[发明专利]一种基于深度卷积神经网络的时空卫星图像融合方法有效
| 申请号： | 201711180763.9 | 申请日： | 2017-11-23 |
| 公开（公告）号： | CN107945146B | 公开（公告）日： | 2021-08-03 |
| 发明（设计）人： | 宋慧慧;孙毅堂;刘青山;王国杰;张开华 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06T3/40;G06N3/04 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 210044 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明提供了一种基于深度卷积神经网络的时空卫星图像融合方法。所述基于深度卷积神经网络的时空卫星图像融合方法包括如下步骤：训练阶段：选取对应的Landsat图像和MODIS图像形成Landsat‑MODIS图像对，并对Landsat图像进行下采样，得到接近MODIS空间分辨率的LSR Landsat图像，根据Landsat图像、MODIS图像和LSR Landsat图像的组合进行训练，并分别得到非线性映射CNN网络和超分辨率重建CNN网络；预测阶段：分别选取日期t |
||
| 搜索关键词： | 一种 基于 深度 卷积 神经网络 时空 卫星 图像 融合 方法 | ||
【主权项】：
一种基于深度卷积神经网络的时空卫星图像融合方法，其特征在于：包括如下步骤：训练阶段：选取对应的Landsat图像和MODIS图像形成Landsat‑MODIS图像对，并对Landsat图像进行下采样，得到接近MODIS空间分辨率的LSR Landsat图像，根据Landsat图像、MODIS图像和LSR Landsat图像的组合进行训练，并分别得到非线性映射CNN网络和超分辨率重建CNN网络；预测阶段：分别选取日期t1和t3的Landsat‑MODIS图像对，基于训练阶段得到的非线性映射CNN网络和超分辨率重建CNN网络，预测位于日期t1和t3之间的日期t2的Landsat预测图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京信息工程大学，未经南京信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711180763.9/，转载请声明来源钻瓜专利网。
