一种基于多维光谱特征的农作物精细分类方法

本发明属于图像处理技术领域，具体涉及一种基于多维光谱特征的农作物精细分类方法：先获取单时相高分辨率遥感影像，计算多种光谱指数并生成影像栅格；基于耕地田块提取结果，叠加遥感影像选取分类标注样本；再分别切割遥感影像和光谱指数栅格并多通道合成；之后划分数据集，构建深度学习模型，经训练、验证后全域推理输出结果。本发明中的方法通过多维光谱指数提升准确性，适配不同作物精细分类；基于耕地图斑分类，可减少噪声和破碎图斑对作物识别的影响，识别结果更贴合种植情况，并且仅需单时相高分辨率遥感影像，不受时序数据缺失影响，对数据源适应性高，模型输入通道数灵活，适用于复杂地理环境下的作物识别和分类任务。