Wetland classification based on sentinel-2 and 3D multi source domain self-attention model

å‡†ç¡®çš„æ¹¿åœ°åˆ†ç±»å¯æŽŒæ¡æ¹¿åœ°æ—¶ç©ºåˆ†å¼‚ç‰¹å¾ï¼Œåœ¨æ¹¿åœ°ç ”ç©¶ä¸­å æ®é‡è¦åœ°ä½ã€‚é’ˆå¯¹çŽ°æœ‰åŸºäºŽå°æ ·æœ¬å­¦ä¹ çš„æ¹¿åœ°åˆ†ç±»æ–¹æ³•ä» å±€é™äºŽåˆ©ç”¨ç›®æ ‡åŸŸæˆ–å•æºåŸŸæ•°æ®çš„é—®é¢˜ï¼Œæœ¬æ–‡æå‡ºä¸€ç§3Då¤šæºåŸŸè‡ªæ³¨æ„åŠ›å°æ ·æœ¬å­¦ä¹ æ¨¡åž‹3D-MDAFSL（3D Multi-source Domain self-Attention Few-Shot Learningï¼‰ã€‚é¦–å ˆï¼Œç»“åˆå·ç§¯å’Œæ³¨æ„åŠ›æœºåˆ¶çš„ä¼˜åŠ¿ï¼Œè®¾è®¡åŸºäºŽè‡ªæ³¨æ„åŠ›æœºåˆ¶å’Œæ·±åº¦æ®‹å·®å·ç§¯çš„3Dç‰¹å¾æå–å™¨ï¼›ç„¶åŽï¼Œé‡‡ç”¨å¯¹æŠ—åŸŸè‡ªé€‚åº”ç­–ç•¥å®žçŽ°å¤šæºåŸŸç‰¹å¾å¯¹é½ï¼Œåœ¨æ¯ä¸ªåŸŸåˆ†åˆ«è¿›è¡Œå°æ ·æœ¬å­¦ä¹ ï¼›æœ€åŽï¼Œåˆ©ç”¨è®­ç»ƒå¥½çš„æ¨¡åž‹æå–ç‰¹å¾ï¼Œå¹¶å°†ç‰¹å¾è¾“å ¥è‡³K近邻（K-nearest Neighbor）分类器以获取分类结果。结果表明，3Dç‰¹å¾æå–å™¨ç›¸æ¯”æ— ç‰¹å¾æå–æ¡†æž¶çš„æ¹¿åœ°æ€»ä½“åˆ†ç±»ç²¾åº¦æå‡çº¦6.79%；当使用多源域数据集时，3D-MDAFSL模型对中山市Sentinel-2湿地数据集的总体分类精度能达到93.52%，相比于现有算法有明显提升。本文所提出的3D-MDAFSL模型在湿地地物高精度提取和分类中有较好的应用价值。