【技术实现步骤摘要】
改进的级联神经网络的高光谱数据地表反射率反演方法
本专利技术涉及遥感
，尤其涉及一种改进的级联神经网络的高光谱数据地表反射率反演方法。
技术介绍
高光谱遥感技术不仅能够获取地物的空间信息，而且能够为每个像素提供数十个至数百个窄波段光谱信息，体现了地物精细的光谱特征。高光谱数据处理和分析的核心是光谱分析，而准确的地表反射率光谱曲线是高光谱数据处理与分析的基础。因此，对高光谱数据进行大气校正，获取高光谱地表反射率立方体是高光谱遥感数据应用首要解决的任务和重要前提。现有的针对高光谱地表反射率反演方法主要集中在三个方面：基于气溶胶光学厚度的反演方法、基于大气水汽含量的反演方法和地表反射率反演模型方法。由于大气状况不稳定，气溶胶、水汽时空分布不均一，且存在剧烈变化，气溶胶组成和来源复杂，实际获取与影像同步的大气参数成本高，基于气溶胶光学厚度和基于大气水汽含量的反演方法中不确定因素多，无法保证反演精度。由于太阳辐射在大气中的传输过程和与复杂地表的耦合过程中存在许多无法用数学模型精准表达的部分，现有的地表反射率反演模型方法通...
【技术保护点】
1.一种改进的级联神经网络的高光谱数据地表反射率反演方法，其特征在于，包括：/n确定待测区域的高光谱数据和地形参数；/n将所述高光谱数据和所述地形参数输入至地表反射率反演模型，得到所述地表反射率反演模型输出的所述待测区域的地表反射率；/n其中，所述地表反射率反演模型是基于样本区域的样本高光谱数据、样本地形参数和样本地表反射率训练得到的；/n所述地表反射率模型用于基于所述高光谱数据和所述地形参数，确定所述待测区域的大气参数集，并基于所述大气参数集，确定所述地表反射率。/n
【技术特征摘要】
1.一种改进的级联神经网络的高光谱数据地表反射率反演方法，其特征在于，包括：
确定待测区域的高光谱数据和地形参数；
将所述高光谱数据和所述地形参数输入至地表反射率反演模型，得到所述地表反射率反演模型输出的所述待测区域的地表反射率；
其中，所述地表反射率反演模型是基于样本区域的样本高光谱数据、样本地形参数和样本地表反射率训练得到的；
所述地表反射率模型用于基于所述高光谱数据和所述地形参数，确定所述待测区域的大气参数集，并基于所述大气参数集，确定所述地表反射率。
2.根据权利要求1所述的改进的级联神经网络的高光谱数据地表反射率反演方法，其特征在于，所述将所述高光谱数据和所述地形参数输入至地表反射率反演模型，得到所述地表反射率反演模型输出的所述待测区域的地表反射率，具体包括：
将所述高光谱数据中的辐射传输参数和所述地形参数输入至所述地表反射率反演模型的大气参数层，得到所述大气参数层输出的所述大气参数集；
将所述大气参数集和所述高光谱数据中的辐亮度输入至所述地表反射率反演模型的地表反射率计算层，得到所述地表反射率计算层输出的所述地表反射率。
3.根据权利要求2所述的改进的级联神经网络的高光谱数据地表反射率反演方法，其特征在于，所述将所述高光谱数据中的辐射传输参数和所述地形参数输入至所述地表反射率反演模型的大气参数层，得到所述大气参数层输出的所述大气参数集，具体包括：
将所述辐射传输参数和所述地形参数输入至所述大气参数层的批量正则化层，得到所述批量正则化层输出的正则化后的参数；
将除正则化后的半高全宽以外的所述正则化后的参数输入至所述大气参数层的组合反演层，得到所述组合反演层输出的第一大气参数对；
将所述第一大气参数对和所述正则化后的半高全宽输入至所述大气参数层的光谱响应卷积层，得到所述光谱响应卷积层输出的第二大气参数对；
将所述第二大气参数对输入至所述大气参数层的合成计算层，得到所述合成计算层输出的所述大气参数集。
4.根据权利要求3所述的改进的级联神经网络的高光谱数据地表反射率反演方法，其特征在于，所述组合反演层包括多个对应于所述大气参数集中的不同大气参数的参数计算层；
所述将除正则化后的半高全宽以外的所述正则化后的参数输入至所述大气参数层的组合反演层，得到所述组合反演层输出的第一大气参数对，具体包括：
将除正则化后的半高全宽以外的所述正则化后的参数输入至任一大气参数对应的参数计算层，得到所述任一大气参数对应的参数计算层输出的所述任一大气参数的计算结果。
5.根据权利要求2-4任一项所述的改进的级联神经网络的高光谱数据地表反射率反演方法，其特征在于，所述大气参数层是基于样本辐射参...
【专利技术属性】
技术研发人员：杨杭，张东彦，臧文乾，王栋，
申请(专利权)人：中国科学院空天信息创新研究院，安徽大学，
类型：发明
国别省市：北京;11
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。