[发明专利]基于无先验数据的遥感水深反演模型迁移方法

说明书

本发明涉及空间遥感技术领域，公开了一种基于无先验数据的遥感水深反演模型迁移方法，包括以下步骤：步骤S1：预处理：对遥感图像数据以及水深数据的特征进行预处理；步骤S2：特征映射：对于目标域的影像数据中的水域部分，进行特征映射，使得其与源域的原始特征尽量一致；步骤S3：建立源域水深反演模型，并保存模型；步骤S4：将模型迁移到目标域，构建目标域模型：将经过特征预处理后的目标域的光谱特征直接输入上述模型，得到目标域的预测水深值；步骤S5：精度评价：将模型迁移后的预测的水深值与收集到的实测水深值实测对比，做精度评价。本发明能够在无控制点的情况下建立水深反演模型，预测水深值，具有应用范围广、成本低的优点。

技术领域

本发明涉及一种基于无先验数据的遥感水深反演模型迁移方法，属于空间遥感技术领域。

背景技术

南海浅水区水深测量一直是船载水深测量的难题，此前学者们已提出众多遥感水深反演模型，由于多光谱遥感影像获取便利，基于多光谱遥感影像的水深反演模型研究最多，但常用的基于多光谱遥感影像水深反演模型主要的缺陷在于，需要已有水深数据作为必要条件，然而在南海很多大部分岛礁难以获取实测水深数据，因此在应用上受到极大限制，需要设计一种没有先验数据的遥感水深反演模型迁移方法。

发明内容

针对现有技术存在的上述缺陷，本发明提出了一种基于无先验数据的遥感水深反演模型迁移方法。

本发明所述的一种基于无先验数据的遥感水深反演模型迁移方法，包括以下步骤：

步骤S1：预处理：对遥感图像数据以及水深数据的特征进行预处理；

步骤S2：特征映射：对于目标域的影像数据中的水域部分，进行特征映射，使得其与源域的光谱特征尽量一致；

步骤S3：建立源域水深反演模型，并保存模型：以特征映射后的源域的光谱信息作为输入，实测水深数据作为训练数据，构建多层感知机模型并进行模型训练，用训练好的模型参数来预测未知点水深，并保存模型结构及参数；

步骤S4：将模型迁移到目标域，构建目标域模型：将经过预处理及特征映射后的目标域的光谱特征直接输入上述模型，得到目标域的预测水深值；

步骤S5：精度评价：将模型迁移后的预测的水深值与收集到的实测水深值实测对比，做精度评价。

优选地，所述步骤S1中的影像数据的预处理包括辐射定标、大气校正、影像去噪、水陆分离；水深数据的预处理包括潮汐改正、投影转换、建立水深点与影像对应关系。

优选地，所述辐射定标、大气校正、影像去噪以及水陆分离的具体方法如下所示：

辐射定标：计算公式如下：

其中，L(λ_i)为第ii波段的辐亮度值；absCalFactor_i为第ii波段的绝对定标系数；DN_i为第ii波段的像元灰度值；Δλ_i为第ii波段的等效波段宽度；

大气校正：采用的校正方法包括：Flaash模型、6S模型以及暗像元；

影像去噪：通过建立水域的柱状图统计，对影像进行去噪处理；

水陆分离：采用自动阈值分割算法对采集到的遥感图像进行二值化以提取水体和陆地的边界。

优选地，所述潮汐改正、投影转换、建立水深点与影像对应关系的具体方法如下所示：

潮汐改正：计算公式如下：

Z＝H+L+tide

其中，Z为影像过境时瞬时水深；H为海域稳态水深；L指理论深度基准面到平均海面距离；tide指影像过境时距离平均海面的瞬时潮位；