买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南中科星图信息技术股份有限公司;中南大学

摘要：本发明公开了一种顾及耕地类型和耕种状态的遥感影像样本增强方法，首先构建用于模型训练和验证的样本集，然后设计了一种条件生成对抗网络，由生成器G和判别器D两部分组成。在训练过程中，利用生成器G将源域影像转换为目标域影像，再转换回源域影像，同时利用判别器D判断源域影像、生成的目标域影像和生成的源域影像的真假、耕地类型和耕种状态，并基于交叉熵损失函数计算9个损失，利用Hubber损失函数计算循环一致性损失；考虑各损失对生成器G和判别器D不同模块优化的贡献，并基于Adam优化器分别实现生成器G和判别器D对应模块的优化。本发明利用生成器G，基于源域影像，并指定目标域，即可实现耕地样本扩充，增加样本的质量、数量和多样性。

主权项：1.一种顾及耕地类型和耕种状态的遥感影像样本增强方法，其特征在于：包括以下步骤：步骤1：数据准备：构建用于模型训练和验证的样本集，包括地表反射率影像、耕地范围二值化影像、耕地类型one-hot编码影像和耕种状态one-hot编码影像；步骤2：模型设计：设计的遥感影像耕地样本增强算法是一种顾及耕地类型和耕种状态的条件生成对抗网络，由生成器G和判别器D部分组成，设计的生成器G是一个端对端的编码-解码网络，其中，编码-解码网络表示设计的网络包含编码器和解码器，编码器用于提取特征，解码器用于根据提取的特征得到需要的结果；以源域真实地表反射率影像、二值化耕地范围影像、目标域耕地类型one-hot编码影像和耕种状态one-hot编码影像作为输入，生成目标域地表反射率影像；设计的判别器D以地表反射率影像和二值化耕地范围影像作为输入，实现三个不同的功能：判断输入影像的真假、耕地类型和耕种状态，三个功能的实现除最后的输出层，其它层权重共享；步骤3：模型训练和验证：利用步骤1生成的训练集和验证集对模型进行对抗训练和验证，模型训练过程包括模型前向传播和损失函数计算、损失反向传递和参数更新两个主要内容；模型验证过程仅包含模型前向传播和损失函数计算过程，训练终止的条件是，模型判别器D无法区分原始影像和生成影像，且对于耕地类型和耕种状态的判断损失值＜0.1，即生成器G能按照生成指定目标域的“以假乱真”的地表反射率影像；步骤4：模型应用：基于步骤1生成的样本，利用步骤3训练的生成器G，输入源域地表反射率影像、二值化耕地范围影像、目标域耕地类型one-hot编码影像和目标域耕种状态one-hot编码影像，即可生成目标域的地表反射率影像，且耕地范围与原影像耕地范围一致，实现样本扩充。

全文数据：

权利要求：

百度查询： 湖南中科星图信息技术股份有限公司 中南大学 一种顾及耕地类型和耕种状态的遥感影像样本增强方法