一种基于扩散模型的遥感影像地物样本转换方法

本发明公开了一种基于扩散模型的遥感影像地物样本转换方法，包括以下步骤：获取遥感数据，进行预处理；构建神经网络；所述神经网络以稳定扩散模型为基本网络，包括图片感知压缩模块、潜在扩散模型模块和季节不变特征学习模块；分阶段对神经网络训练，得到最终的神经网络；输出季节转换结果。本发明所述方法使用稳定扩散模型作为基本生成模型，利用扩散模型强大的生成能力生成不同季节的遥感影像。该方法构建季节不变特征提取网络，季节转换过程中充分考虑相关地物不同季节的特征，保证足够的遥感地物信息。该方法基于稳定扩散模型利用迁移学习的方式额外增加了一个域适应的分类器来约束生成的影像质量，以此生成更好质量的遥感影像样本。