【技术实现步骤摘要】
本专利技术涉及深度学习，具体是一种基于多源卫星数据的深度学习火点识别算法及系统。
技术介绍
1、遥感技术具有高时效、高分辨率、大范围监测的优势，已成为火灾监测重要手段之一，广泛应用于火灾监测和火灾管理中，基于遥感数据的火点识别算法思路主要包括辐射传输物理模型与深度学习模型两大类。传统的火点识别算法是根据高温目标像元与其周围像素点之间的温度差异，建立目标像元与周围低温背景像元之间的联系，即通过计算差值或平均偏差的方法判断此像元是否为火点像元。由于这种传统算法中关键指标的固定阈值会导致火点的误检和漏检，特别是在沙漠戈壁、山体阴影、云阴影等极端情况下，固定阈值缺陷明显，产生大量误检，对灾害应急工作造成干扰。
2、近年来，深度学习在图像领域的发展迅速，用该领域的知识对遥感卫星图像进行处理，可以挖掘出更多有用的信息，提供更多种类的应用。深度学习方法可以有效解决传统火点检测方法中参数阈值单一，模型适应性差的问题，从而获得计算过程简单且精度较高的检测模型。
3、现有的用于遥感卫星火点识别的深度学习模型大多是基于某一种卫星数据进行识别的，泛化性较低；因此，将多个卫星的数据做标准化处理，并基于多源卫星数据进行训练及检测，以提高模型的泛化性，具有重要的理论和现实意义。
4、如何利用深度学习技术，对适波卫星数据进行关联合并和规范校验，获得标准波段图，设置共存提取层对标准波段图进行排序分组和通道划分，获得输入通道，设置高能提取核对输入波段图组进行均点提取，获得综合通道图，设置环形提取核对综合通道图进行环形边缘提取，获
技术实现思路
1、本专利技术的目的在于提供一种基于多源卫星数据的深度学习火点识别算法及系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于多源卫星数据的深度学习火点识别系统，包括控制中心，所述控制中心连接有数据采集模块、数据处理模块、识别分析模块以及智能调控模块
4、所述数据采集模块用于采集适波卫星数据，所述适波卫星数据包括波段综合数据、波段遥感图像以及地理坐标信息；
5、所述数据采集模块采集适波卫星数据的过程包括：
6、设置波段筛选端，通过波段筛选端对多源卫星数据进行采集，获得适波卫星数据和采集时间；
7、所述适波卫星数据包括波段综合数据、波段遥感图像以及地理坐标信息；
8、将所获得的波段综合数据、地理坐标信息以及采集时间与对应的波段遥感图像相关联。
9、获得标准波段图的过程包括：
10、根据所获得的波段综合数据获得波辐量温值；
11、根据所获得的波辐量温值对所获得的波段遥感图像进行关联合并，获得多波段图像；
12、对所获得的多波段图像进行统计，获得多波段张量，根据所获得的多波段张量设置标准图规；
13、根据所设置的标准图规对所获得的多波段张量进行规范校验，获得标准波段图。
14、获得输入通道的过程包括：
15、设置共存提取层，将所获得的标准波段图上传至共存提取层；
16、对所获得的共存提取层设置提取终止条件；
17、根据所获得的采集时间对标准波段图进行排序分组，获得输入波段图组；
18、根据所获得的波辐量温值对输入波段图组进行通道划分，获得输入通道。
19、获得综合通道图的过程包括：
20、根据输入波段图组和输入通道设置高能提取核；
21、根据所获得的高能提取核对所获得的输入通道进行单向提取，获得单通道特征系数；
22、根据所获得的单通道特征系数对输入波段图组进行均点提取，获得综合通道图。
23、获得第二环形特征图的过程包括：
24、设置环形提取核，将所获得的环形提取核上传至综合通道图；
25、根据所获得的环形提取核对综合通道图进行环形边缘提取，获得环形特征图；
26、将所获得的环形特征图上传至下一共存提取层，获得第二环形特征图；
27、根据所获得的单通道特征系数对第二环形特征图进行均点提取，获得第二综合通道图；
28、将所获得的环形提取核上传至第二综合通道图，根据所获得的环形提取核对第二综合通道图进行环形边缘提取，获得第二环形特征图。
29、获得目标遥感图像的过程包括：
30、将所获得的第二环形特征图上传至下一共存提取层，获得第三环形特征图，重复获得第二环形特征图的过程，直至满足提取终止条件，获得终端环形特征域；
31、对所获得的终端环形特征域进行溯源匹配，获得环形目标图；
32、对所获得的环形目标图进行图像匹配，获得目标遥感图像。
33、获得目标警告坐标和预警时间的过程包括：
34、根据所获得的目标遥感图像和波段遥感图像构建信息查询库，将所获得的目标遥感图像和波段遥感图像上传至信息查询库；
35、设置巡回查验指令，根据所获得的巡回查验指令对信息查询库进行安全查验，获得目标警告坐标和预警时间。
36、基于上述一种基于多源卫星数据的深度学习火点识别系统，本专利技术还提供了一种基于多源卫星数据的深度学习火点识别算法，包括以下步骤：
37、步骤一：采集适波卫星数据，所述适波卫星数据包括波段综合数据、波段遥感图像以及地理坐标信息；
38、步骤二：根据波段综合数据对波段遥感图像进行关联合并，获得多波段图像，设置标准图规对统计后的多波段图像进行规范校验，获得标准波段图；
39、步骤三：设置共存提取层，将所获得的标准波段图上传至共存提取层，对标准波段图进行排序分组和通道划分，获得输入通道，设置高能提取核对输入波段图组进行均点提取，获得综合通道图；
40、步骤四：设置环形提取核对综合通道图进行环形边缘提取，获得环形特征图，将环形特征图上传至下一共存提取层进行均点提取和环形边缘提取，获得第二环形特征图，将第二环形特征图上传至下一共存提取层进行分层循环，获得终端环形特征域，对终端环形特征域进行溯源匹配和图像匹配，获得目标遥感图像，构建信息查询库，设置巡回查验指令对信息查询库进行安全查验，获得目标警告坐标和预警时间。
41、与现有技术相比，本专利技术的有益效果是：对采集的波段综合数据进行处理和规范校验，获得标准波段图，设置共存提取层对标准波段图进行排序分组和通道划分，获得输入通道，设置高能提取核对输入波段图组进行均点提取，获得综合通道图；增加数据处理的泛化性，增加适用范围，满足更多需求；
42、设置环形提取核对综合通道图进行环形边缘提取，获得环形特征图，将环形特征图上传至下一共存提取层进行均点提取和环形边缘提取，获得第二环形特征图，在下一共存提取层进行分层循环，重复获得第二环形特征图的过程，获得终端环形特征域；对火点进行更本文档来自技高网...
【技术保护点】
1.一种基于多源卫星数据的深度学习火点识别系统，包括控制中心，其特征在于，所述控制中心连接有数据采集模块、数据处理模块、识别分析模块以及智能调控模块；
2.根据权利要求1所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，所述数据采集模块采集适波卫星数据的过程包括：
3.根据权利要求2所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得标准波段图的过程包括：
4.根据权利要求3所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得输入通道的过程包括：
5.根据权利要求4所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得综合通道图的过程包括：
6.根据权利要求5所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得第二环形特征图的过程包括：
7.根据权利要求6所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得目标遥感图像的过程包括：
8.根据权利要求7所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得目标
9.根据权利要求1至8任一项所述的一种基于多源卫星数据的深度学习火点识别系统的深度学习火点识别算法，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种基于多源卫星数据的深度学习火点识别系统，包括控制中心，其特征在于，所述控制中心连接有数据采集模块、数据处理模块、识别分析模块以及智能调控模块；
2.根据权利要求1所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，所述数据采集模块采集适波卫星数据的过程包括：
3.根据权利要求2所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得标准波段图的过程包括：
4.根据权利要求3所述的一种基于多源卫星数据的深度学习火点识别系统，其特征在于，获得输入通道的过程包括：
5.根据权利要求4所述的一种基于多源卫星数...
【专利技术属性】
技术研发人员：曲晨，万林涛，李栋，
申请(专利权)人：上海蔚星数据科技有限公司，
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。