1.基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法,其特征在于,包括:S1、获取影像数据,并对所述影像数据进行预处理;
S2、通过联合空间-光谱分辨率增强模型,增强影像数据的空间分辨率和光谱分辨率,获取空-谱分辨率增强图;
S3、分析影像的空间-光谱特征,实现水稻病害分类。
2.根据权利要求1所述的基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法,其特征在于,S2中,所述增强影像数据的空间分辨率,表示为:SR
LR
Q=VGG(up(LR
K=V=VGG(AdaIN(up
SR
其中,LR
3.根据权利要求2所述的基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法,其特征在于,S2中,增强影像数据的光谱分辨率,表示为:SSR=DFF(SR
SR=STANet(LR
其中,DFF为基于密集残差结构的特征提取器,SSR表示两个升尺度特征的融合结果,STANet为光谱超分辨率网络;SR为最终得到的空-谱分辨率增强图。
4.根据权利要求3所述的基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法,其特征在于,S3包括:S301、通过3D卷积、分组卷积和点卷积对输入的空-谱分辨率增强图以及低分辨率图像进行初步的特征提取;
S302、采用注意力机制来捕捉序列中不同位置之间的细微关系,并引入交互信息;
S303、通过线性层将提取的特征映射到输出类别的分数,以实现精确分类。
5.根据权利要求4所述的基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法,其特征在于,还包括:S4、在公共数据集及现场采集的数据上进行测试。
6.根据权利要求5所述的基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法,其特征在于,S1中,所述影像数据包括Sentinel-2和VENμS卫星在相同时间获取的影像数据。
7.基于深度学习空谱超分的水稻白叶枯病遥感精细监测系统,其特征在于,用于执行权利要求1至6任一所述的水稻白叶枯病遥感精细监测方法,包括:获取模块,用于获取影像数据,并对所述影像数据进行预处理;
增强模块,用于通过联合空间-光谱分辨率增强模型,增强影像数据的空间分辨率和光谱分辨率,获取空-谱分辨率增强图;
分类模块,用于分析影像的空间-光谱特征,实现水稻病害分类。
8.一种计算机存储介质,其特征在于,所述计算机存储介质内存储有计算机程序;所述计算机程序在计算机上运行时,使得计算机执行权利要求1至6任一所述的水稻白叶枯病遥感精细监测方法。