一种浅海珊瑚礁监测数据采集方法技术

本发明专利技术公开一种浅海珊瑚礁监测数据采集方法

【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；
[0010]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；
[0011]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
。
[0012]与现有技术相比，本专利技术提供的一种浅海珊瑚礁监测数据采集方法，首先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，得到珊瑚礁的遥感影像，分析珊瑚礁的遥感影像，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，基于非线性混合像元分解网络对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；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，利用所述空间信息融合网络对所述高分辨率数据和所述低分辨率丰度结果进行处理，得到高分辨率高光谱数据
。
本专利技术基于珊瑚礁的高分辨率数据和低分辨率丰度结果，通过本专利技术构建的空间信息
融合网络对二者进行融合，降低高分辨率数据和低分辨率丰度结果之间的空间分辨率差异，使其完成在空间结构层面的深度融合，从而获得了具有高分辨率的高分辨率高光谱数据
。
[0013]第二方面，本专利技术还提供一种浅海珊瑚礁监测数据采集装置，包括：
[0014]高分辨率数据和高光谱数据获取模块，用于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；
[0015]低分辨率丰度结果获取模块，用于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；
[0016]空间信息融合网络构建模块，用于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；
[0017]高分辨率的高光谱数据获取模块，用于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
。
[0018]第三方面，本专利技术还提供一种浅海珊瑚礁监测数据采集设备，包括：
[0019]处理器以及与处理器耦合的通信接口；所述处理器用于运行计算机程序或指令，以实现上述一种浅海珊瑚礁监测数据采集方法
。
[0020]第二方面提供的装置类方案以及第三方面提供的设备类方案所实现的技术效果与第一方面提供的方法类方案相同，此处不再赘述
。
附图说明
[0021]此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定
。
在附图中：
[0022]图1为本专利技术提供的一种浅海珊瑚礁监测数据采集方法流程图；
[0023]图2为本专利技术实施例中的空间信息融合网络构建示意图；
[0024]图3为本专利技术实施例中的底质样本集构建示意图；
[0025]图4为本专利技术实施例中的非线性混合像元分解网络结构示意图；
[0026]图5为本专利技术实施例中的空间结构滤波网络结构示意图；
[0027]图6为本专利技术实施例中的空间信息融合网络结构示意图；
[0028]图7为本专利技术实施例中浅海珊瑚礁底质分类流程示意图；
[0029]图8为本专利技术提供的一种浅海珊瑚礁监测数据采集装置示意图；
[0030]图9为本专利技术提供的一种浅海珊瑚礁监测数据采集设备示意图
。
具体实施方式
[0031]为了便于清楚描述本专利技术实施例的技术方案，在本专利技术的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分
。
例如，第一阈值和第二阈值仅仅是为了区分不同的阈值，并不对其先后顺序进行限定
。
本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同
。
[0032]需要说明的是，本专利技术中，“示例性的”或者“例如”等词用于表示作例子
、
例证或说
明
。
本专利技术中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势
。
确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念
。
[0033]本专利技术中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上
。“和
/
或”，描述关联对象的关联关系，表示可以存在三种关系，例如，
A
和
/
或
B
，可以表示：单独存在
A
，同时存在
A
和
B
，单独存在
B
的情况，其中
A
，
B
可以是单数或者复数
。
字符“/”一般表示前后关联对象是一种“或”的关系
。“以下至少一项
(
个
)”或其类似表达，是指的这些项中的本文档来自技高网...

【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：