第一方面各种可能的需进行大量的人工标注工作，极大地减少了人工在样本制作和标注上的时间和人力成本，每个目标时期影像都重新制作样本和进行分类，显著提高了土地覆盖产品的时间分辨率，[0077]图7为本申请实施例提供的迁移学习下遥感土地覆盖分类流程结果的影像示意8了时间成本及人力成本，而非监督分类方法则无法排除同谱异物和同物异谱现象的干扰，[0084]下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述[0085]图1为本申请实施例提供的一种应用数据处理系统架构示意图，该应用数据处理[0088]处理设备102可以获取源时期影像、源时期影像对应的分类结果标签和多个目标[0089]显示设备103还可以是触摸显示屏或者终端设备的屏幕，用于在显示的上述内容9[0092]图2为本申请实施例提供的迁移学习下遥感土地覆盖分类方法的流程示意图一，[0099]通过比较上述步骤获取的源时期影像对应的光谱斜率向量和每个目标时期影像[0103]对于源影像和每个目标影像的变化强度，采用分区阈值法获取不同地物的变[0104]具体的，根据源影像对应已有的分类结果标签C1（假设一共有C类对变化强度[0109]本申请实施例提供的迁移学习下遥感土地覆盖分类方法，通过获取源时期影像、每个目标时期影像对应的光谱斜率向量，计算每个目标时期影像与源时期影像的变化强[0110]图3为本申请实施例提供的迁移学习下遥感土地覆盖分类方法的流程示意图二，[0112]具体的，考虑地物空间分布的聚集特征，假设保留的每个样本最少由q个像元组[0114]具体的，利用上述S203获得的变化强度影像和上述S204得到的每类未变化区[0123]N(m,n)=(m士1,n),(m,n士1),(m+1,n士1),(m-1,n士1)〉[0144]具体的，对于归一化总能量影像I1和熵值图I2，采用加权求和[0148]图4为本申请实施例提供的迁移学习下遥感土地覆盖分类方法的流程示意图三，[0157]以未变化区域和分类结果标签为输入叠置分析得到目标影像监督分类所需的初[0159]图6为本申请实施例提供的迁移学习下遥感土地覆盖分类方法的流程示意图四，[0160]S601、分别计算源时期影像对应的光谱斜率和每个目标时期影像对应的光谱斜[0161]针对源影像ri和每个目标时期影像T(i=2,3…,n)，算源时期影像对应的光谱斜率向量和每个目标时期影像[0169]图7为本申请实施例提供的迁移学习下遥感土地覆盖分类流程结果的影像示意[0171]图8为本申请实施例提供的迁移学习下遥感土地覆盖分类装置的结构示意图。本[0173]第一计算模块802，用于分别计算源时期影像对应的光谱斜率向量和每个目标时[0174]第二计算模块803，用于根据源时期影像对应的光谱斜率向量和每个目标时期影[0183]将第二纯化样本作为标签对多个目标时期影像采用支持向量机模型进行预分类[0187]将可信区域与第二纯化样本进行空间叠置处理，以得到用于监督分类的可信样[0201]图9为本申请实施例提供的迁移学习下遥感土地覆盖分类设备的结构示意图。如[0202]在具体实现过程中，至少一个处理器901执行存储器902[0204]在上述的实施例中，应理解，处理器可以是中央处理单元（英文：Central部设备互连（PeripheralComponent，PCI）总线或扩展工业标准体系结构（Extended[0209]上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecificIntegrated在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个域中的公知常识或惯用技术手段，并不局限于上面已经描述并在附图中示出