【技术实现步骤摘要】
一种浅海珊瑚礁监测数据采集方法、装置及设备
[0001]本专利技术涉及遥感监测
,尤其涉及一种浅海珊瑚礁监测数据采集方法
、
装置及设备
。
技术介绍
[0002]浅海生长的珊瑚礁在空间分布上具有零散
、
细碎的特点,因此在进行遥感监测时对数据源的空间分辨率要求较高,以避免混合像元对底质分类精度的影响
。
在对浅海珊瑚礁进行数据采集时,应采用基于混合像元分解的空谱融合技术
。
[0003]但是现有的空谱融合技术无法保持高分辨率数据的空间结构信息,并且不适用于空间分辨率倍数差异过大的两种数据源,即无法获得具有高分辨率的高光谱数据,导致浅海珊瑚礁监测数据集不完整
。
[0004]因此,需要合适的空谱融合技术来实现高光谱数据和高分辨率数据的融合,进而获得具有高分辨率的高光谱数据,提高浅海珊瑚礁监测数据的完整性
。
技术实现思路
[0005]本专利技术的目的在于提供一种浅海珊瑚礁监测数据采集方法
、
装置及设备,用于解决现有技术无法获得具有高分辨率的高光谱数据的问题
。
[0006]为了实现上述目的,本专利技术提供如下技术方案:
[0007]第一方面,本专利技术提供一种浅海珊瑚礁监测数据采集方法,包括:
[0008]获取珊瑚礁的初始遥感影像,对所述初始遥感影像进行预处理操作,得到所述珊瑚礁的遥感影像中的高分辨率数据和高光谱数据;
[0009]将所述高光谱 ...
【技术保护点】
【技术特征摘要】
1.
一种浅海珊瑚礁监测数据采集方法,其特征在于,包括:获取珊瑚礁的初始遥感影像,对所述初始遥感影像进行预处理操作,得到所述珊瑚礁的遥感影像中的高分辨率数据和高光谱数据;将所述高光谱数据输入非线性混合像元分解网络中,得到所述珊瑚礁的低分辨率丰度结果;在所述非线性混合像元分解网络的基础上结合卷积神经网络以及动态滤波网络,构建得到具有孪生神经网络结构的空间信息融合网络;将所述高分辨率数据和所述低分辨率丰度结果输入所述空间信息融合网络中,得到高分辨率高光谱数据
。2.
根据权利要求1所述的一种浅海珊瑚礁监测数据采集方法,其特征在于,所述将所述高分辨率数据和所述低分辨率丰度结果输入所述空间信息融合网络中,得到高分辨率高光谱数据,包括:将所述高分辨率数据和所述低分辨率丰度结果输入所述空间信息融合网络中,利用所述空间信息融合网络中的重采样模块和空间结构滤波对所述高分辨率数据和所述低分辨率丰度结果进行重采样处理,得到高分辨率高光谱数据;所述重采样模块包括卷积层
、
归一化层
、
激活函数层以及上采样层
。3.
根据权利要求2所述的一种浅海珊瑚礁监测数据采集方法,其特征在于,所述利用所述空间信息融合网络中的重采样模块对所述高分辨率数据和所述低分辨率丰度结果进行重采样处理,包括:利用所述空间信息融合网络对所述高分辨率数据进行降采样处理,对所述低分辨率丰度结果进行上采样处理
。4.
根据权利要求3所述的一种浅海珊瑚礁监测数据采集方法,其特征在于,所述对所述低分辨率丰度结果进行空间结构滤波和上采样处理之后,还包括:基于所述高分辨率数据的空间结构,修正所述低分辨率丰度结果的空间结构,得到高分辨率丰度结果;将所述高分辨率丰度结果输入
softmax
层,经过编码处理,得到所述珊瑚礁的底质分类结果
。5.
根据权利要求1所述的一种浅海珊瑚礁监测数据采集方法,其特征在于,所述将所述高光谱数据输入非线性混合像元分解网络中,对所述高光谱数据进行混合像元分解,得到所述珊瑚礁的低分辨率丰度结果,包括:利用所述非线性混合像元分解网络,基于逐段凸函数端元提取算法对所述高光谱数据进行端元提取,得到多组端元;基于混合像元分解算法将所述高光谱数据扩展到多组端元,完成对所述高光谱数据的无监督混合像元分解,得到所述珊瑚礁的低分辨率丰度结果
。6.
根据权利要求1所述的一种浅海珊瑚礁监测数据采集方法,其特征在于,所述对所述初始遥感影像进行预处...
【专利技术属性】
技术研发人员:李丽,李帅,田淑芳,李宁,李瑞卿,
申请(专利权)人:中国地质大学北京,
类型:发明
国别省市:
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。