【技术实现步骤摘要】
本专利技术涉及海洋垃圾检测，特别涉及一种基于遥感图像的无监督海洋垃圾识别监测方法。
技术介绍
1、联合国环境规划署发布的报告中指出：塑料占海洋垃圾的85％，并持续增长，到2040年，全球每米海岸线大约有50公斤塑料。海洋中的所有生物都面临着中毒、饥饿和窒息等严重风险。同时，海洋塑料垃圾逐渐分解后，最终会通过食物链富集到人类的身体中，而危害人类自身健康。因此，海洋塑料垃圾的识别、监测、清理刻不容缓。
2、目前主要基于大量遥感图像采用深度学习有监督方法对海洋塑料垃圾监测和识别，目前欧盟sentinel-2、美国landsat-8等遥感卫星已开源了大量遥感图像。欧盟sentinel-3号遥感卫星还搭载了海洋全彩色追踪仪器，可用于观测海洋表面细微的光谱变化。然而不同的遥感卫星光学传感器、成像谱段、空间分辨率等均有不同，基于深度学习有监督方法虽然可以在给定遥感卫星数据集上达到高的精度识别检测精度，但是一旦直接应用在其他卫星数据集上，则需要大量标注其他遥感图像数据并重新训练，这极大增加了人工成本，同时由于不同遥感卫星的成像差异，会导致垃圾识别精度低。
技术实现思路
1、本专利技术目的是为了解决现有海洋垃圾监测方法还存在人工成本高以及识别精度低的问题，而提出了一种基于遥感图像的无监督海洋垃圾识别监测方法。
2、一种基于遥感图像的无监督海洋垃圾识别监测方法具体过程为：
3、step1、获取源域多光谱遥感数据和待识别的目标域多光谱遥感数据，并对源域多光谱遥感数据和
4、对源域红光波段图像数据red、源域红光边缘波段图像数据re2、源域近红外波段图像数据nir、源域短波红外波段图像数据swir1分别进行预处理，获得预处理后的待识别源域红光波段图像数据rred、预处理后的待识别源域红光边缘波段图像数据rre2、预处理后的待识别源域近红外波段图像数据rnir、预处理后的待识别源域短波红外波段图像数据rswir1；
5、对待识别目标域红光波段图像数据red′-1、待识别目标域红光边缘波段图像数据re2′-1、待识别目标域近红外波段图像数据nir′-1、待识别目标域短波红外波段图像数据swir1′-1分别进行预处理，获得预处理后的待识别目标域红光波段图像数据rred′-1、预处理后的待识别目标域红光边缘波段图像数据rre2′-1、预处理后的待识别目标域近红外波段图像数据rnir′-1、预处理后的待识别目标域短波红外波段图像数据rswir1′-1；
6、所述预处理包括：几何校正、去云、光谱校正；
7、step2、利用step1获得的预处理后的源域多光谱遥感数据获取源域漂浮碎片指数图fdi、源域归一化植被指数图ndvi，利用预处理后的目标域多光谱遥感数据获取目标域漂浮碎片指数图fdi'-1、目标域归一化植被指数图ndvi'-1；
8、step3、将预处理后的源域多光谱遥感数据的灰度图、源域漂浮碎片指数灰度图、源域归一化植被指数灰度图分别与目标域多光谱遥感数据灰度图、目标域漂浮碎片指数灰度图、目标归一化植被指数灰度图进行灰度直方图匹配，获得待识别的匹配结果；
9、step4、将待识别的匹配结果输入到训练好的海面垃圾识别网络中，获得海面垃圾识别结果；
10、所述训练好的海面垃圾识别网络，通过以下方式获得：
11、步骤一、获取源域多光谱遥感数据和目标域多光谱遥感数据，并对源域多光谱遥感数据和目标域多光谱遥感数据进行预处理，获得预处理后的源域多光谱遥感数据rred、rre2、rnir、rswir1和目标域多光谱遥感数据rred′、rre2′、rnir′、rswir1′；
12、其中，rred是预处理后的源域红光波段图像数据，rre2是预处理后的源域红光边缘波段图像数据，rnir是预处理后的源域近红外波段图像数据，rswir1是预处理后的源域短波红外波段图像数据，rred′是预处理后的目标域红光波段图像数据，rre2′是预处理后的目标域红光边缘波段图像数据，rnir′是预处理后的目标域近红外波段图像数据，rswir1′是预处理后的目标域短波红外波段图像数据；
13、步骤二、利用步骤一获得的预处理后的源域多光谱遥感数据获取源域漂浮碎片指数图fdi、源域归一化植被指数图ndvi，利用预处理后的目标域多光谱遥感数据获取目标域漂浮碎片指数图fdi'、目标域归一化植被指数图ndvi'；
14、步骤三、利用rred、rre2、rnir、rswir1、fdi、ndvi的灰度图与rred′、rre2′、rnir′、rswir1′、fdi′、ndvi'的灰度图进行灰度直方图匹配，获得匹配结果；
15、步骤四、将rred、rre2、rnir、rswir1、fdi、ndvi组源域数据集，构建海面塑料垃圾识别监测卷积网络，利用源域数据集对海面塑料垃圾识别检测卷积网络进行预训练，获得海面垃圾识别模型；
16、所述海面塑料垃圾识别监测卷积网络为基于注意力机制的unet卷积网络；
17、步骤五、利用海面塑料垃圾识别监测卷积网络构建跨域结构因果模型，并利用步骤三获得的匹配结果对跨域结构因果模型进行优化，获得最优跨域结构因果模型；
18、步骤六、利用步骤五获得的最优跨域结构因果模型获取匹配结果的伪标签，利用匹配结果和匹配结果的伪标签训练得海面垃圾识别模型获得训练好的海面垃圾识别网络。
19、进一步地，所述step2中的利用step1获得的预处理后的源域多光谱遥感数据获取源域漂浮碎片指数图fdi、源域归一化植被指数图ndvi，利用预处理后的目标域多光谱遥感数据获取目标域漂浮碎片指数图fdi'-1、目标域归一化植被指数图ndvi'-1，具体为：
20、fdi＝rnir-rre2-(rswir1-rre2)×(λnir-λred)/(λswir1-λred)×10
21、ndvi＝(rnir-rred)/(rnir+rred)
22、fdi′-1＝rnir′-1-rre2′-1-(rswir1′-1-rre2′-1)×(λnir′-1-λred′-1)/(λswir1′-1-λred′-1)×10
23、ndvi′-1＝(rnir′-1-rred′-1)/(rnir′-1+rred′-1)
24、其中，λnir是rnir的波长，λred是rred的波长，λswir1是rswir1的波长，λnir′-1是rnir′-1的波长，λred′-1是rred′-1的波长，λswir1′-1是rswir1′-1的波长，λred′-1是rred′-1的波长。
25、进一步地，所述step3中的将预处理后的源域多光谱遥感数据的灰度图、源域漂浮碎片指数灰度图、源域归一化植被指数灰度图分别与目标域多光谱遥本文档来自技高网...
【技术保护点】
1.一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于所述方法具体过程为：
2.根据权利要求1所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述Step2中的利用Step1获得的预处理后的源域多光谱遥感数据获取源域漂浮碎片指数图FDI、源域归一化植被指数图NDVI，利用预处理后的目标域多光谱遥感数据获取目标域漂浮碎片指数图FDI'-1、目标域归一化植被指数图NDVI'-1，具体为：
3.根据权利要求2所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述Step3中的将预处理后的源域多光谱遥感数据的灰度图、源域漂浮碎片指数灰度图、源域归一化植被指数灰度图分别与目标域多光谱遥感数据灰度图、目标域漂浮碎片指数灰度图、目标归一化植被指数灰度图进行灰度直方图匹配，获得待识别匹配结果，具体为：
4.根据权利要求3所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述Step302中的利用Step301获得的离散直方图Hr(s)和Ht-1(s)获取源域多光谱数据灰度图Ir和与Ir对应的目标域多光谱数据灰度
5.根据权利要求4所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述Step303中的利用Step302获得的CHr和CHt获取Ir与It-1匹配的结果具体为：
6.根据权利要求5所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述步骤四中的将RRED、RRE2、RNIR、RSWIR1、FDI、NDVI组源域数据集，构建海面塑料垃圾识别监测卷积网络，利用源域数据集对海面塑料垃圾识别检测卷积网络进行预训练，获得海面垃圾识别模型，具体为：
7.根据权利要求6所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述注意力机制模块，包括：通道注意力子模块、空间注意力子模块，具体为：
8.根据权利要求7所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述利用训练集训练海面塑料垃圾识别监测卷积网络，采用如下损失函数：
9.根据权利要求8所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述步骤五中的利用海面塑料垃圾识别监测卷积网络构建跨域结构因果模型，并利用步骤三获得的匹配结果对跨域结构因果模型进行优化，获得最优跨域结构因果模型，具体为：
10.根据权利要求9所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述步骤六中的利用步骤五获得的最优跨域结构因果模型获取匹配结果的伪标签，利用匹配结果和匹配结果的伪标签训练得海面垃圾识别模型获得训练好的海面垃圾识别网络，具体为：
...【技术特征摘要】
1.一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于所述方法具体过程为：
2.根据权利要求1所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述step2中的利用step1获得的预处理后的源域多光谱遥感数据获取源域漂浮碎片指数图fdi、源域归一化植被指数图ndvi，利用预处理后的目标域多光谱遥感数据获取目标域漂浮碎片指数图fdi'-1、目标域归一化植被指数图ndvi'-1，具体为：
3.根据权利要求2所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述step3中的将预处理后的源域多光谱遥感数据的灰度图、源域漂浮碎片指数灰度图、源域归一化植被指数灰度图分别与目标域多光谱遥感数据灰度图、目标域漂浮碎片指数灰度图、目标归一化植被指数灰度图进行灰度直方图匹配，获得待识别匹配结果，具体为：
4.根据权利要求3所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述step302中的利用step301获得的离散直方图hr(s)和ht-1(s)获取源域多光谱数据灰度图ir和与ir对应的目标域多光谱数据灰度图it的累积直方图chr和cht-1，具体为：
5.根据权利要求4所述的一种基于遥感图像的无监督海洋垃圾识别监测方法，其特征在于：所述step303中的利用step302获得的chr和...
【专利技术属性】
技术研发人员：刘通，
申请(专利权)人：湖南赛德雷特卫星科技有限公司，
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。