[發明專利]城市黑臭水體的識別方法、裝置、設備以及存儲介質

在審

• 申請號: 201910836445.6
• 申請日: 2019-09-05
• 公開（公告）號: CN110688909A
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 盧有春
• 申請（專利權）人: 南京有春科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 11411 北京聯瑞聯豐知識產權代理事務所(普通合伙)
• 代理人: 周超

1.一種城市黑臭水體的識別方法，其特征在于，包括：

獲取城市水體的遙感數據；

對遙感數據進行預處理；

利用預處理后的遙感數據計算水體清潔指數WCI；

建立深度神經網絡模型并將預處理后的數據以及水體清潔指數WCI導入所述深度神經網絡模型；

訓練所述深度神經網絡模型；

通過訓練好的深度神經網絡模型識別城市水體。

2.根據權利要求1所述的識別方法，其特征在于，所述對遙感數據進行預處理，進一步包括：

正射校準，對獲取的遙感影像同時進行傾斜改正和投影差改正，將影像重采樣成正射影像；

輻射定標，將圖像的數字量化值轉化為輻亮度數據；

圖像融合，將低分辨率的多光譜影像與高空間分辨率的單波段影像進行重采樣生成高空間分辨率的多光譜影像。

3.根據權利只要1所述的識別方法，其特征在于：所述水體清潔指數WCI＝|(b₂-b₁)/Δλ₁₂|/|(b₃-b₂)/Δλ₂₃|

其中，Δλ₁₂＝λ₂-λ₁，Δλ₂₃＝λ₃-λ₂；b₁、b₂、b₃分別為遙感衛星PMS第1、2、3波段的反射率值；λ₁、λ₂、λ₃分別為第1、2、3波段的中心波長。

4.根據權利要求1所述的識別方法，其特征在于，所述訓練所述深度神經網絡模型進一步包括：

構建圖像解譯標志；

結合圖像解譯標志以及水體清潔指數判斷該水體是否屬于黑臭水體；

若判斷屬于黑臭水體則人工實地走訪檢驗；

將人工校驗的結果反饋到深度神經網絡模型用來修正所述深度神經網絡模型。

5.根據權利要求4所述的識別方法，其特征在于：所述圖像解譯標志包括水體顏色、次生環境、河道淤塞以及岸邊帶垃圾堆放。

6.一種城市黑臭水體的識別裝置，其特征在于包括：

獲取單元，用于獲取城市水體的遙感數據

預處理單元，用于對遙感數據做預處理；

深度神經網絡模型單元，用于建立深度神經網絡模型以及對所述深度神經網絡模型進行訓練；

識別單元，用所述深度神經網絡模型對城市水體進行識別。

7.根據權利要求6所述的識別裝置，其特征在于，所述預處理模塊具體是用于對遙感數據做如下處理：

正射校準，對獲取的遙感影像同時進行傾斜改正和投影差改正，將影像重采樣成正射影像；

輻射定標，將圖像的數字量化值轉化為輻亮度數據；

圖像融合，將低分辨率的多光譜影像與高空間分辨率的單波段影像進行重采樣生成高空間分辨率的多光譜影像。

8.根據權利要求6所述的識別裝置，其特征在于：所述獲取單元通過GF-1遙感衛星獲取城市水體數據。

9.一種城市黑臭水體的識別設備，所述設備包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至5任一項所述的一種城市黑臭水體的識別方法的步驟。

10.一種存儲介質，所述計算機存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述的一種城市黑臭水體的識別方法的步驟。