1.基于时间序列遥感影像的滨海湿地复杂地表精细制图方法,其特征在于,包括:步骤1、获取时序多光谱影像,对时序多光谱影像切块形成时序光谱图像补丁;
步骤2、对所述时序光谱图像补丁进行时间-空间-光谱三个特征的提取与交互;
步骤2包括:
步骤2.1、根据所述时序多光谱补丁,采用三个不同维度的多尺度卷积并行分支实现时间-空间、光谱-空间和时间-光谱特征的两两交互,再通过融合策略对交互后的多维特征进行聚合,获得更强判别能力的四维时间、空间及光谱特征;
步骤2.2、将提取的四维时间、空间及光谱特征借鉴词向量学习方式进行重塑,转换为二维表达形式;并利用Transformer-卷积策略提取重塑后特征的全局与局部信息;
步骤3、引入时间指数分支,对时间特征进行增强;
步骤3包括:
步骤3.1、根据所述时序光谱图像补丁,提取典型水体及植被指数;并将提取的典型水体及植被指数输入至双向长短期记忆网络;
步骤3.2、引入双焦点注意力策略,采用自注意力与交叉注意力结合促进时间特征与时间指数特征的有效关联,捕捉湿地动态变化及增强光谱表征能力;
步骤4、利用特征融合与自适应分类策略对提取到的时间-空间-光谱特征进行深层交互与合并。
2.根据权利要求1所述的于时间序列遥感影像的滨海湿地复杂地表精细制图方法,其特征在于,步骤3.1中,所述典型水体及植被指数包括归一化差异植被指数、修正归一化差异水体指数、土壤调节植被指数、绿色归一化差异植被指数和增强植被指数。
3.根据权利要求2所述的基于时间序列遥感影像的滨海湿地复杂地表精细制图方法,其特征在于,步骤4包括:步骤4.1、在获取空间、光谱和时间的深度特征后,沿第一维度进行拼接,形成统一的融合特征表示;使用混合Transformer-卷积策略来捕捉特征之间的相互依赖关系;
步骤4.2、将输出重新分为三个独立分支,不同维度的特征分别被展平,并通过全连接层提取更高级的语义信息;每个分支提取的判别特征随后被输入到单独的softmax分类器中生成分类结果,最终结果为三者的加权求和。
4.根据权利要求3所述的基于时间序列遥感影像的滨海湿地复杂地表精细制图方法,其特征在于,步骤4.2中,所述分类器使用最大似然估计框架进行训练,并选用交叉熵损失函数。
5.基于时间序列遥感影像的滨海湿地复杂地表精细制图系统,其特征在于,用于执行权利要求1至4任一所述的方法,包括:获取模块,用于获取时序多光谱影像,对时序多光谱影像切块形成时序光谱图像补丁;
特征提取与交互模块,用于对所述时序光谱图像补丁进行时间-空间-光谱三个特征的提取与交互;
时间特征增强模块,用于引入时间指数分支,对时间特征进行增强;
合并模块,用于利用特征融合与自适应分类策略对提取到的时间-空间-光谱特征进行深层交互与合并。
6.一种计算机存储介质,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4任一所述的方法。
7.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至4任一所述的方法。