[发明专利]一种基于多维特征融合的区域农作物分类方法及系统

权利要求书

1.一种基于多维特征融合的区域农作物分类方法，其特征在于，包括：

获取目标区域农作物的第一光学遥感数据、第二光学遥感数据和合成孔径雷达后向散射特征，所述第二光学遥感数据的空间分辨率高于所述第一光学遥感数据的空间分辨率；

获取所述第一光学遥感数据中的光谱特征，并基于时间序列，对所述第一光学遥感数据进行物候特征提取，以根据所述光谱特征和提取得到的物候特征，得到光谱-物候特征；根据纹理特征提取算法，对所述第二光学遥感数据进行纹理特征提取，得到纹理特征；

将所述光谱-物候特征、所述纹理特征和所述合成孔径雷达后向散射特征进行特征融合处理，得到多特征融合数据；

根据所述多特征融合数据，获取对应的评价指标，并按照时间顺序将评价指标进行排序，得到所述目标区域农作物的多时相多特征数据集；

将所述多时相多特征数据集输入到训练好的区域农作物分类模型中，得到所述目标区域农作物的分类结果，其中，所述训练好的区域农作物分类模型是通过标记有分类标签的样本多时相多特征数据集，对神经网络模型进行训练得到的。

2.根据权利要求1所述的基于多维特征融合的区域农作物分类方法，其特征在于，所述训练好的区域农作物分类模型通过以下步骤得到：

根据样本区域农作物的第一光学遥感样本数据、第二光学遥感样本数据和合成孔径雷达后向散射样本特征，得到所述样本区域农作物的多时相多特征样本数据集，其中，所述第一光学遥感样本数据为Sentinel-2和Landsat-8的光学遥感数据，所述第二光学遥感样本数据为GF-1、GF-2或GF-6的PMS相机采集的光学遥感数据，所述合成孔径雷达后向散射样本特征为Sentinel-1的雷达多极化数据；

对所述多时相多特征样本数据集的图像区域标记分类标签，构建样本数据集；

根据所述样本数据集，对神经网络模型进行训练，得到训练好的区域农作物分类模型，其中，所述神经网络模型为U-net模型。

3.根据权利要求1所述的基于多维特征融合的区域农作物分类方法，其特征在于，所述光谱-物候特征包括绿度差异特征数据、冠层含水量差异特征数据和生物量差异特征数据。

4.根据权利要求1所述的基于多维特征融合的区域农作物分类方法，其特征在于，所述纹理特征提取算法据包括：灰度共生矩阵、小波变换提取法、Gabor滤波器提取或局部二值模式。

5.根据权利要求1所述的基于多维特征融合的区域农作物分类方法，其特征在于，所述评价指标包括：归一化植被指数、增强植被指数、比值植被指数、归一化差值水分指数和红边位置指数中的一种或多种。

6.根据权利要求1所述的基于多维特征融合的区域农作物分类方法，其特征在于，在所述根据所述多特征融合数据，获取对应的评价指标，并按照时间顺序将评价指标进行排序，得到所述目标区域农作物的多时相多特征数据集之后，所述方法还包括：

将所述多时相多特征数据集的数据切割为预设规格的栅格数据，输入到训练好的区域农作物分类模型中，并将输出的栅格块进行拼接，得到所述目标区域农作物的分类结果。

7.根据权利要求1所述的基于多维特征融合的区域农作物分类方法，其特征在于，在所述将所述多时相多特征数据集输入到训练好的区域农作物分类模型中，得到所述目标区域农作物的分类结果之后，所述方法还包括：

通过条件随机场算法，对分类结果进行优化处理，得到优化处理后的分类结果。