【技术实现步骤摘要】
本专利技术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。
技术介绍
1、红树林是一种特殊的生态系统，分布在沿海地区，并对维持海岸线稳定和生态环境平衡具有重要作用。传统的红树林分类方法通常基于遥感图像的像元尺度进行分类，但由于红树林的空间异质性和高度动态性，使得传统方法往往无法有效提取和描述红树林的特征信息。
技术实现思路
1、基于此，本专利技术的目的在于，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红树林分类以及像元提取，获得各个遥感图像的各个红树林分类类型的训练像元，采用亚像元映射方法，对训练像元进行反射特征提取，获得训练像元的更加精细的反射特征数据，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。
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、获得样本时序遥感图像数据，其中，所述样本时序遥感图像数据包括若干个样本遥感图像；
4、根据预设的若干个采样区域，获得各个所述样本遥感图像的若干个采样区域的光谱数据，根据所述光谱数据，对若干个所述采样区域进行分类，获得各个所述样本遥感图像的若干个红树林分类类型的分类区域；
5、根据预设的像元采样数目，分别从若干个红树林分类类型的分类区域中均提取若干
6、将若干个训练像元的反射特征数据输入至预设的红树林分类模型中进行训练，获得目标红树林分类模型；
7、响应于分类指令，获得待分类的遥感图像，将所述待分类的遥感图像输入至所述目标红树林分类模型，获得所述待分类的遥感图像的红树林分类结果。
8、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：
9、数据获取模块，用于获得样本时序遥感图像数据，其中，所述样本时序遥感图像数据包括若干个样本遥感图像；
10、区域划分模块，用于根据预设的若干个采样区域，获得各个所述样本遥感图像的若干个采样区域的光谱数据，根据所述光谱数据，对若干个所述采样区域进行分类，获得各个所述样本遥感图像的若干个红树林分类类型的分类区域；
11、亚像元尺度特征提取模块，用于根据预设的像元采样数目，分别从若干个红树林分类类型的分类区域中均提取若干个像元，作为训练像元，采样亚像元映射方法，对若干个训练像元进行反射特征提取，获得若干个训练像元的反射特征数据；
12、模型训练模块，用于将若干个训练像元的反射特征数据输入至预设的红树林分类模型中进行训练，获得目标红树林分类模型；
13、分类模块，用于响应于分类指令，获得待分类的遥感图像，将所述待分类的遥感图像输入至所述目标红树林分类模型，获得所述待分类的遥感图像的红树林分类结果。
14、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。
15、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。
16、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红树林分类以及像元提取，获得各个遥感图像的各个红树林分类类型的训练像元，采用亚像元映射方法，对训练像元进行反射特征提取，获得训练像元的更加精细的反射特征数据，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。
17、为了更好地理解和实施，下面结合附图详细说明本专利技术。
本文档来自技高网...【技术保护点】
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、短波红外波段反射率以及绿光波段反射率。
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，所述根据所述光谱数据，对若干个所述采样区域进行分类，获得各个所述样本遥感图像的若干个采样区域的红树林分类类型，包括步骤：
4.根据权利要求1或3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，所述采样亚像元映射方法，对若干个训练像元进行反射特征提取，获得若干个训练像元的反射特征数据，包括步骤：
5.根据权利要求4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，所述将若干个训练像元的反射特征数据输入至预设的红树林分类模型中进行训练，获得目标红树林分类模型，包括步骤：
6.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：
7.一种基于时序遥感图像数据的红树林分类装置，其特征
8.一种计算机设备，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7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。
9.一种存储介质，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7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。
...【技术特征摘要】
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、短波红外波段反射率以及绿光波段反射率。
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，所述根据所述光谱数据，对若干个所述采样区域进行分类，获得各个所述样本遥感图像的若干个采样区域的红树林分类类型，包括步骤：
4.根据权利要求1或3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，所述采样亚像元映射方法，对若干个训练像元进行反射特征提取，获得若干个训练像元的反射特征数据，包括步骤：
5.根据权利要求4所述的基于时序遥感图像数据的红树林分类方法，...
【专利技术属性】
技术研发人员：邓应彬，杨骥，冯雪松，荆文龙，舒思京，
申请(专利权)人：南方海洋科学与工程广东省实验室广州，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。