申请/专利权人：厦门大学

申请日：2021-12-31

公开（公告）日：2024-06-07

公开（公告）号：CN114297938B

主分类号：G06F30/27

分类号：G06F30/27;G06F17/10;G06F18/214;G06N3/084;G01B11/22

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2022.04.26#实质审查的生效;2022.04.08#公开

摘要：一种基于神经网络的光学浅水水底深度的反演方法，涉及地球物理勘探。包括以下步骤：1对光学影像的原始数据进行气体吸收校正和瑞利校正获得瑞利校正后反射率；2计算光学影像中每个像元的云反照度，将其作为参考，使用阈值法对步骤1获得的反射率进行云像元掩膜；3根据已知水体类型，将遥感获得的影像数据中每个像元对应的水体分为光学深水区域和光学浅水区域；4构建水深数据集；5建立一个多层感知神经网络模型，以步骤4中覆盖广泛的水深数据集对模型进行神经网络训练，获取光学浅水水深信号，预测水深。

主权项：1.一种基于神经网络的光学浅水水底深度的反演方法，其特征在于包括以下步骤：1对光学影像的原始数据进行气体吸收校正和瑞利校正获得瑞利校正后反射率；2计算光学影像中每个像元的云反照度，将其作为参考，使用阈值法对步骤1获得的反射率进行云像元掩膜；3根据已知水体类型，将遥感获得的影像数据中每个像元对应的水体分为光学深水区域和光学浅水区域；4构建水深数据集：将步骤3中光学浅水区域水体类型的瑞利校正后反射率与其像元内真实的水深匹配组成水深数据集；选择全球比较有代表性的浅水水体匹配不同季节、不同底质与不同大气条件下的ρrc和水深，以提升数据的覆盖范围；实测水深数据的时间和卫星数据时间若不一致，则需要通过调和分析将实测水深数据的潮汐高度校正到卫星数据观测时间下对应的潮汐高度；当一个卫星影像像元中有多个水深点像元时，使用公式4计算卫星影像像元水深： 式中，Hpix为卫星影像像元水深，n为像元内实测水深点，Hi为每个实测水深点的水深；5建立一个多层感知神经网络模型，以步骤4中覆盖广泛的水深数据集对模型进行神经网络训练，获取光学浅水水深信号，预测水深；所述建立一个多层感知神经网络模型，以步骤4中覆盖广泛的水深数据集对模型进行训练，输入为ρrc，输出为水深；通过不同类型的数据对神经网络训练，使得神经网络能在任何大气条件下获取光学浅水水深信号，也就是利用神经网络自主学习步骤1中各季节、大气条件下会影响水体信号的两个大气参数来替代传统水色遥感的大气校正步骤，结合不同的底质信息，进而预测水深。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于神经网络的光学浅水水底深度的反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD