一种基于深度学习和卫星遥感技术的海雾检测方法技术

本发明专利技术提供了一种基于深度学习和卫星遥感技术的海雾检测方法，包括：获取卫星遥感图像，对图像中的海雾进行标注，将标注海雾的图像作为深度学习分割网络模型的标签；对训练集图像进行预处理，得到符合预设标准的输入图像，所述输入图像用于扩充数据集和增强模型鲁棒性；基于扩充后的数据集，在GPU上对深度学习分割网络模型使用反向传播算法进行训练，训练完成后得到学习到海雾的图像特性的模型。本发明专利技术将深度学习和卫星遥感结合，解决海雾探测困难的问题。通过学习大量过去卫星图像中沿海地区和海洋上产生的海雾的特点，能够基于卫星图像快速准确地对海雾进行监测和分割。

A Sea Fog Detection Method Based on Deep Learning and Satellite Remote Sensing Technology

【技术实现步骤摘要】
一种基于深度学习和卫星遥感技术的海雾检测方法
本专利技术涉及计算机视觉
，尤其涉及一种基于深度学习和卫星遥感技术的海雾检测方法。
技术介绍
雾是一种常见的天气现象，也是一种灾害天气。随着社会进步和经济的快速发展，雾害已经引起人们的广泛关注。与陆地上生成的雾相比，海雾具有自身特点，海雾(seafog)是一种常常发生在海上或沿海地区的现象，当海洋上空低层大气中凝结的水滴或冰晶，使大气水平能见度小于1km时，就是海雾现象。海雾发生时，海面水平能见度比较低，这会对海上渔业、航运、平台作业及沿岸航空和公路交通等造成很大影响，是中国近海需要关注的灾难性天气之一。目前仅有沿海和海岛上有气象观测点，分布非常不均，无法通过观测点实时监测海雾。如果能在海雾发生时及时监测到，就可以避免和减轻海雾对海上作业的影响。如海雾主要以平流雾的形式出现，海雾一旦形成，其浓度和厚度都比较大，且水平范围广。海雾给海上交通运输、海洋渔业生产造成很大影响，海上出现大雾时能见度极低，常常会使海上船只发生碰撞、触礁、搁浅或者偏离航线，甚至会造成海难事故，严重影响海上作业人员的人身安全，此外，海雾还会加剧沿岸空气污染，危害人本文档来自技高网...

【技术保护点】
1.一种基于深度学习和卫星遥感技术的海雾检测方法，其特征在于，包括：获取卫星遥感图像，对图像中的海雾区域进行标注，将标注海雾区域的图像作为深度学习分割网络模型的标签，所述标签和标签对应的卫星遥感图像组成训练集图像；对训练集图像进行预处理，得到符合预设标准的输入图像，所述输入图像用于扩充数据集；基于扩充后的数据集，在GPU上对深度学习分割网络模型使用反向传播算法进行训练，训练完成后得到学习到海雾的图像特性的模型。

【技术特征摘要】
1.一种基于深度学习和卫星遥感技术的海雾检测方法，其特征在于，包括：获取卫星遥感图像，对图像中的海雾区域进行标注，将标注海雾区域的图像作为深度学习分割网络模型的标签，所述标签和标签对应的卫星遥感图像组成训练集图像；对训练集图像进行预处理，得到符合预设标准的输入图像，所述输入图像用于扩充数据集；基于扩充后的数据集，在GPU上对深度学习分割网络模型使用反向传播算法进行训练，训练完成后得到学习到海雾的图像特性的模型。2.如权利要求1所述的方法，其特征在于，所述将图像中的海雾区域进行标注的方法包括：使用labelme软件对获取的卫星遥感图像中的海雾区域进行标注，标注类别分为海雾和背景两类；标注后的图像作为标签和标签对应的图像一起输入到深度学习分割网络模型中。3.如权利要求1所述的方法，其特征在于，所述对训练集图像进行预处理的方法包括：对训练集的每一张图像按照预设操作进行预处理，得到符合预设标准的输入图像，将图像放入数据集中，用于扩充数据集；所述预设操作包括但不限于将输入图像依次进行预设尺寸裁剪、gamma校正、预设角度旋转变换、图像模糊处理、添加噪声、镜像翻转等操作。4.如权利要求1-3之一所述的方法，其特征在于，所述基于扩充后的数据集，在GPU上对深度学习分割网络模型使用反向传播算法进行训练，训练完成后得到学习到海雾的图像特性的模型的方法，包括：(1)从扩充后的数据集中随机抽取百分比的图像作为训练集...

【专利技术属性】
技术研发人员：张闯，吴铭，李楠，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11