[发明专利]基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法

权利要求书

1.一种基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述探测方法包括：

对海面太阳耀斑区油膜图像的多光谱数据进行去噪处理得到去噪数据；

将所述去噪数据转化为二维光谱矩阵；

将所述二维光谱矩阵作为输入数据，输入卷积神经网络；

利用所述卷积神经网络进行特征提取和分类，输出分类结果。

2.根据权利要求1所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述去噪处理方法为，采用中值滤波器对所述多光谱数据进行滤波处理。

3.根据权利要求1所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，将所述去噪数据转化为二维光谱矩阵的方法包括：

对所述去噪数据进行矩阵重塑和降维操作得到光谱矢量；

对所述光谱矢量进行波段运算得到扩展后的光谱矢量；

对扩展后的光谱矢量进行升维操作得到所述二维光谱矩阵。

4.根据权利要求1至3任一项所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述卷积神经网络包括输入层、第一卷积层、第二卷积层、全连接层和输出层。

5.根据权利要求4所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述第一卷积层和所述第二卷积层的卷积核大小均为3×3并使用全零填充。

6.根据权利要求4所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述第二卷积层的神经元上运行有第一激活函数。

7.根据权利要求6所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述第一激活函数为Sigmoid激活函数。

8.根据权利要求4所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述全连接层的神经元上运行有第二激活函数。

9.根据权利要求8所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述第二激活函数为Sigmoid激活函数。

10.根据权利要求4所述的基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法，其特征在于，所述输出层输出的分类结果包括三个数据标签，分别代表水体、暗油膜和亮油膜。