[发明专利]一种基于卷积神经网络的海冰类型遥感分类方法

摘要

本发明公开了一种基于卷积神经网络的海冰类型遥感分类方法。属于遥感地学应用技术领域。本方法采用卫星雷达高度计数据对海冰进行分类（分为多年冰、一年冰和开阔水域三种类型），其步骤包括从高度计数据中获取测量点的经纬度坐标及其雷达回波波形。下载海冰类型数据，并提取相应测量点位处的海冰类型信息。将上述提取的数据信息进行空间位置匹配，通转换为带经纬度坐标的矢量点数据。所获取的雷达回波波形和对应的海冰类型作为训练数据，对卷积神经网络进行训练，对待分类的雷达回波波形进行海冰类型的识别。分类后将海冰类型标记到矢量数据上；标记后的矢量数据在通过投影变换、栅格转换和空间重采样等处理，获得整个研究区的海冰类型。

主权项

1.一种基于卷积神经网络的海冰类型遥感分类方法，包括以下步骤：第一步：准备训练数据和待分类数据,具体包括如下几个方面的内容：a.下载某一时期内和待分类的CryoSat‑2卫星SAR模式L1b级数据，将所述某一时期内的数据作为训练数据；读取L1b级数据DBL格式的原始文件，从中提取各测量点的经纬度和雷达回波波形；b.下载与训练数据相同时期内的美国国家海冰中心的冰况图数据使用多年冰、一年冰和开阔水域数据，获得相应的海冰类型信息；第二步、获取雷达回波波形图像和提取波形特征值：根据训练数据和待分类数据中所有测量点的雷达回波波形生成雷达回波波形图像，并提取波形特征值用于后续的海冰分类；所述波形特征值包含脉冲宽度、前缘宽度和栈标准差；第三步、分别将训练数据和待分类数据中提取的波形特征值与对应的经纬度坐标进行空间匹配；将匹配好的数据转换成带经纬度坐标的矢量点数据，同时记录每个雷达回波波形图像所代表的测量点处的经纬度；第四步、分类前处理：对于训练数据和待分类数据，剔除前缘宽度大于14的雷达回波波形图像，再剔除脉冲宽度小于0.3且栈标准差大于4的雷达回波波形图像；第五步、生成训练样本：将训练数据中带有经纬度坐标和波形特征值的矢量点与同时期内的冰况图数据进行空间匹配，进而得到各矢量点的海冰类型信息，并根据矢量点的经纬度信息得到各自雷达回波波形图像所代表的海冰类型，将该雷达回波波形图像集作为训练样本。第六步、训练分类器并利用分类器进行分类：并利用训练样本对卷积神经网络进行训练，使用训练完毕后的卷积神经网络对待分类的雷达回波波形图像进行分类，分类完成后根据经纬度信息对相应的矢量点数据进行类型标记；第七步、生成海冰类型图：将矢量点数据投影至栅格图内，每个栅格内所有矢量点的海冰类型的众数作为该栅格的海冰类型，并根据栅格的海冰类型对栅格赋值。