[发明专利]融入先验知识的无监督学习森林火灾变化检测方法及装置

权利要求书

1.一种融入先验知识的无监督学习森林火灾变化检测方法，其特征在于，包括以下步骤：

S1：获取森林火灾前后火灾区的双时相遥感影像，并对所述双时相遥感影像进行预处理；

S2：对预处理后的所述双时相遥感影像分别计算NBRSWIR指数以融入先验知识，得到双时相遥感影像的NBRSWIR指数图X、Y；

S3：对所述NBRSWIR指数图X、Y进行不确定性分析进而获取训练样本X_train、Y_train；

S4：通过所述训练样本对两个对称的深度网络分支进行训练，训练完成后，获得训练好的深度网络分支；

S5：使用所述训练好的深度网络分支分别提取所述NBRSWIR指数图X、Y的初始特征X_φ、Y_φ；

S6：对所述初始特征X_φ、Y_φ进行慢特征分析，获得所述初始特征X_φ、Y_φ的特征差值；

S7：根据所述特征差值计算各像素点的卡方距离获得变化强度图；

S8：对所述变化强度图进行K-means阈值分割获得最终的森林火灾区。

2.如权利要求1所述的融入先验知识的无监督学习森林火灾变化检测方法，其特征在于，步骤S1中，所述预处理的步骤包括：

S11：由欧空局哥白尼数据中心分别下载灾前、灾后森林火灾区的哨兵二号的L1C级多光谱数据；

S12：利用sen2cor工具对所述L1C级多光谱数据进行辐射定标与大气校正，进而获取L2A级产品；

S13：利用SNAP软件对所述L2A级产品进行超分辨率合成，将所有波段合成为空间分辨率为10m的波段，进而获得分辨率为10m的灾前、灾后遥感影像；

S14：根据研究区范围分别剪裁所述分辨率为10m的灾前、灾后遥感影像，进而获得预处理后的双时相遥感影像。

3.如权利要求1所述的融入先验知识的无监督学习森林火灾变化检测方法，其特征在于，步骤S2中，对预处理后的双时相遥感影像的两个短波红外波段进行波段运算得到火灾前后时相的NBRSWIR指数图，具体计算公式为：

其中，NBRSWIR指数为一种新的火灾指数，SWIR1、SWIR2分别为预处理后的双时相遥感影像的第11和第12波段数据。

4.如权利要求1所述的融入先验知识的无监督学习森林火灾变化检测方法，其特征在于，步骤S3具体包括：

S31：对火灾前后的NBRSWIR指数图X、Y作差，得到反映火灾区信息的NBRSWIR指数差值图，具体计算公式为：

d_NBRSWIR＝NBRSWIR_post-NBRSWIR_pre

其中，NBRSWIR_post为火灾后遥感影像的NBRSWIR指数图，NBRSWIR_pre为火灾前遥感影像的NBRSWIR指数图，d_NBRSWIR为火灾前后NBRSWIR指数差值图；

S32：对所述NBRSWIR指数差值图进行模糊C均值聚类，实现阈值分割，将研究区划分为确定烧毁区域、不确定区域和确定未烧毁区域；

S33：随机选取确定未烧毁区域中火灾前后NBRSWIR指数图中的像素作为训练样本X_train、Y_train。