【技术实现步骤摘要】
本专利技术涉及光学遥感与遥感数据处理，尤其涉及一种基于位置特征和深度不变指数的遥感水深反演方法及系统。
技术介绍
1、传统的水深测量方法包括舰载多波束或单波束探测，然而，利用这一传统测量方式测量水深时，浅水区通常是一个具有挑战性的环境，这一环境将限制该测量方式的实施。随着卫星遥感技术的发展，光学遥感影像已成为浅水探测的有效手段。遥感技术可以为研究浅水域提供大尺度、短周期、高时延的图像，弥补常规探测的不足。
2、目前，基于光学遥感技术的水深探测方式主要包括基于经验模型和基于半解析模型的水深深度反演方法。其中，经验遥感水深探测方法是基于已知水深深度数据与一个或多个波段的水反射率之间的统计关系，通过经验回归分析推导出遥感影像辐射与水深测量之间的表达式，构建经验模型，以此反演水深。进一步的，可假设不同底质类型上的两个波段的反射率比为常数，建立对数线性模型进行测深反演，而且这种模型也可扩展到多个波段。而基于可见光在水柱中的物理辐射传递机制的半解析模型，该模型可以在不需要现场水深资料的情况下进行水深和水柱iops(inherent optical properties, 固有光学特性)的估计。例如，目前所提出的高光谱优化过程范例(hyperspectral optimization processexemplar, hope)模型，该模型是迄今为止大多数半解析模型的基础，是目前应用最广泛的高精度高光谱测深数据反演模型。
3、然而，对于经验模型而言，仅使用水面反射率(或辐亮度)来反演水深，其通常不考虑其他特征，而且在调
4、也就是说，目前所采用的上述水深反演模型，通常仅使用水面蓝、红、绿波段反射率作为反演特征，使用机器学习方法反演得到水深，这一方式存在诸多的局限性，且其考虑的反演特征不全面，往往导致最终反演结果精确性较差。
技术实现思路
1、为解决上述现有技术的不足，本专利技术提供了一种基于位置特征和深度不变指数的遥感水深反演方法及系统，构建基于机器学习的水深反演模型，该模型的输入特征除了考虑波段反射率外，还考虑了待探测水体区域的像元空间位置和深度不变指数(deepinvariant index, dii)，该深度不变指数是与水体底质相关的特征，将上述待探测水体区域的特征输入至水深反演模型，通过使用反向传播bp神经网络机器学习算法进行水深反演，获取性能更优、精度更高的水深反演结果。
2、第一方面，本专利技术提供了一种基于位置特征和深度不变指数的遥感水深反演方法。
3、一种基于位置特征和深度不变指数的遥感水深反演方法，包括：
4、获取待测水体区域的多光谱遥感影像；
5、基于多光谱遥感影像，依次经过辐射定标、大气校正和正射校正，获取待测水体区域遥感影像中每一像元样本点的各波段遥感反射率；
6、将多光谱遥感影像中的像元样本点和待测水体区域中的实测样本点位置按照真实地理坐标进行空间位置匹配，获取每一像元样本点的空间位置信息；
7、基于每一像元样本点的各波段遥感反射率，通过深度不变指数模型，获取深度不变指数；
8、将每一像元样本点的各波段反射率、空间位置信息、深度不变指数，输入至水深反演模型中，输出待测水体区域中每一对应实测样本点的水深数据。
9、第二方面，本专利技术提供了一种基于位置特征和深度不变指数的遥感水深反演系统。
10、一种基于位置特征和深度不变指数的遥感水深反演系统，包括：
11、遥感影像获取模块，用于获取待测水体区域的多光谱遥感影像；
12、遥感反射率计算模块，用于基于多光谱遥感影像，依次经过辐射定标、大气校正和正射校正，获取待测水体区域遥感影像中每一像元样本点的各波段遥感反射率；
13、地理位置匹配模块，用于将多光谱遥感影像中的像元样本点和待测水体区域中的实测样本点位置按照真实地理坐标进行空间位置匹配，获取每一像元样本点的空间位置信息；
14、深度不变指数获取模块，用于基于每一像元样本点的各波段遥感反射率，通过深度不变指数模型，获取深度不变指数；
15、水深反演模块，用于将每一像元样本点的各波段反射率、空间位置信息、深度不变指数，输入至水深反演模型中，输出待测水体区域中每一对应实测样本点的水深数据。
16、第三方面，本专利技术还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
17、第四方面，本专利技术还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
18、以上一个或多个技术方案存在以下有益效果：
19、1、本专利技术提供了一种基于位置特征和深度不变指数的遥感水深反演方法及系统，构建基于机器学习的水深反演模型，该模型的输入特征除了考虑波段反射率外，还考虑了待探测水体区域的像元空间位置和深度不变指数(deep invariant index, dii)，该深度不变指数是与水体底质相关的特征，将上述待探测水体区域的特征输入至水深反演模型，通过使用反向传播bp神经网络机器学习算法进行水深反演，获取性能更优、精度更高的水深反演结果。
20、2、本专利技术所提出的水深反演方法中，除遥感反射率这一特征外，还将两个额外的特征，即深度不变指数dii和空间位置，集成到机器学习模型中，用于水深反演；其中，dii将提供底质特征，可减少复杂底质类型的影响，另外由于相邻像素的空间相关性，位置特征也被集成到机器学习模型中，能够进一步分析各特征对误差的影响，提高反演精度。
本文档来自技高网...【技术保护点】
1.一种基于位置特征和深度不变指数的遥感水深反演方法，其特征是，包括：
2.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，所述水深反演模型采用反向传播BP神经网络搭建及训练。
3.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，基于多光谱遥感影像，计算获取每一像元样本点的各波段遥感反射率，包括：
4.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，所述波段包括蓝、绿、红三波段。
5.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，所述深度不变指数模型的构建，包括：
6.如权利要求5所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，所述水深反演模型的训练过程，包括：
7.一种基于位置特征和深度不变指数的遥感水深反演系统，其特征是，包括：
8.如权利要求7所述的基于位置特征和深度不变指数的遥感水深反演系统，其特征是，所述深度不变指数模型的构建，包括：
9.一种电子设备，其特
10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-6中任一项所述的一种基于位置特征和深度不变指数的遥感水深反演方法的步骤。
...【技术特征摘要】
1.一种基于位置特征和深度不变指数的遥感水深反演方法，其特征是，包括：
2.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，所述水深反演模型采用反向传播bp神经网络搭建及训练。
3.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，基于多光谱遥感影像，计算获取每一像元样本点的各波段遥感反射率，包括：
4.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，所述波段包括蓝、绿、红三波段。
5.如权利要求1所述的基于位置特征和深度不变指数的遥感水深反演方法，其特征是，所述深度不变指数模型的构建，包括：
6.如权利要求5所述的基于位置特征和深度不变指数的遥感...
【专利技术属性】
技术研发人员：樊洪明，李涛，李国华，
申请(专利权)人：山东省煤田地质局物探测量队，
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。