基于时序遥感图像数据的红树林分类方法以及装置与流程

本发明涉及遥感数据分析领域，特别涉及是一种基于时序遥感图像数据的红树林分类方法、装置、计算机设备以及存储介质。

背景技术：

1、随着红树林生态系统的重要性日益凸显，对红树林种类进行快速准确的遥感识别成为了保护和管理红树林的关键需求。传统的人工解译方法存在着效率低、主观性强等问题，因此需要一种自动化的红树林种类识别方法来提高效率和精度。机器学习作为一种强大的数据分析和模式识别工具，在遥感图像处理领域得到了广泛应用。通过训练合适的机器学习模型，可以从遥感影像中学习到红树林的特征信息，并实现对不同红树林种类的自动分类识别。

2、然而，在红树林种类的分类识别中，仍存在着一些挑战。例如，红树林的生长状态和环境条件变化多样，影响遥感图像的特征表达；红树林的空间异质性较高，导致分类算法的泛化能力相对较弱，往往无法有效提取和描述红树林的特征信息，以进行有效的红树林分类。

技术实现思路

1、基于此，本发明的目的在于，提供一种基于时序遥感图像数据的红树林分类方法、装置、计算机设备以及存储介质，对时序遥感图像数据中的各个遥感图像进行亚像元提取，基于提取到的亚像元进行特征提取，获得更加精细的时序特征数据，用以对红树林分类模型进行训练，使得训练后的红树林分类模型能够贴合红树林的空间异质性和高度动态性，提高了红树林分类的准确性，为红树林资源管理和生态保护提供可靠的决策支持。

2、第一方面，本申请实施例提供了一种基于时序遥感图像数据的红树林分类方法，包括以下步骤：

3、获得样本区域的时序遥感图像数据，所述时星遥感图像数据包括若干个时间点的遥感图像；获得若干个所述遥感图像的光谱数据以及标签数据，其中，所述标签数据用于指示遥感图像的若干个红树林分类区域；

4、根据所述标签数据，采用亚像元提取方法，获得若干个所述遥感图像的若干个红树林分类区域的若干个亚像元，根据所述光谱数据，对若干个所述亚像元进行特征提取，获得第一时序特征数据，其中，所述第一时序特征数据包括若干个时间点的第一特征数据，所述第一特征数据包括若干个红树林分类区域的若干个所述亚像元的特征指数数据；

5、获得样本区域的第二时序特征数据，将所述第一时序特征数据以及第二时序特征数据输入至待训练的红树林分类模型中进行训练，获得目标红树林分类模型，其中，所述第二时序特征数据包括与所述第一时序特征数据中相应的若干个时间点的第二特征数据，所述第二特征数据包括若干个红树林分类区域的若干个预设的采样点的特征指数数据；

6、获得待分类的时序遥感图像数据，将所述待分类的时序遥感图像数据输入至所述目标红树林分类模型，获得所述待分类的时序遥感图像数据中若干个遥感图像的红树林分类结果。

7、第二方面，本申请实施例提供了一种基于时序遥感图像数据的红树林分类装置，包括：

8、数据获得模块，用于获得样本区域的时序遥感图像数据，所述时星遥感图像数据包括若干个时间点的遥感图像；获得若干个所述遥感图像的光谱数据以及标签数据，其中，所述标签数据用于指示遥感图像的若干个红树林分类区域；

9、特征提取模块，用于根据所述标签数据，采用亚像元提取方法，获得若干个所述遥感图像的若干个红树林分类区域的若干个亚像元，根据所述光谱数据，对若干个所述亚像元进行特征提取，获得第一时序特征数据，其中，所述第一时序特征数据包括若干个时间点的第一特征数据，所述第一特征数据包括若干个红树林分类区域的若干个所述亚像元的特征指数数据；

10、模型训练模块，用于获得样本区域的第二时序特征数据，将所述第一时序特征数据以及第二时序特征数据输入至待训练的红树林分类模型中进行训练，获得目标红树林分类模型，其中，所述第二时序特征数据包括与所述第一时序特征数据中相应的若干个时间点的第二特征数据，所述第二特征数据包括若干个红树林分类区域的若干个预设的采样点的特征指数数据；

11、红树林优势类型识别模块，用于获得待分类的时序遥感图像数据，将所述待分类的时序遥感图像数据输入至所述目标红树林分类模型，获得所述待分类的时序遥感图像数据中若干个遥感图像的红树林分类结果。

12、第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述基于时序遥感图像数据的红树林分类方法的步骤。

13、第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于时序遥感图像数据的红树林分类方法的步骤。

14、在本申请实施例中，提供一种基于时序遥感图像数据的红树林分类方法、装置、计算机设备以及存储介质，对时序遥感图像数据中的各个遥感图像进行亚像元提取，基于提取到的亚像元进行特征提取，获得更加精细的时序特征数据，用以对红树林分类模型进行训练，使得训练后的红树林分类模型能够贴合红树林的空间异质性和高度动态性，提高了红树林分类的准确性，为红树林资源管理和生态保护提供可靠的决策支持。

15、为了更好地理解和实施，下面结合附图详细说明本发明。

技术特征：

1.一种基于时序遥感图像数据的红树林分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于时序遥感图像数据的红树林分类方法，其特征在于：所述光谱数据包括近红外波段反射率、红光波段反射率、蓝光波段反射率、第一短波红外波段反射率、第二短波红外波段反射率以及绿光波段反射率，所述特征指数数据包括相关植被指数、归一化植被指数、增加型植被指数、归一化水体指数、增强型红树林植被指数以及红树林植被指数。

3.根据权利要求2所述的基于时序遥感图像数据的红树林分类方法，其特征在于：所述红树林分类模型采用卷积神经网络模型；

4.根据权利要求1所述的基于时序遥感图像数据的红树林分类方法，其特征在于，还包括步骤：

5.根据权利要求1所述的基于时序遥感图像数据的红树林分类方法，其特征在于，还包括步骤：

6.一种基于时序遥感图像数据的红树林分类装置，其特征在于，包括：

7.一种计算机设备，其特征在于，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的基于时序遥感图像数据的红树林分类方法的步骤。

8.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于时序遥感图像数据的红树林分类方法的步骤。

技术总结本发明涉及遥感数据分析领域，特别涉及一种基于时序遥感图像数据的红树林分类方法、装置、计算机设备以及存储介质，对时序遥感图像数据中的各个遥感图像进行亚像元提取，基于提取到的亚像元进行特征提取，获得更加精细的时序特征数据，用以对红树林分类模型进行训练，使得训练后的红树林分类模型能够贴合红树林的空间异质性和高度动态性，提高了红树林分类的准确性，为红树林资源管理和生态保护提供可靠的决策支持。技术研发人员：邓应彬,杨骥,冯雪松,荆文龙,舒思京,刘莹,李昭,贾翊文,温开祥受保护的技术使用者：南方海洋科学与工程广东省实验室（广州）技术研发日：技术公布日：2024/9/9