[發明專利]基于深度置信網絡的MODIS霧監測方法

在審

• 申請號: 201710262475.1
• 申請日: 2017-04-20
• 公開（公告）號: CN107423670A
• 公開（公告）日: 2017-12-01
• 發明（設計）人: 李元祥;陸永帥;施雨舟;劉嘉瑋
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙)31317
• 代理人: 張寧展

1.一種基于深度置信網絡的MODIS霧監測方法，其特征在于，包括訓練階段和識別階段，具體步驟步驟如下：

訓練階段：

第一步，獲取MODIS衛星數據；

第二步，對該MODIS衛星數據進行預處理操作，包括條紋修復和換線去除、損壞波段剔除、大氣校正或幾何校正；

第三步，獲取MODIS圖像對應區域對應時間的地面站觀測數據；

第四步，將每個觀測站位置的MODIS圖像像元取出，作為訓練集，觀測站的天氣情況：無霧或有霧作為此區域的標簽數據；

第五步，將訓練數據和標簽數據輸入深度置信網絡中訓練網絡參數；

第六步，將第五步訓練好的網絡參數保存，作為識別模型，即霧監測模型；

識別階段：

第一步，獲取要進行識別的MODIS遙感原始數據；

第二步，對MODIS遙感原始數據進行預處理操作，包括條紋修復和換線去除、損壞波段剔除、大氣校正或幾何校正；

第三步，將預處理好的MODIS數據輸入所述的霧監測模型，得到識別結果。

2.根據權利要求1所述的基于深度置信網絡的MODIS霧監測方法，其特征在于，所述第五步將訓練數據和標簽數據輸入深度置信網絡中訓練網絡參數具體是：

①采用對比散度算法的逐層訓練的方式，對各層RBM進行訓練，低一層的RBM輸出層(隱含層)作為高一層的RBM輸入層(可見層)；

②對最后一層BP網絡進行有監督方法的訓練，把實際輸出與真值之間的誤差逐層向后傳播，對整個DBN網絡的權值進行微調。

3.根據權利要求2所述的基于深度置信網絡的MODIS霧監測方法，其特征在于，所述步驟②在微調過程的正向過程，隨機使某些節點的輸出值變為0，反向過程也不對這個節點的權值進行調整，具體是：

設定一個隱退比例α，訓練的每次迭代過程中為每個節點產生一個[0,1]的隨機數r，當r＜α將此節點作隱退操作；

在測試階段，所有節點都發揮作用，但每個節點的輸出值都要乘以(1-α)；隨機隱退其實就相當于同時訓練很多模型，最后將這些模型的結果加權平均進行融合，增強了模型的泛化能力，提高了霧監測模型的監測精確度。

4.根據權利要求1所述的基于深度置信網絡的MODIS霧監測方法，其特征在于，所述的MODIS衛星數據包括36個通道的反射強度數據，包括目標區域的經緯度坐標或太陽高度角衛星姿勢拍攝參數。