基于深度置信网络的MODIS雾监测方法技术
MODIS fog monitoring method based on deep confidence network
A MODIS fog monitoring method based on deep belief network is proposed, which combines deep confidence network and MODIS remote sensing data. By limiting the Boltzmann machine's pre training method, it reduces the subsequent training difficulty and improves the training accuracy of deep network. The optimization method of random regression is added to enhance the generalization ability of the model, thus a more accurate fog monitoring model is obtained, and the monitoring precision is improved.
【技术实现步骤摘要】
基于深度置信网络的MODIS雾监测方法
本专利技术涉及图像处理及模式识别的
，具体是一种基于深度置信网络的MODIS卫星数据雾监测方法。
技术介绍
雾是由大量浮游在近地面空气中的微小水滴或冰晶所组成的气溶胶系统，是一种灾害性天气现象。大雾对社会生活、军事活动，特别是地面、空中和海上交通威胁很大，常常给人民的生产生活造成重大损失。因此，监测和预报大雾生消动态、消除雾害，对防止和减少因雾造成的事故和损失，保障人民生命财产安全具有重要的意义。由于雾具有发展快、影响区域广等特点，传统的地面观测设备局限于点或者局部地区，且观测时次少，故难以满足宏观、快速的监测要求，而卫星遥感作为一种大尺度观测手段越来越多的应用到了灾害监测方面。常规的监测方法往往是通过在陆海表面布设站点进行人工或仪器自动观测，不仅耗费大量的人力物力，而且观测站点的设置密度和观测密度也难以满足监测的需要；常规预报方法如天气学方法、统计学方法和数值预报方法等，或者由于方法本身不够完善，或者由于缺乏足够、准确的地面观测资料及相关信息，因而也往往难以取得理想效果。特别是在监测和预报雾的生消动态方面，常规方法困...
【技术保护点】
一种基于深度置信网络的MODIS雾监测方法，其特征在于，包括训练阶段和识别阶段，具体步骤步骤如下：训练阶段：第一步，获取MODIS卫星数据；第二步，对该MODIS卫星数据进行预处理操作，包括条纹修复和换线去除、损坏波段剔除、大气校正或几何校正；第三步，获取MODIS图像对应区域对应时间的地面站观测数据；第四步，将每个观测站位置的MODIS图像像元取出，作为训练集，观测站的天气情况：无雾或有雾作为此区域的标签数据；第五步，将训练数据和标签数据输入深度置信网络中训练网络参数；第六步，将第五步训练好的网络参数保存，作为识别模型，即雾监测模型；识别阶段：第一步，获取要进行识别的MO...
【技术特征摘要】
1.一种基于深度置信网络的MODIS雾监测方法，其特征在于，包括训练阶段和识别阶段，具体步骤步骤如下：训练阶段：第一步，获取MODIS卫星数据；第二步，对该MODIS卫星数据进行预处理操作，包括条纹修复和换线去除、损坏波段剔除、大气校正或几何校正；第三步，获取MODIS图像对应区域对应时间的地面站观测数据；第四步，将每个观测站位置的MODIS图像像元取出，作为训练集，观测站的天气情况：无雾或有雾作为此区域的标签数据；第五步，将训练数据和标签数据输入深度置信网络中训练网络参数；第六步，将第五步训练好的网络参数保存，作为识别模型，即雾监测模型；识别阶段：第一步，获取要进行识别的MODIS遥感原始数据；第二步，对MODIS遥感原始数据进行预处理操作，包括条纹修复和换线去除、损坏波段剔除、大气校正或几何校正；第三步，将预处理好的MODIS数据输入所述的雾监测模型，得到识别结果。2.根据权利要求1所述的基于深度置信网络的MODIS雾监测方法，其特征在于，所述第五步将训练数据和标签数据输入深度置信网络中训练网络参数具...
【专利技术属性】
技术研发人员：李元祥，陆永帅，施雨舟，刘嘉玮，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。