System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种使用阵列式空联合热图的海面风场多模态识别方法技术_技高网

一种使用阵列式空联合热图的海面风场多模态识别方法技术

技术编号:40652732 阅读:8 留言:0更新日期:2024-03-13 21:29
本发明专利技术公开了一种使用阵列式空联合热图的海面风场多模态识别方法,包括:利用推扫式光谱成像仪获取不同风场条件下的海水样本和两种油膜样本的像元亮度值,基于像元亮度值通过辐射定标计算出相对反射率,获取高光谱立方体矩阵的z值,从而获得高光谱立方体矩阵以及高光谱立方体矩阵的维度信息;将高光谱立方体矩阵按单帧切片处理,从而对其进行维度变换,得到一定时间内瞬时视场的高光谱阵列成像;将三维阵列式成像作为输入数据传递到深度卷积网络中进行迁移学习,深度卷积主干网络对输入数据进行特征提取及特征增强,对主干网络进行超参数微调,通过迁移预训练最佳权重初始化策略,对网络进行高效地迁移学习,获得海面油膜多模态辨别结果。

【技术实现步骤摘要】

本专利技术涉及海面风场识别,尤其涉及一种使用阵列式空联合热图的海面风场多模态识别方法


技术介绍

1、随着海上交通工程和海上运输事业的快速发展,海上生产活动同样日趋频繁,导致海上溢油污染事故发生的风险也在日趋增加。海面风场模态是影响海面油膜反射辐射强度变化重要因素之一,多模态风场状况下海面呈现了不同且复杂的光学反射辐射强度特征,因此识别风场模态在溢油检测方面有至关重要的作用。因此,为了描述外界模态环境的显著特征,将遥感高光谱像素阵列的能够反映反射辐射强度的空谱联合热图作为输入,使用深度卷积主干网络对输入数据进行特征提取及特征增强,对主干网络进行超参数微调,通过迁移预训练最佳权重初始化策略,对网络进行高效地迁移学习。最终结果表明使用阵列式空谱联合热图数据能够准确地识别出所在区域的海面风场模态,提取出海面风场的显著特征。风场模态识别结果稳定,探测结果准确,可以满足溢油区海面风场的快速响应的需求,具有较好的应用前景,将产生良好的社会与经济效益。


技术实现思路

1、根据现有技术存在的问题,本专利技术公开了一种使用阵列式空联合热图的海面风场多模态识别方法,具体采用如下步骤:

2、利用推扫式光谱成像仪获取不同风场条件下的海水样本和两种油膜样本的像元亮度值,

3、基于像元亮度值通过辐射定标计算出相对反射率,获取高光谱立方体矩阵的z值,从而获得高光谱立方体矩阵以及高光谱立方体矩阵的维度信息;

4、将高光谱立方体矩阵按单帧切片处理,从而对其进行维度变换,得到一定时间内瞬时视场的高光谱阵列成像;

5、将三维阵列式成像作为输入数据传递到深度卷积网络中进行迁移学习,深度卷积主干网络对输入数据进行特征提取及特征增强,对主干网络进行超参数微调,通过迁移预训练最佳权重初始化策略,对网络进行高效地迁移学习,获得海面油膜多模态辨别结果。

6、2、根据权利要求1所述的一种使用阵列式空联合热图的海面风场多模态识别方法,其特征在于:所述获得高光谱立方体矩阵以及高光谱立方体矩阵的维度信息具体采用如下方式:

7、s21:使用标准反射板白板,对原始的反射辐射强度进行辐射校准,以消除不同太阳仰角、测量区域和数据测量时间之间的辐射强度差异,并减少由传感器本身引起的测量误差,通过下述公式计算辐射校准后的相对反射率:

8、rirel=k*dnn+c

9、r表示相对的由像元亮度值表示的反射辐射强度,k代表增益,c是包括由大气散射、吸收、反射和其他因素引起的误差的偏移,

10、s22:根据采样时间将实测阵列高光谱成像数据划分为{s1,s2,s3…,sn-1,sn},任意时刻ti的序列维度大小是

11、3、根据权利要求1所述的一种使用阵列式空联合热图的海面风场多模态识别方法,其特征在于:采用深度卷积主干网络对输入数据进行特征提取及特征增强时:基于最佳预训练权重,利用下列公式计算迁移模型的代价函数:

12、

13、

14、

15、其中li表示每个训练样本的贡献的损失值,l是n个损失值组成的向量,sic表示第i个模型输入的高光谱阵列成像三维数据,与样本数量相同,c表示输入样本的类别,c={1,2,3…,c},标签类别中索引集合元素,yi表示第i个3d的hsi立方体的预测标签,wyi表示第i个预测标签所占的权重。

16、由于采用了上述技术方案,本专利技术提供的一种使用阵列式空联合热图的海面风场多模态识别方法,该方法采用迁移学习框架,使用单阵列光谱成像作为特征输入,用于在变化的风力条件下油膜覆盖海面的多模式识别和定量反演。这种方法通过整个成像阵列对当前浮油海面风场情况进行“集体投票”,将一个阵列的反射辐射强度进行“热”成像,突出不同样本相对反射率阵列的空间分布特征。然后,使用迁移学习策略快速训练反射辐射强度阵列数据,该策略使用最流行的深度卷积模型vgg16进行图像纹理特征提取,具有最佳预训练权重。只需要几批微调和迭代,具有很强的区分模态的能力。即使在少量训练数据的情况下,它也能有效地识别油水模态环境。

本文档来自技高网...

【技术保护点】

1.一种使用阵列式空联合热图的海面风场多模态识别方法,其特征在于包括:

2.根据权利要求1所述的一种使用阵列式空联合热图的海面风场多模态识别方法,其特征在于:所述获得高光谱立方体矩阵以及高光谱立方体矩阵的维度信息具体采用如下方式:

3.根据权利要求1所述的一种使用阵列式空联合热图的海面风场多模态识别方法,其特征在于:采用深度卷积主干网络对输入数据进行特征提取及特征增强时:基于最佳预训练权重,利用下列公式计算迁移模型的代价函数:

【技术特征摘要】

1.一种使用阵列式空联合热图的海面风场多模态识别方法,其特征在于包括:

2.根据权利要求1所述的一种使用阵列式空联合热图的海面风场多模态识别方法,其特征在于:所述获得高光谱立方体矩阵以及高光谱立方体矩阵的维度信息具体...

【专利技术属性】
技术研发人员:李颖兰希董双张照亿刘大刚
申请(专利权)人:大连海事大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1