[发明专利]基于多源时序遥感深度协同下的耕地动态监测方法及系统

权利要求书

1.一种基于多源时序遥感深度协同下的耕地动态监测方法，其特征在于，所述方法包括：

步骤S1：获取SAR时序影像和光学时序影像；

步骤S2：基于所述SAR时序影像和所述光学时序影像计算多极化深度稳健特征；具体包括：步骤S21：基于所述SAR时序影像和所述光学时序影像构建多极化SAR时间序列数据库；步骤S22：从所述多极化SAR时间序列数据库中提取不同极化的SAR时间序列数据；步骤S23：基于所述不同极化的SAR时间序列数据构建一维卷积神经网络；步骤S14：根据所述一维卷积神经网络计算多极化深度稳健特征；

步骤S3：基于所述多极化深度稳健特征和长短期记忆网络，采用注意力机制构建不同农作物对应的所述SAR时序影像与所述光学时序影像之间的转换关系模型；

步骤S4：基于不同农作物对应的所述转换关系模型填补光学时间序列中的空缺值，并计算不同农作物对应的植被指数；

步骤S5：基于不同农作物对应的所述植被指数实现对耕地时空动态监测。

2.根据权利要求1所述的基于多源时序遥感深度协同下的耕地动态监测方法，其特征在于，所述构建一维卷积神经网络具体公式为：

其中，h_i,j表示第i卷积层输出的j个特征，*表示卷积运算，w_i,mj表示h_i,j特征中第m个卷积核参数，M表示表示神经结点个数或特征数量，b_i,j表示偏置量，h′_i,j(l)表示在步长s下r个卷积特征经池化层汇总后的第l个深度特征，sl表示输入层特征，r表示不同极化的SAR时间序列数据的长度。

3.根据权利要求1所述的基于多源时序遥感深度协同下的耕地动态监测方法，其特征在于，所述基于所述SAR时序影像和所述光学时序影像构建多极化SAR时间序列数据库，具体包括：

步骤S211：对所述SAR时序影像和所述光学时序影像进行几何模板匹配，获得垂直-垂直SAR时间序列数据和垂直-水平SAR时间序列数据；

步骤S212：利用所述垂直-垂直SAR时间序列数据和所述垂直-水平SAR时间序列数据构建多极化SAR时间序列数据库。

4.根据权利要求1所述的基于多源时序遥感深度协同下的耕地动态监测方法，其特征在于，所述转换关系模型具体公式为：

其中，e_i,j表示第j时刻SAR时序影像和第i-1时刻光学时序影像之间的转换关系，a表示自注意力函数，s_i-1表示第i-1时刻的光学时序影像，H_j表示一维卷积神经网络在j时刻输出的多极化深度稳健特征，soft max()表示归一化指数函数，a_i,j表示第j时刻SAR时序影像与第i时刻光学时序影像之间的权重。

5.一种基于多源时序遥感深度协同下的耕地动态监测系统，其特征在于，所述系统包括：

获取模块，用于获取SAR时序影像和光学时序影像；

多极化深度稳健特征计算模块，基于所述SAR时序影像和所述光学时序影像计算多极化深度稳健特征；具体包括：多极化SAR时间序列数据库构建单元，基于所述SAR时序影像和所述光学时序影像构建多极化SAR时间序列数据库；提取单元，用于从所述多极化SAR时间序列数据库中提取不同极化的SAR时间序列数据；一维卷积神经网络构建单元，基于所述不同极化的SAR时间序列数据构建一维卷积神经网络；多极化深度稳健特征计算单元，用于根据所述一维卷积神经网络计算多极化深度稳健特征；

转换关系模型构建模块，基于所述多极化深度稳健特征和长短期记忆网络，采用注意力机制构建不同农作物对应的所述SAR时序影像与所述光学时序影像之间的转换关系模型；

植被指数确定模块，基于不同农作物对应的所述转换关系模型填补光学时间序列中的空缺值，并计算不同农作物对应的植被指数；

耕地时空动态监测模块，基于不同农作物对应的所述植被指数实现对耕地时空动态监测。