一种遥感监测方法及装置制造方法及图纸

本申请公开了一种遥感监测方法及装置。其中，所述方法包括：获取待检测着火点区域的遥感监测数据；对所述遥感监测数据中至少一个待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的单点特征数据；对所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的邻近点特征数据；根据所述遥感监测数据的单点特征数据和所述遥感监测数据的邻近点特征数据，获得所述遥感监测数据的特征数据；根据所述遥感监测数据的特征数据，判断所述待检测着火点区域是否为着火点区域。采用本申请提供的方法，提高了着火点检测的准确度。度。度。

【技术实现步骤摘要】
一种遥感监测方法及装置


[0001]本申请涉及深度学习领域，具体涉及一种遥感监测方法及装置。

技术介绍

[0002]随着深度学习在计算机视觉的广泛应用，深度学习在遥感领域已经有了很多成功的应用案例，这些应用案例包括地物分类，动土变化检测，新增建筑检测等。在这些应用案例中，被处理的原始数据为分辨率较高的普通影像数据。其中，大部分普通影像数据的分辨率在10米以内，且只有RGB三个通道，因而易于把应用于普通影像数据的深度学习算法迁移到这些遥感领域中。
[0003]作为一种高光谱数据，卫星遥感监测数据(MODIS，Moderate Resolution Imaging Spectroradiometer)不仅有RGB三个通道，还包括地表、云温度、大气温度等多个波段的通道。同时，MODIS数据的分辨率极低，具体分辨率为1公里，难以把普通影像处理的深度学习方法迁移到这个数据集上进行应用。由于MODIS数据具有全球免费，覆盖面广，更新频率高等特点，现有技术中使用基于阈值过滤等传统方法对其进行着火点检测。但是，这种检测方法的准确率不高。
[0004]如何把深度学习方法应用到多通道、低分辨率的MODIS数据中，从而获得准确的着火点检测信息成为亟待解决的问题。

技术实现思路

[0005]本申请提供一种遥感监测方法及装置，以提高着火点检测的准确率。
[0006]所述遥感监测方法，包括：
[0007]获取待检测着火点区域的遥感监测数据；
[0008]对所述遥感监测数据中至少一个待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的单点特征数据；
[0009]对所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的邻近点特征数据；
[0010]根据所述遥感监测数据的单点特征数据和所述遥感监测数据的邻近点特征数据，获得所述遥感监测数据的特征数据；
[0011]根据所述遥感监测数据的特征数据，判断所述待检测着火点区域是否为着火点区域。
[0012]可选的，所述对所述遥感监测数据中至少一个待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的单点特征数据，包括：
[0013]利用卷积神经网络中的尺寸为1
×
1的卷积核，对所述遥感监测数据中至少一个待检测着火点的数据元素进行卷积运算，获得所述遥感监测数据中至少一个待检测着火点的数据元素的单点卷积值；
[0014]根据所述遥感监测数据中至少一个待检测着火点的数据元素的单点卷积值，获得
所述遥感监测数据的单点特征数据。
[0015]可选的，所述对所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的邻近点特征数据，包括：
[0016]利用卷积神经网络中的尺寸大于1
×
1的卷积核，对所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行卷积运算，获得所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值；
[0017]根据所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值，获得所述遥感监测数据的邻近点特征数据。
[0018]可选的，所述根据所述遥感监测数据的单点特征数据和所述遥感监测数据的邻近点特征数据，获得所述遥感监测数据的特征数据，包括：
[0019]将所述遥感监测数据的单点特征数据和所述遥感监测数据的邻近点特征数据进行特征连接，获得所述遥感监测数据的第一特征数据；
[0020]对所述第一特征数据进行特征提取，获得所述第一特征数据的特征信息；
[0021]将所述第一特征数据的特征信息确定为所述遥感监测数据的特征数据。
[0022]可选的，所述对第一特征数据进行特征提取，获得所述第一特征数据的特征信息，包括：
[0023]对所述第一特征数据中至少一个待检测着火点的数据元素进行特征提取，获得所述第一特征数据的单点特征数据；
[0024]对所述第一特征数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述第一特征数据的邻近点特征数据；
[0025]根据所述第一特征数据的单点特征数据和所述第一特征数据的邻近点特征数据，获得所述第一特征数据的特征信息。
[0026]可选的，所述对所述第一特征数据中至少一个待检测着火点的数据元素进行特征提取，获得所述第一特征数据的单点特征数据，包括：
[0027]利用卷积神经网络中的尺寸为1
×
1的卷积核，对所述第一特征数据中至少一个待检测着火点的数据元素进行卷积运算，获得所述第一特征数据中至少一个待检测着火点的数据元素的单点卷积值；
[0028]根据所述第一特征数据中至少一个待检测着火点的数据元素的单点卷积值，获得所述第一特征数据的单点特征数据。
[0029]可选的，所述对所述第一特征数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述第一特征数据的邻近点特征数据，包括：
[0030]利用卷积神经网络中的尺寸大于1
×
1的卷积核，对所述第一特征数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行卷积运算，获得所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值；
[0031]根据所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值，获得所述第一特征数据的邻近点特征数据。
[0032]可选的，所述根据所述第一特征数据的单点特征数据和所述第一特征数据的邻近点特征数据，获得所述第一特征数据的特征信息，包括：
[0033]将所述第一特征数据的单点特征数据和所述第一特征数据的邻近点特征数据进
行特征连接，获得所述第一特征数据的第二特征数据；
[0034]对所述第二特征数据进行特征提取，获得所述第一特征数据的特征信息。
[0035]可选的，所述根据所述遥感监测数据的特征数据，判断所述待检测着火点区域是否为着火点区域，包括：
[0036]将所述监控数据的特征数据与指定的分类阈值进行对比；
[0037]如果所述监控数据的特征数据大于或者等于所述指定的分类阈值，则确定所述待检测着火点区域为着火点区域；
[0038]如果所述监控数据的特征数据小于所述指定的分类阈值，则确定所述待检测着火点区域为非着火点区域。
[0039]可选的，所述遥感监测方法，还包括：
[0040]获取着火点样本数据；
[0041]根据所述着火点样本数据，获得第一训练数据，所述第一训练数据包括着火点样本数据和非着火点样本数据，所述第一训练数据包括的着火点样本数据的数量与所述第一训练数据包括的非着火点样本数据的数量之间的比例为指定比例；
[0042]根据所述第一训练数据，生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感监测方法，其特征在于，包括：获取待检测着火点区域的遥感监测数据；对所述遥感监测数据中至少一个待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的单点特征数据；对所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的邻近点特征数据；根据所述遥感监测数据的单点特征数据和所述遥感监测数据的邻近点特征数据，获得所述遥感监测数据的特征数据；根据所述遥感监测数据的特征数据，判断所述待检测着火点区域是否为着火点区域。2.根据权利要求1所述的遥感监测方法，其特征在于，所述对所述遥感监测数据中至少一个待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的单点特征数据，包括：利用卷积神经网络中的尺寸为1
×
1的卷积核，对所述遥感监测数据中至少一个待检测着火点的数据元素进行卷积运算，获得所述遥感监测数据中至少一个待检测着火点的数据元素的单点卷积值；根据所述遥感监测数据中至少一个待检测着火点的数据元素的单点卷积值，获得所述遥感监测数据的单点特征数据。3.根据权利要求1所述的遥感监测方法，其特征在于，所述对所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述遥感监测数据的邻近点特征数据，包括：利用卷积神经网络中的尺寸大于1
×
1的卷积核，对所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行卷积运算，获得所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值；根据所述遥感监测数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值，获得所述遥感监测数据的邻近点特征数据。4.根据权利要求1所述的遥感监测方法，其特征在于，所述根据所述遥感监测数据的单点特征数据和所述遥感监测数据的邻近点特征数据，获得所述遥感监测数据的特征数据，包括：将所述遥感监测数据的单点特征数据和所述遥感监测数据的邻近点特征数据进行特征连接，获得所述遥感监测数据的第一特征数据；对所述第一特征数据进行特征提取，获得所述第一特征数据的特征信息；将所述第一特征数据的特征信息确定为所述遥感监测数据的特征数据。5.根据权利要求4所述的遥感监测方法，其特征在于，所述对第一特征数据进行特征提取，获得所述第一特征数据的特征信息，包括：对所述第一特征数据中至少一个待检测着火点的数据元素进行特征提取，获得所述第一特征数据的单点特征数据；对所述第一特征数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述第一特征数据的邻近点特征数据；根据所述第一特征数据的单点特征数据和所述第一特征数据的邻近点特征数据，获得
所述第一特征数据的特征信息。6.根据权利要求5所述的遥感监测方法，其特征在于，所述对所述第一特征数据中至少一个待检测着火点的数据元素进行特征提取，获得所述第一特征数据的单点特征数据，包括：利用卷积神经网络中的尺寸为1
×
1的卷积核，对所述第一特征数据中至少一个待检测着火点的数据元素进行卷积运算，获得所述第一特征数据中至少一个待检测着火点的数据元素的单点卷积值；根据所述第一特征数据中至少一个待检测着火点的数据元素的单点卷积值，获得所述第一特征数据的单点特征数据。7.根据权利要求5所述的遥感监测方法，其特征在于，所述对所述第一特征数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行特征提取，获得所述第一特征数据的邻近点特征数据，包括：利用卷积神经网络中的尺寸大于1
×
1的卷积核，对所述第一特征数据中所述至少一个待检测着火点的相邻待检测着火点的数据元素进行卷积运算，获得所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值；根据所述至少一个待检测着火点的相邻待检测着火点的数据元素的邻近点卷积值，获得所述第一特征数据的邻近点特征数据。8.根据权利要求5所述的遥感监测方法，其特征在于，所述根据所述第一特征数据的单点特征数据和所述第一特征数据的邻近点特征数据，获得所述第一特征数据的特征信息，包括：将所述第一特征数据的单点特征数据和所述第一特征数据的邻近...

【专利技术属性】
技术研发人员：陈伟涛，王洪彬，李昊，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：