深度神经网络之Sentinel-1时间序列作物制图
Posted 木铎时空
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了深度神经网络之Sentinel-1时间序列作物制图相关的知识，希望对你有一定的参考价值。
合成孔径雷达(SAR)系统因其全天候、全天时、强透射性的优势，已成为测定农作物空间分布及制图的主要手段。尤其是高时空分辨率Sentinel-1传感器为农作物精细化识别提供了新的机遇。然而，农作物地块尺寸小且作物类型丰富，现有基于Sentinel-1后向散射系数的方法难以奏效。此外，很少研究能充分利用Sentinel-1的时间序列信息进行农作物精细化识别。
基于此，我们提出了一种新的深度学习策略挖掘Sentinel-1时序信息用于农作物识别。首先，利用Sentinel-1协方差矩阵代替后向散射信号作为输入向量，为深度网络提供极化特征信息。在此基础上，提出了一种DSCRNN结构，该结构通过深度可分离卷积从多个角度(空间特征、相位相关和时间信息)表征作物类型信息。与以往的研究相比，该方法即使在复杂的作物区域也能提供准确的作物制图结果。
以上是关于深度神经网络之Sentinel-1时间序列作物制图的主要内容，如果未能解决你的问题，请参考以下文章 基于深度学习的农作物叶片病害检测系统（UI界面+YOLOv5+训练数据集） Skysense 之 Sentinel-1差分干涉（DInSAR）处理
由于散射矩阵