买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：自然资源部第一海洋研究所

摘要：本发明属于赤潮监测技术领域，公开了GF‑1WFV卫星赤潮深度学习探测模型、构建方法及设备，输入GF‑1WFV卫星遥感反射率数据及GF‑1WFV赤潮指数和伪色度角指数；GF‑1WFV四个波段16米空间分辨率的遥感反射率经超分辨率重建生成8米的遥感反射率，指数通过线性插值上采样到8米分辨率；超分辨率重建后的4波段遥感反射率经过侧窗卷积模块生成增强后的遥感反射率，增强后的遥感反射率与线性插值后的GF‑1WFV赤潮指数和伪色度角指数拼接输入至语义分割模型进行特征提取和分类。本发明通过融合GF‑1WFV超分辨率模型和侧窗卷积，提升赤潮边缘探测效果，解决传统赤潮探测算法阈值依赖性强的不足。

主权项：1.一种GF-1WFV卫星赤潮深度学习探测模型构建方法，其特征在于，该方法输入GF-1WFV遥感影像四个波段的遥感反射率数据及GF-1WFV赤潮指数和伪色度角指数两个特征参量，超分辨率重建后的四波段遥感反射率经过侧窗卷积模块以生成增强后的遥感反射率，将增强后的遥感反射率与线性插值后的GF-1WFV赤潮指数和伪色度角指数拼接输入到语义分割模型中进行特征提取和分类；具体包括以下步骤：步骤一，引入超分辨率模型，输入GF-1WFV遥感反射率进行超分辨率，将GF-1WFV遥感反射率空间分辨率从16米提升到8米；步骤二，引入侧窗卷积，对输入遥感反射率进行边缘填充，对超分辨率后的四个波段遥感反射率进行侧窗卷积，强化边缘特征；步骤三，采用二元交叉熵作为网络的损失函数，利用特征提取模块进行赤潮特征提取与分类；利用从资源卫星中心获取的绝对辐射定标系数对获取的GF-1Level-1数据进行辐射定标，将卫星影像DN值转换为辐亮度；利用ENVIFLAASH大气校正模块进行大气校正，将辐亮度转换成遥感反射率，利用以下公式计算GF-1WFV赤潮探测指数GF1-RI： 其中，L2、L3和L4分别为GF-1WFV绿光、红光和近红外波段的辐亮度值；利用以下公式计算伪色度角a；X＝2.7689×NIR+1.7517×R+1.1302×GY＝1.0000×NIR+4.5907×R+0.0601×GZ＝0.0000×NIR+0.0565×R+5.5934×G 其中，X、Y、Z为三原色，R、G、NIR分别代表红光、绿光和近红外波段的遥感反射率，x和y为色度图二维坐标，α是色度角，arctanx′,y′函数表示双变量反正切函数，值域为[0°-360°]；在步骤二中，侧窗卷积包括：左侧窗、右侧窗、上侧窗、下侧窗和四角侧窗；其中，左侧窗和右侧窗的卷积核大小为：2r+1×r+1，上侧窗和下侧窗的卷积核大小为：r+1×2r+1，四角侧窗卷积核大小为：r+1×r+1；像素i处的左侧窗卷积为： 其中，为像素i处的左侧窗卷积，为左侧窗覆盖区域，为卷积核系数，为侧窗覆盖区像元值，bL为偏差；侧窗卷积具有八个不同的卷积窗口，根据卷积窗口类型针对性的对输入数据进行边缘填充；对于大小为H×W的输入数据，当侧窗类型为左右侧窗时，填充后数据大小为2r+H×r+W；当侧窗类型上下侧窗时，填充后数据大小为r+H×2r+W；当侧窗类型为西北、东北、西南、东南时，填充后数据大小为r+H×r+W；每个侧窗卷积窗口有w个卷积核，进而生成w个大小为H×W的特征图，将8个不同侧窗生成的w个特征图进行拼接，获得8w个大小为H×W的特征图；将特征图减去输入数据计算梯度，以表征影像局部几何特征；对获取的梯度特征图进行非线性映射，通过d个大小为1×1×8w卷积核将特征图数量扩展到d维；通过卷积将d维特征重新映射回8w维特征空间，经过Softmax生成每个像素的加权系数；将获取的权重系数与特征图相乘，再与输入图像相加得到保留边缘的卷积结果；通过侧窗卷积模型的训练获取卷积核系数和权重系数，Ii为待侧窗卷积滤波像元，为对应的真值，模型训练目标是最小化损失函数，则： 其中，表示Lp范式的p次方，μiθ,ρ,γ是侧窗的权重，Fqi,θ,ρ,γ是各个侧窗卷积值，qi是像元i处的值；

全文数据：

权利要求：

百度查询： 自然资源部第一海洋研究所 GF-1 WFV卫星赤潮深度学习探测模型、构建方法及设备