【技术实现步骤摘要】
一种基于深度学习的海岸线变化分析方法
[0001]本专利技术涉及海岸线变化分析方法。
技术介绍
[0002]海岸线就是海洋和陆地之间的界线，一般有自然和人工岸线之分，由于其地理位置的特殊性及人类开发的影响，海岸线的位置总是不断的变化。海岸线的分类是对其进行保护与开发、海洋资源管理的重要依据，我国有着宽阔的领海，海岸线总长度约3.2万千米。海岸线滩涂有着良好的经济效益，而且也具有生态、环境、地质等方面的开发价值，是国家珍贵的资源。同时，海岸线的提取和分类对城市规划、经济发展、土地利用等领域的发展有着重要的指导作用。不同的标准下海岸线的分类结果有着较大的不同，而准确的掌握海岸线的类别是充分利用和保护海岸线资源的基础。
[0003]遥感是一种在不与目标对象直接接触的情况下，通过种类不同的传感器，对距离较远的目标区域采用主动的或者被动的方式发射或反射电磁波，从接收目标区域的回波特性以分析地面目标的各种特征，来进行不同方面的应用与研究。利用高分辨率遥感影像是当前大规模海岸线变化分析(包括岸线类型分类、岸线检测、岸线侵蚀与扩张分
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的海岸线变化分析方法，其特征在于：所述方法具体过程为：步骤一、选择所研究区域的海岸线数据集，将海岸线数据集分为训练集和测试集；构建神经网络，将训练集输入神经网络进行训练，得到训练完成的网络，将测试集输入神经网络进行测试，输出海岸线类型，若测试结果满足要求得到训练好的神经网络，若测试结果不满足要求则通过调整模型参数或训练数据集重新进行训练，直至得到训练好的神经网络；所述训练集包括多时相海岸线遥感影像和对应的海岸线类型；步骤二、对多时相海岸线遥感影像进行处理，得到处理后的多时相海岸线遥感影像；将处理后的多时相海岸线遥感影像输入训练好的神经网络，获得处理后的多时相海岸线遥感影像对应的海岸线类型；步骤三、基于步骤二得到的海岸线类型，提取海岸线，获得海岸线图像；步骤四、基于步骤三获得的海岸线图像，检测海岸线的位置变化，计算海岸线长度变化速率，以及海岸线侵蚀或淤积速率。2.根据权利要求1所述一种基于深度学习的海岸线变化分析方法，其特征在于：所述步骤一中选择所研究区域的海岸线数据集，将海岸线数据集分为训练集和测试集；构建神经网络，将训练集输入神经网络进行训练，得到训练完成的网络，将测试集输入神经网络进行测试，输出海岸线类型，若测试结果满足要求得到训练好的神经网络，若测试结果不满足要求则通过调整模型参数或训练数据集重新进行训练，直至得到训练好的神经网络；具体过程为：步骤一一、选择所研究区域的海岸线数据集，将海岸线数据集分为训练集和测试集，其中训练集和测试集比例为4：1；步骤一二、分别构建VGG16、MobileNet、ResNet、Inception
‑
ResNet和Xception神经网络，将训练集输入不同神经网络进行训练；步骤一三、将测试集输入不同神经网络进行测试，输出海岸线类型，若测试结果满足要求得到训练好的不同神经网络，若测试结果满足要求得到训练好的神经网络，若测试结果不满足要求则通过调整模型参数或训练数据集重新进行训练，直至得到训练好的神经网络。3.根据权利要求2所述一种基于深度学习的海岸线变化分析方法，其特征在于：所述步骤二中对多时相海岸线遥感影像进行处理，得到处理后的多时相海岸线遥感影像；将处理后的多时相海岸线遥感影像输入训练好的神经网络，获得处理后的多时相海岸线遥感影像对应的海岸线类型；具体过程为：对多时相海岸线遥感影像进行图像去均值和裁剪，得到感兴趣的遥感影像区域；将得到的感兴趣的遥感影像区域根据实际需要输入合适的训练好的神经网络，获得处理后的多时相海岸线遥感影像的海岸线类型。4.根据权利要求3所述一种基于深度学习的海岸线变化分析方法，其特征在于：所述步骤三中基于步骤二得到的海岸线类型，提取海岸线，获得海岸线图像；具体过程为：步骤三一、基于步骤二得到的海岸线类型，采用归一化水体指数对海岸线进行提取；步骤三二、基于步骤二得到的海岸线类型，采用HED网络对海岸线进行提取；
步骤三三、对比步骤三一和步骤三二提取方式在不同的海岸线类型上的提取效果，确定不同的海岸线类型应选取的提取方式。5.根据权利要求4所述一种基于深度学习的海岸线变化分析方法，...
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。