[发明专利]一种基于深度ISA数据融合的植被类型识别方法

权利要求书

1.一种基于深度ISA数据融合的植被类型识别方法，其特征在于，所述基于深度ISA数据融合的植被类型识别方法包括以下步骤：

基于时间t获取MODIS数据和Landsat影像数据并进行预处理；

构建时空适应性反射率融合模型融合MODIS数据和Landsat影像数据并生成时序遥感影像数据集；

基于时序遥感影像数据集构建深度卷积ISA神经网络模型；

根据构建的深度卷积ISA神经网络模型对预测影像进行分类，并生成植被类型遥感分布图。

2.根据权利要求1所述的基于深度ISA数据融合的植被类型识别方法，其特征在于，所述构建时空适应性反射率融合模型融合MODIS数据和Landsat影像数据包括：基于时间t，获取t1、t2时刻的MODIS数据和Landsat影像数据，基于t1时刻的MODIS数据、Landsat影像数据和t2时刻的MODIS数据构建时空适应性反射率融合模型，融合MODIS数据和Landsat影像数据生成LANDSAT时间序列数据集。

3.根据权利要求2所述的基于深度ISA数据融合的植被类型识别方法，其特征在于，所述时序遥感影像数据集包括LANDSAT时间序列数据集和基于LANDSAT时间序列数据集提取的植被指数数据集。

4.根据权利要求3所述的基于深度ISA数据融合的植被类型识别方法，其特征在于，所述基于深度ISA数据融合的植被类型识别方法包括：基于LANDSAT时间序列数据集和提取的植被指数数据集进行不同类型不同尺度结果比较获得最优的植被指数融合结果。

5.根据权利要求2所述的基于深度ISA数据融合的植被类型识别方法，其特征在于，所述时空适应性反射率融合模型为：

其中，(x_i,y_j)代表像元在影像中的位置；M(x_i,y_j,t₀)为在给定时间t0下，像元(x_i,y_j)在MODIS影像上的表面反射率；M(x_i,y_j,t_k)为在给定时间t_k下，像元(x_i,y_j)在MODIS影像上的表面反射率L(x_i,y_j,t_k)为在给定时间t_k下，像元(x_i,y_j)在Landsat影像上的表面反射率。

6.根据权利要求5所述的基于深度ISA数据融合的植被类型识别方法，其特征在于，所述时空适应性反射率融合模型的构建过程具体包括：基于Landsat影像数据，通过选取以预测像元为中心的邻域窗口，并利用权重函数对窗口内像元进行卷积运算，确定中心像元的预测值，然后在整幅影像上滑动卷积窗口，得到预测影像。

7.根据权利要求1至6之一所述的基于深度ISA数据融合的植被类型识别方法，其特征在于，所述基于时序遥感影像数据集构建深度卷积ISA神经网络模型包括：

基于生成的时序遥感影像数据集，通过设置邻域窗口大小，为图像上的每个待分类像元选定邻域窗口大小为n*n的一片区域；

基于选定的区域生成一维时序光谱向量集，对于m天的数据，输入向量的维数为27m；

构建第一层ISA特征学习方法；

在第一层ISA特征学习的基础上，利用PCA方法对输出结果进行降维；

构建下一层ISA模型，并形成层次化的深度ISA学习模型；

训练并形成深度ISA网络分类模型。

8.根据权利要求7所述的基于深度ISA数据融合的植被类型识别方法，其特征在于，所述ISA(独立子空间分析)特征学习方法为：通过对图像的无监督学习来获取图像内部所隐含的信息，包括下采样和池化两层结构。