[发明专利]一种SAR数据和多光谱数据融合的海冰目标提取方法

说明书

本发明公开了一种SAR数据和多光谱数据融合的海冰目标提取方法，属于海洋遥感技术领域，首先构建了OceanTDL5神经网络模型，基于该模型进行海冰目标初检提取疑似目标，然后提出影像融合方法，基于影像融合进行海冰目标提取。OceanTDL5神经网络模型结构包括1个Layer层、1个中间Group层组和1个全连接Dense层；影像融合方法为：计算S1极化SAR影像和S2多光谱影像中疑似目标像素值均值差meanD，融合S1影像和S2影像中疑似目标的像素值，得到初始融合的影像fusionS，计算S1影像非疑似目标像素值clusterVal，建立S1影像非疑似目标的掩模影像，计算待融合影像的中心坐标，按照边界像素值相同的原则将S1影像非疑似目标融合到融合影像中。

技术领域

本发明公开了一种SAR数据和多光谱数据融合的海冰目标提取方法，属于海洋遥感技术领域。

背景技术

现有的海洋目标检测方法大多是基于SAR图像进行的，但SAR数据存在传感器数量有限、回波周期相对较长、分辨率相对较低等缺点。多光谱遥感影像具有光谱优势，利用其进行目标检测的研究也越来越多，基于多光谱影像的海洋目标检测方法，在理想条件下检测效果很好，然而当遇到阴影、薄雾或云等复杂环境时，无法有效进行海洋目标的检测；SAR影像海洋目标检测方法已经比较成熟，主要集中于舰船等目标检测研究，但光谱色彩和解译特征不足；多光谱和SAR影像融合进行海洋目标检测可以弥补二者的不足，将多光谱影像和SAR影像进行融合，弥补单一数据源的不足，提高海洋目标检测的准确性。

发明内容

本发明公开了一种SAR数据和多光谱数据融合的海冰目标提取方法，以解决现有技术中，大场景海洋分布目标检测利用单一影像很难兼顾局部细节和全局分布的问题。

一种SAR数据和多光谱数据融合的海冰目标提取方法，结合了：OceanTDL5神经网络模型进行目标初检和影像融合方法；

首先构建OceanTDL5神经网络模型并基于该模型进行海冰目标初步检测，得到疑似目标，然后提出一种SAR数据和多光谱数据的影像融合方法并基于该方法对疑似目标进行影像融合，精确提取海冰目标。

优选地，该方法包括：

S1.确定海冰目标提取的研究区域，分别获得研究区域的S1极化SAR数据和S2多光谱数据，S1极化SAR数据简称为S1影像，S2多光谱数据简称为S2影像；

S2.对S1影像进行预处理，构建海洋目标检测S1影像数据集，S1影像预处理包括选择数据集、影像裁剪、去帧间隙、辐射校正、斑点滤波、正射纠正和数据格式转换；

S3.选用S2影像中透云雾性和饱满度最佳的波段数据并对S2影像进行预处理，生成用于海冰检测的S2影像数据集，S2影像预处理包括重采样、重投影、归一化数据格式转换和匹配SAR分辨率；

S4.构建OceanTDL5神经网络模型；

S5.构建用于OceanTDL5神经网络模型学习的训练数据集、测试数据集和验证数据集；

S6.设置OceanTDL5神经网络模型的训练次数并对其进行训练；

S7.调用训练完成的OceanTDL5神经网络模型对S1影像和S2影像中的海冰进行初步检测，并保存检测到的疑似目标和非疑似目标；

S8.对初步检测后的S1影像和S2影像进行影像融合和海冰提取；

S9.完成基于SAR数据和多光谱数据融合的海冰目标提取。

优选地，所述OceanTDL5神经网络模型的结构为：

OceanTDL5神经网络模型由1个Layer层、1个中间Group层组和1个全连接Dense层构成；