滨海湿地植被精细分类方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及一种滨海湿地植被精细分类方法、装置、设备和存储介质，该方法包括：对获取到的原始滨海湿地高光谱数据进行预处理；将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接光谱特征和空间特征得到回归域特征；将回归域特征输入决策分类，得到滨海湿地植被精细分类结果。提高了湿地地物分类的精度。

【技术实现步骤摘要】
滨海湿地植被精细分类方法、装置、设备和存储介质
本专利技术涉及遥感卫星图像处理和遥感图像分类
，具体涉及一种滨海湿地植被精细分类方法、装置、设备和存储介质。
技术介绍
滨海湿地作为自然景观中的交错群落带，是介于陆地和水生生态系统之间的过渡带，在改善气候、控制污染、维护生物多样性和保持区域生态平衡等方面，发挥着重要的作用。我国湿地资源丰富，目前我国湿地面积8.04亿亩，居亚洲第一、世界第四位。随着社会经济的发展，滨海湿地的生态价值和经济价值日益明显。湿地植被是湿地生态系统的重要组成部分，在生态环境功能方面发挥着重要作用。但目前由于各种自然和人为活动的影响使得湿地退化现象严重，湿地植被的生态功能显著下降。快速准确地开展滨海湿地地物类型及其变化监测，是合理开展滨海湿地保护和恢复工作的前提。但由于滨海湿地潮滩、潮沟错综分布，湿地腹地区域人员难于进入，严重影响对滨海湿地地物类型种类、分布及其变化情况的准确监测。而遥感技术的发展弥补了这一缺陷，遥感具有大范围、同步观测、高时空分辨率和高频率等优势，可为湿地生态系统监测和管理提供经济、快捷、实时的数据来源。随着遥感技术的快速发展，越来越多的遥感影像被运用于滨海湿地研究中，如美国Landsat系列卫星和法国的SPOT等系列卫星，具有性价比高、易获取、数据处理简单等优势，适合二级湿地的动态监测，目前被普遍利用，但是难以进行多级湿地遥感分类。
技术实现思路
有鉴于此，提供一种滨海湿地植被精细分类方法、装置、设备和存储介质，以解决相关技术中无法对滨海湿地植被进行精细分类的问题。本专利技术采用如下技术方案：第一方面，本申请实施例提供了一种滨海湿地植被精细分类方法，该方法包括：对获取到的原始滨海湿地高光谱数据进行预处理；将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接所述光谱特征和空间特征得到回归域特征；将所述回归域特征输入决策分类，得到滨海湿地植被精细分类结果。第二方面，本申请实施例提供了一种滨海湿地植被精细分类装置，该装置包括：预处理模块，用于对获取到的原始滨海湿地高光谱数据进行预处理；回归变换模块，用于将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；特征提取模块，用于将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接所述光谱特征和空间特征得到回归域特征；分类模块，用于将所述回归域特征输入决策分类，得到滨海湿地植被精细分类结果。第三方面，本申请实施例提供了一种设备，该设备包括：处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序，所述计算机程序至少用于执行本申请实施例第一方面所述的滨海湿地植被精细分类方法；所述处理器用于调用并执行所述存储器中的所述计算机程序。第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的滨海湿地植被精细分类方法中各个步骤。本专利技术采用以上技术方案，通过对获取到的原始滨海湿地高光谱数据进行预处理，这样有助于提高后续分类的精度；将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据，回归后的数据类内差异减小、类间差异增大；将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，实现了分别对光谱特征和空间特征的提取，平铺拼接光谱特征和空间特征得到回归域特征；最后将回归域特征输入决策分类，得到滨海湿地植被精细分类结果。提高了湿地地物分类的精度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种滨海湿地植被精细分类方法的流程图；图2是本申请实施例中适用的一种滨海湿地植被精细分类方法的执行过程示意图；图3是本申请实施例中适用的一种回归变换流程图；图4是本申请实施例中适用的一种回归数据特征提取的流程图；图5是本申请实施例提供的一种滨海湿地植被精细分类装置的结构示意图；图6是本申请实施例提供的一种设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。首先对本申请实施例的可应用场景和相关概念进行说明。高光谱数据(HyperspectralImage，HSI)具有波段带宽大、波段多等特点，对光谱细节特征具有良好的表现能力，容易获取地物的局部精细信息，在分析植被的反射光谱差异性方面有较大的潜力。一些高光谱卫星已被用于滨海湿地研究中，例如地球观测1号EO-1、高光谱红外成像仪HyspIRI、紧凑型高分辨率成像光谱仪CHRIS和沿海海洋高光谱成像仪HICO，但均未取得广泛应用，且分类精度不高。湿地植被光谱特征存在较多的复杂与不确定因素，植被多为水生或沼生，光谱相似度高，植被间反射光谱曲线的差异性不明显。不同种类植被的光谱特征曲线受生化组分和冠层结构等因素的影响，表现出一定程度的差别。因此，目前许多高光谱遥感图像分类方法例如决策树法、聚类算法以及新型的机器学习方法例如卷积神经网络均不能实现滨海湿地地物的精细分类。作为高分重大专项的重要组成部分，高分五号GF-5卫星是实现我国高光谱分辨率对地观测能力的重要标志之一，是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星。高分五号卫星携带的可见短波红外高光谱相机AHSI，有330个探测通道，可以获取0.4微米至2.5微米谱段的图像和连续光谱信息，其强大探测能力可见一斑。但目前缺乏对GF-5遥感影像的研究，研究GF-5卫星拍摄的滨海数据意义重大。实施例图1为本专利技术实施例提供的一种滨海湿地植被精细分类方法的流程图，该方法可以由本专利技术实施例提供的滨海湿地植被精细分类装置来执行，该装置可采用软件和/或硬件的方式实现。参考图1，该方法具体可以包括如下步骤：S101、对获取到的原始滨海湿地高光谱数据进行预处理。在对滨海湿地遥感图像进行分类之前，进行空间配准、几何校正、大气校正、波段选择和图像裁剪等数据预处理。其中，原始滨海湿地高光谱数据为GF-5_AHSI数据，也即，利用GF-5_AHSI拍摄的滨海湿地高光谱影像数据，来实现对超过20种湿地地物进行精细分类。S102、将预处本文档来自技高网...

【技术保护点】
1.一种滨海湿地植被精细分类方法，其特征在于，包括：/n对获取到的原始滨海湿地高光谱数据进行预处理；/n将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；/n将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接所述光谱特征和空间特征得到回归域特征；/n将所述回归域特征输入决策分类，得到滨海湿地植被精细分类结果。/n

【技术特征摘要】
1.一种滨海湿地植被精细分类方法，其特征在于，包括：
对获取到的原始滨海湿地高光谱数据进行预处理；
将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据；
将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，平铺拼接所述光谱特征和空间特征得到回归域特征；
将所述回归域特征输入决策分类，得到滨海湿地植被精细分类结果。


2.根据权利要求1所述的方法，其特征在于，所述将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据，包括：
基于类间稀疏度的判别最小二乘回归方法对预处理后的滨海湿地高光谱数据进行回归变换；
在LSR模型中引入L21范数的稀疏误差项，以目标标签矩阵进行回归；
得到回归变换后的滨海湿地高光谱数据。


3.根据权利要求2所述的方法，其特征在于，所述将预处理后的滨海湿地高光谱数据进行回归变换，得到回归变换后的滨海湿地高光谱数据，包括：
将预处理后的滨海湿地高光谱数据分为训练样本和测试样本；
应用类间稀疏度的判别最小二乘回归方法对所述训练样本进行回归变换；
应用目标标签矩阵对回归变换后的训练样本和测试样本相乘，得到回归变换后的滨海湿地高光谱数据。


4.根据权利要求1所述的方法，其特征在于，所述预先训练的双分支CNN网络包括一维CNN网络和二维CNN网络，其中，所述一维CNN网络为光谱特征提取通道，包括一维卷积层、激活层、最大池化层和批量归一化处理模块，所述二维CNN网络为空间特征提取通道，包括二维卷积层、激活层、最大池化层和批量归一化处理模块；
所述将回归变换后的滨海湿地高光谱数据输入预先训练的双分支CNN网络，以提取光谱特征和空间特征，包括：
所述一维CNN网络对回归变换后的高光谱数据进行特征提取，输出光谱特征；
以每个回归变换后的滨海湿地高光谱数据样本点为中心，构建设定尺寸的样本块，所述二维CNN网络从各个中心目标像素周围域提取空间特征。


5.根据权利要求4所述的方法，其特征在于，还包括：在所述双分支C...

【专利技术属性】
技术研发人员：陶然，李伟，刘畅，张蒙蒙，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11