[發明專利]一種近海浮筏和深水養殖區的遙感提取方法

在審

• 申請號: 202211560583.4
• 申請日: 2022-12-07
• 公開（公告）號: CN116229254A
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 劉培;于吉濤;張霖;凡仁福;葉茂松
• 申請（專利權）人: 海南熱帶海洋學院崖州灣創新研究院;海南省海洋與漁業科學院
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/764;G06V10/77
• 代理公司: 西安鑫諾匯恩專利代理事務所(普通合伙) 61302
• 代理人: 何湘玲

1.一種近海浮筏和深水養殖區的遙感提取方法，其特征在于，包括以下操作步驟：

S1、輸入高分辨率遙感影像并提取紋理特征；

S2、提取局部自相關空間結構特征，建立空間上下文信息模型；

S3、根據多光譜信息的主成分變換和獨立成分變換，優化光譜特征；

S4、對于S1-S3中的紋理特征、空間結構特征和優化后光譜特征進行交叉采樣和稀疏表達重構，通過重復采樣、表達與重構產生新特征；

S5、構建深度級聯旋轉森林模型，并通過多粒度掃描、森林級聯并聯處理，對光譜特征、空間結構特征和紋理特征進行深度表達獲取影像中的深層信息；

S6、在旋轉森林模型上在并聯基礎上逐級串聯遞進，使用深層次自適應的不斷迭代優化方式來更新旋轉森林模型，完成對遙感信息的高精度提取。

2.根據權利要求1所述的一種近海浮筏和深水養殖區的遙感提取方法，其特征在于，所述S1的具體方式為：

將小波變換改進為自適應多尺度變換，在數學形態學開、閉操作的基礎上提取不同尺度的數學形態學序列重建剖面，充分挖掘遙感影像紋理信息；具體算式為：

其中，式(1)和式(2)表示B對A的腐蝕和膨脹操作用集合論的表述，是數學形態學濾波填充操作的基礎，對于測量腐蝕和膨脹的數學模型如公式(3)和(4)所示，公式中S為標記圖像，T為模板圖像，當n＝0時，D(S)＝S,E(S)＝S，通過上述迭代來實現測量腐蝕和膨脹的數學形態學重建。

3.根據權利要求1所述的一種近海浮筏和深水養殖區的遙感提取方法，其特征在于，所述S2的具體方式為：

在空間自相關的基礎上，加強鄰域分析，改進局部空間自相關如下公式：

其中，式(5)里x_i是空間單元i的屬性值，w_ij為空間權矩陣，代表空間單元i和j之間的影響程度；I_i是MORAN指數，取值范圍為[-1，1]，正值表示該空間單元與鄰近單元的屬性值相似，空間自相關性是正相關；負值表示該空間單元與鄰近單元的屬性值不相似，空間自相關性是負相關；0表示沒有空間相關屬性。

4.根據權利要求1所述的一種近海浮筏和深水養殖區的遙感提取方法，其特征在于，所述S4-S6的具體操作為：

S01、將樣本集F進行不放回的隨機抽樣，按照此方法均分完整個數據集，得到K個訓練集；使用不放回的取樣方法劃分出來的訓練集，可以有效的提升基分類器的多樣性；并且K訓練集中具有M＝n/K特征，n≤K；

S02、對K個訓練集中的部分子集進行PCA特征變化操作，來預防基分類器挑選一樣的訓練集進行訓練，從而增加基分類器間的類間差異，其中需要進行PCA特征變化操作的部分子集挑選方法是：對K個訓練集進行75％的重采樣，產生出來的訓練子集X_ij其中i為基分類器的編號，j為訓練子集編號，對這X_ij個訓練子集進行PCA特征變化，其中生成的主成分系數為長度為M，同時去掉特征向量為0的特征；

S03、旋轉矩陣處理：多次操作步驟S02獲得K個訓練子集，其中生成的主成分系數輸入稀疏的旋轉矩陣R_i：

旋轉矩陣R_i的維數是n×∑_jM_j，經過旋轉矩陣R_i的流程處理后，可以生成出基分類器D_i的訓練數據集旋轉矩陣具體操作流程是通過調整羅列R_i的列向量，使之與原始特征集的次序相對應，調整次序后的旋轉矩陣大小為N×n，最終預測結果測試時，使用測試數據集x，將x點乘輸入基分類器D_i中用表示基分類器D_i預測x屬于類w₁的可能性，并計算x屬于每一類別的置信度μ_j(x)：

S04、對比檢測每一類別的置信度，獲得最大值置信度的類別，即為X最終所屬類別。