[发明专利]一种基于机器学习的绿潮面积遥感监测方法

权利要求书

1.一种基于机器学习的绿潮面积遥感监测方法，其特征在于：包括如下步骤：

1）获取实验海域的高光谱图像：

在实验海域的沙滩上铺设反射率校正布用于反射率校正，使用搭载高光谱成像仪的无人机在有大量绿潮的近海海域进行航拍实验，飞行高度为100m，获取实验海域的高光谱图像；

2）对航拍得到的高光谱图像进行预处理工作：

对航拍得到的高光谱图像进行人工目视检查，裁剪图像扭曲和受传感器暗角效应影响的部分，对裁剪后的图像进行反射率校正、平滑降噪和光谱增强处理；

3）构建数据集，利用数据集构建分类模型：

人工目视选择绿潮藻像元和其他地物像元，提取光谱曲线，进行波段选择提炼光谱信息；分类算法使用以随机森林、支持向量机和K最近邻法为三输入集成的投票分类器；

4）利用分类模型预测全幅高光谱图像的全部像元：

将全幅的2150500个样本导入步骤3）构建的投票分类器模型，得到分类器预测的各像元的类别标签，将分类结果整理后以表格记录并在Matlab中以图片显示，然后计算绿潮覆盖面积。

2.根据权利要求1所述的一种基于机器学习的绿潮面积遥感监测方法，其特征在于：所述步骤1）中在实验海域的沙滩上铺设1㎡的绿藻用于分类精度评价。

3.根据权利要求1所述的一种基于机器学习的绿潮面积遥感监测方法，其特征在于：所述步骤2）中利用对数运算进行光谱增强，增强谱间差异。

4.根据权利要求1所述的一种基于机器学习的绿潮面积遥感监测方法，其特征在于：所述步骤3）中人工目视选择绿潮藻像元15000个，其他地物像元15000个，提取其光谱曲线，进行波段选择提炼光谱信息；基于绿藻的反射光谱曲线的形状特征，实验选取第12波段减去第25波段作为特征1，第25波段减去第48波段作为特征2，第48波段减去第56波段作为特征3，第56波段减去第61波段作为特征4，第61波段减去第67波段作为特征5，第67波段减去第79波段作为特征6，第79波段减去第85波段为特征7构建数据集。