申请/专利权人：南昌工学院

申请日：2024-04-22

公开（公告）日：2024-06-25

公开（公告）号：CN118097433B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本申请公开了一种基于深度学习的遥感图像处理方法及系统，涉及图像处理技术领域；方法包括：基于第一区域的第一遥感图像，按照使用类型将第一区域划分为多个第一类区域，得到每个第一类区域的第二遥感图像；基于每个第二遥感图像，确定对应的第一地表反射率；利用所述第一地表反射率和第一模型，反演对应的气溶胶光学厚度（AOD），得到对应的第一AOD；利用所述第一AOD和第二模型，确定对应第一类区域的PM2.5数值，得到对应的第一PM2.5信息；其中，所述第一模型和所述第二模型基于深度神经网络训练得到。本申请提供的技术方案，能够提高PM2.5检测结果准确度，从而提高遥感图像的处理精度。

主权项：1.基于深度学习的遥感图像处理方法，其特征在于，所述方法包括：基于第一区域的第一遥感图像，所述第一区域包括多个第二区域，所述第二区域为地图中的最小区域单位；按照使用类型将第一区域划分为多个第一类区域，得到每个第一类区域的第二遥感图像，包括：基于第一区域的第一遥感图像，获取对应的多个第二区域中每个第二区域的建筑信息；所述建筑信息包括所述第二区域中建筑的分布信息和属性信息；基于每个第二区域的属性信息，对所述多个第二区域进行分类，得到多个第一分类集合；针对每个第一分类集合，基于每个第二区域的分布信息，对所述第一分类集合中的第二区域进行分类，得到第二分类集合；针对每个第二分类集合，将所述第二分类集合中相邻的第二区域拼接为一个第一类区域，得到至少一个第一类区域和对应的第二遥感图像；所述第一类区域的使用类型包括生活区域、绿化区域和工业区域；基于每个第二遥感图像，确定对应的第一地表反射率；利用所述第一地表反射率和第一模型，反演对应的气溶胶光学厚度AOD，得到对应的第一AOD；利用所述第一AOD和第二模型，确定对应第一类区域的PM2.5数值，得到对应的第一PM2.5信息；其中，所述第一模型和所述第二模型基于深度神经网络训练得到；基于每个第一PM2.5信息，对所有第二遥感图像进行云去除处理，得到第三遥感图像，包括：针对每个第二遥感图像，利用薄云最优变化HOT算法和所述第二遥感图像，生成对应的HOT图；基于所述HOT图和对应的第一PM2.5信息，确定所述第二遥感图像中的云层厚度，得到对应的云层厚度信息；基于所述云层厚度信息，对所述第二遥感图像进行云去除处理，得到所述第二遥感图像的去云图像；基于每个第二遥感图像的去云图像，生成第三遥感图像；所述基于所述HOT图和对应的第一PM2.5信息，确定所述第二遥感图像中的云层厚度，得到对应的云层厚度信息，包括：基于所述第一PM2.5信息，判断对应第一类区域的PM2.5浓度是否超过浓度阈值；在所述第一类区域PM2.5浓度超过浓度阈值的情况下，基于所述第一PM2.5信息，调整所述HOT图中晴空线的参数信息；基于调整后的HOT图，确定对应第二遥感图像中的云层厚度，得到对应的云层厚度信息；所述晴空线的参数信息包括斜率和截距，所述基于所述第一PM2.5信息，调整所述HOT图中晴空线的参数信息，表示为： k adjust=kbase×1-α×C；（1）； b adjuste=bbase+β×C；（2）；其中，kadjusted和badjusted分别表示根据PM2.5浓度调整后的晴空线斜率和截距；kbase和bbase分别表示晴空线的基准斜率和基准截距，即在没有PM2.5影响或PM2.5浓度低于预设最小值时晴空线的斜率和截距；α和β表示调整系数；C表示PM2.5的浓度值。

全文数据：

权利要求：

百度查询： 南昌工学院 基于深度学习的遥感图像处理方法及系统

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