基于被动遥感光谱图像应用神经网络的光学浅水分类方法

专利主权项内容

1.一种基于被动遥感光谱图像应用神经网络的光学浅水分类方法，其特征在于，包括以下步骤：S1：获得ICESat-2 ATL03数据中的指定位置海底地形测深点作为先验水深数据点，并获取该区域的被动遥感图像；S2：对所述被动遥感图像进行预处理，获得包含不同波段对应的遥感反射率的光谱图像；S3：使用预处理后的被动遥感图像中红色波段、绿色波段、蓝色波段的遥感反射率，分别计算对应波段之间的辐射传输数据；S4：获取所述先验水深数据点对应位置的被动遥感图像中红色波段、绿色波段、蓝色波段的遥感反射率和辐射传输数据，并将其作为浅水训练数据集；S5：根据已知的原位测深数据集，随机选取与先验水深数据点数量相等的深水区位置对应的被动遥感图像中红色波段、绿色波段、蓝色波段的遥感反射率和辐射传输数据，并将其作为深水训练数据集；原位测深数据集为实地测出的一系列水深数据；S6：将浅水训练数据集和深水训练数据集输入神经网络模型进行训练，得到训练好的神经网络模型；S7：将预处理后的被动遥感图像中的红色波段、绿色波段、蓝色波段的遥感反射率，对应波段之间的辐射传输数据组成整幅图像的特征数据集；将所述特征数据集输入训练好的神经网络模型中，获取整幅被动遥感图像的光学深水区和光学浅水区分类结果。