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()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其是一种黑臭水体模型的训练方法、识别方法、系统、设备及介质。
技术介绍
1、黑臭水体的形成主要由水中有机物质腐败、污水排放造成的,大多存在于城市或农村地区狭窄河道和小面积的池塘,水体流通性较差,严重影响周边的生态环境和人类健康。
2、目前,通过遥感技术识别黑臭水体的方法主要包括基于光谱反射率特征的阈值法、基于水体颜色特点的色度法和基于水体参数的水质参数判别法等。这些方法的适用范围较窄,仅能实现特定水体的黑臭程度识别,在对非特定水体进行识别时的准确度偏低;例如,阈值法严重依赖于选取的固定阈值,具有一定的主观性,当进行检测的水体发生变动时,水体识别结果的准确度往往不尽人意;或者,城市内湖泊等一般水体也呈现深色,色度法在对城市水体进行识别时易造成黑臭水体的误判;再例如,由于水体透明度、氮总量、溶解氧等水质参数呈非光学活性,水质判别法在遥感反演时需要为每个水体设置独立的反演规则才能保证水体的识别准确度,适用范围较窄。
3、还有,由于黑臭水体大多存在于狭窄的河道、池塘等小微水体,现有通过遥感技术识别黑臭水体的方法主要依据高空间分辨率卫星数据进行识别,但该类型遥感数据的波段设置较少,波长间隔较宽,常常出现异物同谱现象,黑臭水体的识别准确度偏低,且无法定量地评估水体的黑臭程度。
4、因此,现有技术存在的问题还亟需解决和优化。
技术实现思路
1、本专利技术的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
2、为此,
3、本申请实施例的第二个目的在于提供一种黑臭水体模型的识别方法。
4、本申请实施例的第三个目的在于提供一种黑臭水体模型的训练系统。
5、为了达到上述技术目的,本申请实施例所采取的技术方案包括:
6、第一方面,本申请实施例提供了一种黑臭水体模型的训练方法,包括:
7、获取原始的卫星水体数据集;
8、对所述卫星水体数据集进行校正预处理,得到校正数据集,所述校正数据集包括光谱校正数据和空间校正数据;
9、根据所述空间校正数据,对所述光谱校正数据进行光谱融合处理,得到融合数据集,所述融合数据集包括多个融合图像,每个融合图像用于记录水体在红光波段、绿光波段、蓝光波段、近红外波段和短波红外波段下的光谱反射率;
10、根据所述融合数据集,对初始化的黑臭水体模型进行参数更新,得到训练好的黑臭水体模型。
11、另外,根据本申请上述实施例的训练方法,还可以具有以下附加的技术特征:
12、进一步地,在本申请的一个实施例中,所述对所述卫星水体数据集进行校正预处理,得到校正数据集,包括:
13、对所述卫星水体数据集进行辐射定标处理,得到辐射定标数据集;
14、对所述辐射定标数据集进行大气校正处理,得到所述校正数据集。
15、进一步地,在本申请的一个实施例中,所述根据所述空间校正数据,对所述光谱校正数据进行光谱融合处理,得到融合数据集,包括:
16、根据所述空间校正数据,对所述光谱校正数据进行空间配准处理,得到光谱配准数据集;
17、根据所述光谱配准数据集和所述光谱校正数据,对所述空间校正数据进行配准融合处理,得到所述融合数据集。
18、进一步地,在本申请的一个实施例中,所述根据所述光谱配准数据集和所述光谱校正数据,对所述空间校正数据进行配准融合处理,得到所述融合数据集,包括:
19、根据所述光谱校正数据,对所述空间校正数据进行尺度降维处理,得到空间降尺数据;
20、根据所述光谱配准数据集、所述空间降尺数据和所述光谱校正数据,对所述空间校正数据进行短波红外融合处理,得到短波红外融合数据集;
21、根据所述光谱配准数据集和所述空间降尺数据,对所述空间校正数据进行空间波段融合处理,得到空间波段融合数据集;
22、对所述空间波段融合数据集和所述短波红外融合数据集进行水体特征提取处理,得到所述融合数据集。
23、进一步地,在本申请的一个实施例中,所述训练方法还包括:
24、获取预设的水质样本数据集和权重因子;
25、根据所述权重因子,对所述水质样本数据集进行指标优化处理,得到水质指标数据集。
26、进一步地,在本申请的一个实施例中,所述根据所述融合数据集,对初始化的黑臭水体模型进行参数更新,得到训练好的黑臭水体模型,包括:
27、获取预设的抽样比例阈值;
28、根据所述抽样比例阈值,对所述融合数据集进行抽样筛选处理,得到若干个融合抽样集;
29、根据所述水质指标数据集,将所有所述融合抽样集输入至所述初始化的黑臭水体模型进行识别,得到若干个抽样识别结果;
30、对所有抽样识别结果进行加权平均处理,得到融合识别结果;
31、根据所述融合识别结果,对所述初始化的黑臭水体模型进行模型参数更新,得到所述训练好的黑臭水体模型。
32、第二方面,本申请实施例提供了一种黑臭水体模型的识别方法,包括:
33、获取待识别的水体遥感图像;
34、将所述待识别的水体遥感图像输入到如上述第一方面所述的黑臭水体模型的训练方法所得到的黑臭水体模型中,得到水体识别结果。
35、第三方面,本申请实施例提供了一种黑臭水体模型的训练系统,包括:
36、获取模块,用于获取原始的卫星水体数据集;
37、校正模块,用于对所述卫星水体数据集进行校正预处理,得到校正数据集,所述校正数据集包括光谱校正数据和空间校正数据;
38、融合模块,用于根据所述空间校正数据,对所述光谱校正数据进行光谱融合处理,得到融合数据集,所述融合数据集包括多个融合图像,每个融合图像用于记录水体在红光波段、绿光波段、蓝光波段、近红外波段和短波红外波段下的光谱反射率;
39、更新模块,用于根据所述融合数据集,对初始化的黑臭水体模型进行参数更新,得到训练好的黑臭水体模型。
40、第四方面,本申请实施例还提供了一种计算机设备,包括:
41、至少一个处理器;
42、至少一个存储器,用于存储至少一个程序;
43、当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述的方法。
44、第五方面,本申请实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由所述处理器执行时用于实现上述的方法。
45、本申请的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到:
46、本申请实施例所公开的一种黑臭水本文档来自技高网...
【技术保护点】
1.一种黑臭水体模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的黑臭水体模型的训练方法,其特征在于,所述对所述卫星水体数据集进行校正预处理,得到校正数据集,包括:
3.根据权利要求1所述的黑臭水体模型的训练方法,其特征在于,所述根据所述空间校正数据,对所述光谱校正数据进行光谱融合处理,得到融合数据集,包括:
4.根据权利要求3所述的黑臭水体模型的训练方法,其特征在于,所述根据所述光谱配准数据集和所述光谱校正数据,对所述空间校正数据进行配准融合处理,得到所述融合数据集,包括:
5.根据权利要求1所述的黑臭水体模型的训练方法,其特征在于,所述训练方法还包括:
6.根据权利要求5所述的黑臭水体模型的训练方法,其特征在于,所述根据所述融合数据集,对初始化的黑臭水体模型进行参数更新,得到训练好的黑臭水体模型,包括:
7.一种黑臭水体模型的识别方法,其特征在于,包括:
8.一种黑臭水体模型的训练系统,其特征在于,包括:
9.一种计算机设备,其特征在于,包括:
10.一种计算
...【技术特征摘要】
1.一种黑臭水体模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的黑臭水体模型的训练方法,其特征在于,所述对所述卫星水体数据集进行校正预处理,得到校正数据集,包括:
3.根据权利要求1所述的黑臭水体模型的训练方法,其特征在于,所述根据所述空间校正数据,对所述光谱校正数据进行光谱融合处理,得到融合数据集,包括:
4.根据权利要求3所述的黑臭水体模型的训练方法,其特征在于,所述根据所述光谱配准数据集和所述光谱校正数据,对所述空间校正数据进行配准融合处理,得到所述融合数据集,包括:
5.根据权利要求1所述的黑臭...
【专利技术属性】
技术研发人员:黄本胜,姜勃,王留杰,陈亮雄,杨静学,王杰,刘洁,张力澜,郭恒睿,黄海明,罗超,张栋,梁正初,
申请(专利权)人:广东省水利水电科学研究院,
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。