技術特征：

1.一種人工林多源遙感提取方法，其特征在于，包括：

2.根據權利要求1所述的人工林多源遙感提取方法，其特征在于，獲取所述多源遙感數(shù)據，包括：分別獲取sentinel-2時間序列影像、sentinel-1時間序列影像和landsat時間序列影像。

3.根據權利要求2所述的人工林多源遙感提取方法，其特征在于，對所述多源遙感數(shù)據進行預處理，得到預處理多源遙感數(shù)據，包括：

4.根據權利要求3所述的人工林多源遙感提取方法，其特征在于，所述ndvi處理的公式為：

5.根據權利要求4所述的人工林多源遙感提取方法，其特征在于，所述諧波回歸擬合的模型為：

6.根據權利要求1所述的人工林多源遙感提取方法，其特征在于，分別獲取訓練樣本和驗證樣本，根據所述驗證樣本篩選所述訓練樣本以得到第一樣本集，包括：

7.根據權利要求1所述的人工林多源遙感提取方法，其特征在于，根據所述第一樣本集分別訓練若干個分類器，對應得到若干個第一分類器，并通過所述若干個第一分類器分別對所述第一樣本集進行分類，對應得到第一分類結果，包括：

8.根據權利要求7所述的人工林多源遙感提取方法，其特征在于，所述評估指標包括：混淆矩陣結果、整體精度和召回率；

9.根據權利要求6所述的人工林多源遙感提取方法，其特征在于，對所述若干個第一分類結果中的少數(shù)分類結果進行樣本增強以得到第二樣本集，包括：

10.根據權利要求1所述的人工林多源遙感提取方法，其特征在于，所述根據所述第二樣本集分別訓練所述若干個第一分類器，對應得到若干個第二分類器，包括：

技術總結
本發(fā)明涉及一種人工林多源遙感提取方法，屬于遙感數(shù)據檢測領域，包括：獲取多源遙感數(shù)據并進行預處理，得到預處理多源遙感數(shù)據；分別獲取訓練樣本和驗證樣本，根據驗證樣本篩選訓練樣本以得到第一樣本集；根據第一樣本集分別訓練若干個分類器得到若干個第一分類器，并對第一樣本集進行分類得到第一分類結果；對第一分類結果中的少數(shù)分類結果進行樣本增強以得到第二樣本集；根據第二樣本集分別訓練若干個第一分類器，對應得到若干個第二分類器；通過若干個第二分類器分別對預處理多源遙感數(shù)據進行分類，對第二分類結果進行決策融合得到最終分類結果。本發(fā)明基于多源遙感數(shù)據，根據分類結果進行樣本增強和決策融合，提高了對少數(shù)類樣本的識別能力。

技術研發(fā)人員：馮偉,王碩,吳普俠,高新婷,龍以君,全英匯,李強
受保護的技術使用者：西安電子科技大學
技術研發(fā)日：
技術公布日：2024/12/10