一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法技术

本发明专利技术属于土壤环境监测与评估领域，具体涉及一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法。本发明专利技术首先针对高光谱影像中的每个像元建立空间权重约束，在所述空间权重约束基础上通过变分自编码方法实现土壤重金属浓度建模的特征数据提取，进而在土壤重金属浓度和经过变分自编码压缩的特征之间建立模型，最终得到未知像元处的土壤重金属浓度评估值。本方法具有非接触性、大范围连续地理空间、强泛化能力进行土壤重金属浓度评估的特点。

A method of soil heavy metal concentration evaluation based on spatial weight constraint and variational self coding feature extraction in hyperspectral image

【技术实现步骤摘要】
一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法
本专利技术涉及土壤环境监测与评估领域，具体涉及一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法。
技术介绍
近年来，我国环境污染问题持续严重，为了更加高效的对土壤中重金属浓度进行监测评估，通过新技术新方法对土壤重金属浓度进行监测很有必要。传统土壤重金属浓度监测方法为野外土壤采样进行实验室化验测定，这种方法过于耗时耗力，而且获取的土壤重金属为点状信息，即使通过地理学空间插值方法也无法得到可信度较高的面状信息，不能对区域内连续地理空间进行分析判断。针对区域内连续地理空间的重金属预测分析方法，现有技术中公开了相关的申请案，如中国专利申请号201710900422.8，申请日为2017年9月28日的申请案公开了基于无人机高光谱反演土壤中重金属污染监测方法，其监测方法的具体步骤如下：现场采样；样本预处理；使用X射线荧光分析仪采集样本的重金属污染源的主要研究元素的含量；利用地物光谱仪采集样本的实验室高光谱反射率；对原始光谱反射率数据分别进行数据处理；对使用偏最小二乘回归(PLS)算法分别将已经测得的主要研究元素的含量分别与实验室高光谱原始反射率数据、倒数、对数、一阶微分以及二阶微分数据进行相关性分析并对模型进行验证优化，获得最优的变换方法，使用搭载高光谱成像光谱仪的无人机采集研究区高光谱反射率数据作为待测数据，大面积反演重金属含量。上述申请案的方法虽然能够在一定程度上形成土壤重金属空间分布制图，但由于重金属的特征波段之间存在非线性空间关系，传统的PLS在对土壤重金属浓度估算时，过度依赖模式学习，更多关注建立模型的数值分析，忽视地理学中地物属性自相关的特性，不能克服大范围研究区域预测时的空间异质性问题，导致模型迁移泛化能力低的问题。因此针对于大范围研究区域的高光谱土壤重金属浓度评估，为了克服模型迁移泛化能力低的问题，需要建立可以进行深度学习的模型。近几年自动编码器(Auto-Encoder，简称AE)得到了快速的发展，其是一种著名的深度学习模型，其主要包括编码阶段和解码阶段，且结构是对称的，即如果有多个隐层时，编码阶段的隐层数量与解码阶段相同。解码器能够重构出经过编码器编码后的数据。所以训练得到的自编码器，提取编码器得到的隐层数据就可以作为一种降维特征。变分自编码(VariationalAuto-Encoder，简称VAE)模型由Kingma在2014年提出的一种基于自编码器的改进模型，它是一种生成模型，该模型通过增加了对隐含层的概率分布约束和干扰约束，因此训练得到的模型能重构输入数据，使得隐含层数据足以表示输入数据。而高光谱影像的光谱波段从20到1000以上，通过VAE技术，理论上高效实现高光谱影像特征的特征压缩(即降维)，同时还能得到高光谱影像所蕴含有效信息的概率空间分布；因此，将VAE技术引入航空高光谱影像进行特征压缩是一种前沿探索，目前将VAE技术引入航空高光谱影像进行特征压缩的方法未有文献报道。
技术实现思路
1.要解决的问题针对现有高光谱遥感影像探测技术在对土壤重金属浓度估算时，过度依赖模式学习、更多关注建立模型的数值分析，忽视地理学中地物属性自相关的特性，不能克服大范围研究区域预测时的空间异质性问题，导致模型迁移泛化能力低的问题。本专利技术通过在样本的学习空间中引入土壤重金属浓度的空间权重矩阵作为约束特征，然后利用变分自编码方法建立模型建立所需的特征数据，将特征数据输入模型中实现土壤重金属浓度评估，进而能够同时实现有标签数据信息与无标签数据信息的综合利用，具有非接触性、大范围连续地理空间、快速高效进行土壤重金属浓度评估的特点。2.技术方案为了解决上述问题，本专利技术所采用的技术方案如下：本专利技术提供了一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法，所述方法首先针对高光谱影像中的每个像元建立空间权重约束，在所述空间权重约束基础上通过变分自编码方法实现土壤重金属浓度建模的特征数据提取，最后在土壤重金属浓度和经过变分自编码压缩的特征之间建立模型，进而得到未知像元处的土壤重金属浓度评估值；所述的经过变分自编码压缩的特征具体为：将重金属空间特征与高光谱影像光谱特征组合后经变分自编码压缩。作为本专利技术更进一步的改进，所述评估方法包括以下步骤：a)采集土壤样本，获取土壤样本的重金属浓度值，同时获取研究区的成像高光谱影像数据，将重金属浓度值、采样点对应的成像高光谱影像数据及对应的地理坐标数据组合，形成有标签数据集；b)建立新数据集：通过采样点的空间位置关系建立空间权重矩阵，再结合步骤a)中测定的土壤重金属浓度值形成重金属空间约束矩阵，将所述重金属空间约束矩阵与高光谱影像数据组合形成新数据集；c)变分自编码训练：将所述新数据集输入至变分自编码器中进行训练，得到训练好的变分自编码模型；d)提取最终特征数据集：将所述有标签数据集的样本标签和对应样本的重金属空间约束矩阵的对应信息组合后，输入至步骤c)中训练好的变分自编码模型，生成最终特征数据集；e)建立模型：将所述的最终特征数据集与土壤重金属浓度值组合后输入重金属浓度评估模型，经训练模型参数、精度检验后，建立最终模型；f)将b)中得到的新数据集输入至d)中训练好的变分自编码模型，得到新数据集对应的压缩编码特征(即预测数据集的最终特征数据集)，将压缩编码特征输入e)中建立好的最终模型，经模型预测最终得到整个高光谱影像覆盖范围研究区中的土壤重金属浓度评估值。作为本专利技术更进一步的改进，所述步骤c)中进行的训练为高光谱影像数据的压缩编码的隐变量参数训练，所述步骤d)的最终特征数据集是通过变分自编码模型中的隐变量参数训练映射而获得。作为本专利技术更进一步的改进，所述步骤b)中是将重金属空间特征的权重约束矩阵重采样至影像空间分辨率中，再将重采样后的重金属空间特征权重约束矩阵与高光谱影像数据组合成新数据集。作为本专利技术更进一步的改进，所述步骤e)中的重金属浓度评估模型包括RF和SVM模型的任意一种。作为本专利技术更进一步的改进，所述步骤a)的成像高光谱影像数据为经过预处理的成像反射率数据。作为本专利技术更进一步的改进，所述步骤d)进行的隐变量参数训练中的隐含层数量分别设置5、10、20共3个梯度。隐含层的特征压缩没有固定的数量要求，过少则有些信息会损失掉，过多则仍然有部分冗余，设置不同的隐含层数量梯度是为了探寻更合适的压缩编码维度，以更加合理高效的编码输入数据信息。作为本专利技术更进一步的改进，所述重金属包括As。3.有益效果相比于现有技术，本专利技术的有益效果为：(1)本专利技术的基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法，将空间权重矩阵与VAE技术结合应用于高光谱影像土壤重金属浓度评估，通过空间权重矩阵则能够提取到重金属浓度的空间分布特征，将重金属空间分布特征与高光谱影像所蕴含的信息通过VAE压缩，得本文档来自技高网...

【技术保护点】
1.一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法，其特征在于：所述方法首先针对高光谱影像中的每个像元建立空间权重约束，在所述空间权重约束基础上通过变分自编码方法实现土壤重金属浓度建模的特征数据提取，最后在土壤重金属浓度和经过变分自编码压缩的特征之间建立模型，进而得到未知像元处的土壤重金属浓度评估值；所述的经过变分自编码压缩的特征具体为：将重金属空间特征与高光谱影像光谱特征组合后经变分自编码压缩。/n

【技术特征摘要】
1.一种基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法，其特征在于：所述方法首先针对高光谱影像中的每个像元建立空间权重约束，在所述空间权重约束基础上通过变分自编码方法实现土壤重金属浓度建模的特征数据提取，最后在土壤重金属浓度和经过变分自编码压缩的特征之间建立模型，进而得到未知像元处的土壤重金属浓度评估值；所述的经过变分自编码压缩的特征具体为：将重金属空间特征与高光谱影像光谱特征组合后经变分自编码压缩。


2.根据权利要求1所述的基于空间权重约束和变分自编码特征提取的高光谱影像土壤重金属浓度评估方法，其特征在于：具体包括以下步骤：
a)采集土壤样本，获取土壤样本的重金属浓度值，同时获取研究区的成像高光谱影像数据，将重金属浓度值、采样点对应的成像高光谱影像数据及对应的地理坐标数据组合，形成有标签数据集；
b)建立新数据集：通过采样点的空间位置关系建立空间权重矩阵，再结合步骤a)中测定的土壤重金属浓度值形成重金属空间约束矩阵，将所述重金属空间约束矩阵与高光谱影像数据组合形成新数据集；
c)变分自编码训练：将所述新数据集输入至变分自编码器中进行训练，得到训练好的变分自编码模型；
d)提取最终特征数据集：将所述有标签数据集的样本标签和对应样本的重金属空间约束矩阵的对应信息组合后，输入至步骤c)中训练好的变分自编码模型，生成最终特征数据集；
e)建立模型：将所述的最终特征数据集与土壤重金属浓度值组合后输入重金属浓度评估模型，经训练模型参数、精度检验后，建立最终模型；
f)将步骤b)中得到的新数据集输入至步骤d)中训练好的变分自编码模型，得到新数据集对应的...

【专利技术属性】
技术研发人员：李海东，马伟波，赵立君，王楠，高媛赟，李辉，燕守广，
申请(专利权)人：生态环境部南京环境科学研究所，
类型：发明
国别省市：江苏;32