一种基于卷积神经网络获取海草床面积的方法及装置制造方法及图纸

一种基于卷积神经网络获取海草床面积的方法及装置，该方法包括如下操作：步骤一：获取海草床影像数据集，经特征提取处理、权重生成处理和卷积处理后，获得第一海草床识别图像；步骤二：所述第一海草床识别图像经降损处理后，获得第二海草床识别图像；步骤三：基于所述第二海草床识别图像，获得海草床面积。使用该方法最终获得更加准确的海草床面积，且该方法实现了遥感影像数据与卷积神经网络在海草床分布特征方面研究的结合，相对传统的人工测量方法省时省力，并且该方法可应用在大尺度的海草床面积研究方面，具有非常高的应用价值。具有非常高的应用价值。具有非常高的应用价值。

【技术实现步骤摘要】
一种基于卷积神经网络获取海草床面积的方法及装置


[0001]本专利技术涉及海洋图像处理
，具体为一种基于卷积神经网络获取海草床面积的方法及装置。

技术介绍

[0002]卷积神经网络（Convolutional Neural Networks，CNN）是一种深度学习模型或类似于人工神经网络的多层感知器，卷积神经网络适应性强，数据处理效率高，在图像处理当中应用广泛。
[0003]海草床是非常重要的一个生态系统，海草床面积约占全球海洋面积的0.2%，海草床可以吸收空气与海水中大量的二氧化碳，是初级生产力最高的生物群落之一。同时，海草为沿海鱼类、贝类提供安全温暖的生活场所，增强了生物多样性，对沿海生态系统和经济价值起着关键作用。因此，识别海草床的分布情况可为海草床保护、蓝碳估算和海岸带生态保护提供重要信息。
[0004]近些年来，常利用实地调查手段来获取海草床的分布情况，但是由于实地调查费时费力，仅限于较小的尺度，且无法提前预知海草床的存在性，难以实现海草床面积的准确计算。

技术实现思路

[0005]本专利技术的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络获取海草床面积的方法，其特征在于，包括如下操作：步骤一：获取海草床影像数据集，经特征提取处理、权重生成处理和卷积处理后，获得第一海草床识别图像；步骤二：所述第一海草床识别图像经降损处理后，获得第二海草床识别图像；步骤三：基于所述第二海草床识别图像，获得海草床面积。2.根据权利要求1所述的方法，其特征在于，所述海草床面积S可通过以下计算公式得到：，为像素点数量累加和，P为单个像素所占面积。3.根据权利要求1所述的方法，其特征在于，所述步骤一的操作具体为：获取海草床影像数据集，利用所述海草床影像数据集训练卷积神经网络，获得训练的卷积神经网络，利用所述训练的卷积神经网络对海草床影像数据集进行特征提取处理、权重生成处理和卷积处理，获得所述第一海草床识别图像。4.根据权利要求1所述的方法，其特征在于，所述特征提取处理的操作之前，还包括预处理所述海草床影像数据集；所述预处理为：获取所述海草床影像数据集中图像的简化矩阵数据，接着抑制所述图像噪声，然后突出图像中地物的轮廓，最后提取图像分量。5.根据权利要求4所述的方法，其特征在于，所述预处理包括如下具体操作：颜色因子灰度化处理、滤波处...

【专利技术属性】
技术研发人员：李凡，李少文，李明亮，苏海霞，刘兆伟，张信泽，左震，
申请(专利权)人：烟台大学，
类型：发明
国别省市：