[發明專利]一種使用統一樣本的深度學習衛星數據云檢測算法

在審

• 申請號: 202010527628.2
• 申請日: 2020-06-08
• 公開（公告）號: CN111783555A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 孫林;隋淞蔓;夾尚豐
• 申請（專利權）人: 山東科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種使用統一樣本的深度學習衛星數據云檢測算法，其包括以下步驟：

A、高光譜數據像元庫的建立：基于高空間分辨率和高光譜分辨率的AVIRIS數據，利用目視解譯的方法，在AVIRIS數據上采取厚云、薄云、碎云、云邊緣等云的樣本像元和植被、水體、裸地、城鎮等晴空像元。選取云像元樣本時，要注意需選取不同地表類型上的云，以便分析不同地表類型對云識別的影響。

B、多光譜數據模擬：基于待識別衛星數據的波譜響應函數以及AVIRIS的波段寬度來模擬出待識別衛星數據的多光譜數據的發射率，作為BP神經網絡的輸入向量。模擬待識別衛星數據的原理是基于多個窄波段的高光譜的表觀反射率，將其加權合成以得到對應寬波段的表觀反射率。

C、基于神經網絡的云檢測：分別將模擬出的待識別衛星數據的云和晴空像元的反射率值輸入到云檢測神經網絡模型中，訓練出對應傳感器的神經網絡云檢測模型，再進行云檢測。

D、結果分析：對比分析不同下墊面的云檢測結果以及不同衛星傳感器的云檢測結果。結合目視解譯，分析人工神經網絡云檢測結果的準確性。

2.根據權利要求1所屬的一種使用統一樣本的深度學習衛星數據云檢測算法，其特征在于，所述步驟A中，具體的提取方法如下：基于AVIRIS數據的特點，利用AVIRIS數據構建各種多光譜傳感器的云和晴空像元的樣本庫，選取不同地表類型上，不同類型，足夠數量的云。同時需要選取不同地物類型的晴空像元樣本，得到適用于多種傳感器的統一的樣本像元庫。

3.根據權利要求1所屬的一種使用統一樣本的深度學習衛星數據云檢測算法，其特征在于，所述步驟B中，具體的提取方法如下：在AVIRIS數據的云和晴空像元庫的基礎上，輔以AVIRIS數據的波段寬度以及待模擬的光學傳感器的波譜響應函數數據，進行數據模擬運算，進而模擬出相對應傳感器的云像元和晴空像元庫。

4.根據權利要求1所屬的一種使用統一樣本的深度學習衛星數據云檢測算法，其特征在于，所述步驟C中，具體的提取方法如下：

通過模擬計算出的多光譜數據的表觀反射率作為輸入向量，沒有選擇人為的輸入特征向量，避免人的主觀因素對云識別結果的影響，通過交叉驗證的方法來確定構建的BP神經網絡參數，保證較高的精度和較高的訓練速率，需優化隱含層節點數、dropout值、batch值和momentum值等參數。