[發明專利]一種基于深度學習的高光譜遙感水深反演方法

在審

• 申請號: 201811623688.3
• 申請日: 2018-12-28
• 公開（公告）號: CN109657392A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 周冠華;張瀟陽;陳金勇;孫康;路志勇;楊松
• 申請（專利權）人: 北京航空航天大學;中國電子科技集團公司第五十四研究所
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于深度學習的高光譜遙感水深反演方法，其步驟如下：對研究區域的原始高光譜遙感影像進行幾何校正、大氣校正獲取各波段的真實反射率；篩選研究區0～20米范圍內的實測水深范圍；按照篩選出水深數據對應的空間范圍對遙感影像進行剪裁，處理為格式化的數據文件；利用遙感影像的光譜反射率信息和實測水深數據按照地理坐標匹配生成格式化的訓練數據集；使用Tensorflow、Keras深度學習框架搭建全連接神經網絡、1D?CNN網絡、2D?CNN網絡三種深度學習網絡對研究區域數據進行訓練；利用訓練好的網絡模型，分別應用于遙感影像數據，即可反演出研究區域的水深。本發明能僅將光學淺水區域的高光譜遙感影像光譜信息作為輸入，直接反演高精度的水深數據。

(一)所屬技術領域

本發明涉及一種基于深度學習的高光譜遙感水深反演方法，屬于光學遙感領域，在水色遙感技術研究以及深度學習技術研究方面具有重要意義。

(二)背景技術

水深是海洋環境的重要參數，也是重要的水文要素。海岸帶近岸水下地形信息是海岸帶工程建設、交通航運、漁業養殖、科學研究的基礎資料，在經濟活動以及自然環境保護方面具有重要的意義。海岸帶地形對地質勘探、船舶運輸、港灣建筑、圍海造田、鋪設電纜管道以及實施海岸軍事工程及其他軍事活動有著重要的影響，對沿岸的經濟建設和可持續發展至關重要，也是海岸帶科學研究的基礎與依據。因此淺海海岸帶水深探測對于海岸帶管理、保護與開發，海洋規劃、海上交通運輸、海洋軍事及海洋環境監測等具有重要意義。

傳統的水深測量方法是利用測量船上安裝的測深設備和定位設備將測深水域網狀布點，測出全水域各點的水深。這種調查方法存在諸多不足，如耗時長、資料的同步性差，花費的人力物力巨大，測量區域范圍有限，數據更新頻率非常低、對歷史上缺乏的數據無能為力。此外，受自然條件因素影響大，因而對暗礁密布船只難以到達的危險海域、存在爭議或他國非法侵占的島礁附近海區的水深測量，傳統方法往往難以實施，有時甚至是無能為力。因此，研究和不斷發展基于衛星遙感平臺的水深探測技術，具有迫切的應用需求，已是當前海洋測繪急需解決的問題之一。但由于受到水體渾濁度、水底反射、波浪表面反射、遙感器波段設置以及波段數量限制等諸多干擾因素的影響，目前常規的水深遙感反演面臨精度不高的瓶頸問題，從而制約了水深遙感反演的實用化與工程應用。隨著信息技術的快速發展，深度學習方法為遙感參數的定量反演包括水深信息的高精度提取創造了技術條件。因此，發展基于深度學習方法的淺海水深遙感反演技術研究將有助于提高水深反演等相關水色遙感算法的精度，同時，相關技術方法與成果可拓展于其它遙感參數反演應用，具有廣闊的應用前景。

(三)發明內容

本發明涉及一種基于深度學習的高光譜遙感水深反演方法，其技術解決方案是：通過一定方法處理制作研究區域的遙感影像波段信息和實測水深數據的訓練數據集，通過Keras、Tensorflow深度學習框架搭建深度學習網絡對數據集進行學習，得到可利用波段信息預測水深的輸出模型，在已知研究區域各波段信息的前提下，加載模型載入各波段數據即可反演出對應水深數值，其具體步驟如下：

步驟一：按照高光譜遙感影像的相關預處理方法，對原始高光譜影像進行輻射定標、幾何精校正，利用FLAASH大氣校正模塊對影像數據進行大氣校正，得到地表與水面真實反射率；

步驟二：根據實測水深數據，圈定0-20米的水域范圍作為研究區域；裁剪對應空間范圍的遙感影像；根據遙感影像空間分辨率大小以及實測水深數據點的密度，對遙感影像進行空間重采樣；將遙感影像的像元和實測水深點位置按照真實地理坐標進行空間位置匹配：

abs(Pos_遙感影像-Pos_實測數據)＜Bias_lon/lat