公开(公告)号：CN116794737A

公开(公告)日：2023-09-22

申请号：CN202310758397.X

申请日：2023-06-26

Applicant: 安徽大学

Inventor： 吴鹏海 ,  李婵 ,  杨添 ,  黄晓涵 ,  杨辉 ,  马晓双

IPC: G01V3/38 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G01V3/12

Abstract: 本发明属于遥感图像智能处理技术领域，具体涉及一种样本优化的被动微波数据无缝重建深度学习方法，本发明获取具有轨道间隙缺失的被动微波数据，充分利用轨道间隙的周期性和相邻时相空间互补性，通过小范围缺失样本对插值生成方法和单次循环掩膜策略进行样本优化，融合U‑net和Transformer构建多时相特征连接重建网络模型，实现无缝重建，得到分布连续、重建区域与原始区域无缝连接的遥感数据。本发明方法有效解决了现有深度学习重建方法在样本数量较少、样本特征不够丰富时，重建结果存在明显的“有缝”痕迹的局限；适用于所有具有轨道间隙的被动微波影像数据或定量参量数据重建，将为全球或区域尺度上被动微波数据的空间完整监测发挥重要作用。