(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210517294.X (22)申请日 2022.05.13 (71)申请人 安徽大学 地址 230601 安徽省合肥市经济技 术开发 区九龙路1 11号 (72)发明人 赵晋陵　王娟　黄林生　雷雨　 陈鹏　汪传建　梁栋　 (74)专利代理 机构 合肥国和专利代理事务所 (普通合伙) 34131 专利代理师 张祥骞 (51)Int.Cl. G06V 20/10(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种联合GF-6和Sentinel-2的冬小麦种植 区影像提取方法 (57)摘要 本发明涉及一种联合GF ‑6和Sentinel ‑2的 冬小麦种植区影像提取方法， 与现有技术相比解 决了冬小麦种植区遥感影像提取技术难以满足 实际使用需要的缺陷。 本发明包括以下步骤： 遥 感影像数据集的创建； 构建冬小麦种植区影像提 取网络； 冬小麦种植区影像提取网络的训练； 待 提取遥感影像的获取； 冬小麦种植区影像结果的 提取。 本发 明能够更为准确的从遥感图像中提取 出冬小麦种植区， 通过针对作物空间分布信息提 取任务与高分辨率遥感数据特点设计和改进了 模型结构， 在效率、 速度、 适用性和准确性方面取 得较好效果。 权利要求书2页 说明书7页 附图3页 CN 114842339 A 2022.08.02 CN 114842339 A 1.一种联合GF ‑6和Sentinel ‑2的冬小麦种植区影像提取方法， 其特征在于， 包括以下 步骤： 11)遥感影像数据集的创建： 获取8 m分辨率的高分六号和10m分辨率的哨兵二号遥感影 像并进行 预处理， 构成遥感影 像数据集； 12)构建冬小麦种植区影像提取网络： 以UNet网络作为基础网络， 在其编码层和解码层 的基本卷积单元中嵌入CBAM注 意力模块， 构建改进UNet网络结构作为冬小麦种植区影像提 取网络； 13)冬小麦种植区影像提取网络的训练： 将预处理后的遥感影像数据集输入改进UNet 网络结构进行训练， 得到训练后的冬小麦种植区影 像提取网络； 14)待提取遥感影 像的获取： 获取待提取的遥感影 像并进行 预处理； 15)冬小麦种植区影像结果的提取： 将预处理后的待提取的遥感影像输入训练后的冬 小麦种植区影 像提取网络， 得到冬小麦种植区影 像提取结果。 2.根据权利要求1所述的一种联合GF ‑6和Sentinel ‑2的冬小麦种植区影像提取方法， 其特征在于， 所述的构建冬小麦种植区影 像提取网络包括以下步骤： 21)基于UNet网络作为基本框架来提取特征， 设定Unet模型包括编码器、 解码器和跳跃 连接部分； 22)设定编码器通过卷积层提取的图像特征信息由3 ×3卷积层、 ReLU函数和2 ×2最大 池化层组成； 进行四 次下采样； 在每次池化操作后， 特 征图像变小， 通道数加倍； 解码器通过2 ×2转置卷积进行上采样， 解码器部分完成四次上采样； 每次上采样后， 特 征图像的大小增加， 通道数减少一半， 再通过跳跃连接操作将特征图的低级细节与高级语 义结合起来； 23)设定利用UNet结构中卷积和最大池化所提取的特征， 输入嵌入的注意力机制CBAM 模块； 24)设定CBAM注意力模块： 利用CBAM注意力模块对UNet网络生成的特 征图F∈RC×H×W计算通道注意力MC∈RC×1×1； 将F和MC(F)逐元素相乘获得F ’， 然后对F'计算空间注意力MS∈R1×H×W,将F'和MS(F)逐元 素相乘获得CBAM模块输出 结果F”； 其中， MC(F)公式表示包括： 其中， C、 H和W分别为特征图通道数， 高和宽， δ为Sigmoid函数， W0∈RC/r×C,W1∈RC×C/r， r为 参数减少率， W0后使用Relu作为激活函数； 和 分别表示在空间维度上对F使用平 均和最大池化， MC(F)是通道 注意图； 空间注意力MS(F)计算公式包括： 其中， f7×7表示7×7的卷积层， 和 分别表示在通道维度上 对F使用最大和平均池化。权　利　要　求　书 1/2 页 2 CN 114842339 A 23.根据权利要求1所述的一种联合GF ‑6和Sentinel ‑2的冬小麦种植区影像提取方法， 其特征在于， 所述的改进 UNet网络结构的训练包括以下步骤： 31)确定训练过程中的超参数， 并初始化CBAM ‑UNet模型的参数， Batch  size为4， 学习 率为0.0001， Adam优化器的参数Beta1为0.5， Beta2为0.9 99， Epochs为100； 32)分别将高分六号影像数据集和哨兵二号影像数据集中的图像、 标签作为训练数据 集输入冬小麦种植区影 像提取网络； 33)使用冬小麦种植区影 像提取网络对当前训练数据执 行前向传播； 34)计算损失并反向传播到冬小麦种植区影 像提取网络； 35)使用Adam优化器根据loss值更新冬小麦种植区影像提取网络的参数， 重复32)步 ‑ 34)步， 直到l oss小于预定阈值。权　利　要　求　书 2/2 页 3 CN 114842339 A 3