[发明专利]一种基于多源光学遥感影像的海冰识别方法和系统

说明书

本发明提供一种基于多源光学遥感影像的海冰识别方法和系统，其中方法包括：将光学遥感影像输入海冰语义分割模型，得到海冰识别结果；海冰语义分割模型基于样本光学遥感影像及其对应的海冰掩膜图训练得到；样本光学遥感影像是基于多种光学遥感传感器采集所得的原始遥感影像确定的。系统包括：将待识别的光学遥感影像导入系统进行海冰识别，得到识别结果后，在海冰图斑编辑模块中对识别结果进行人工编辑，编辑完成后一键生成海冰监测报表。本发明提供的方法和系统，深度学习技术的应用够克服传统算法泛化能力差的问题，系统中的图斑编辑功能能够进一步提高海冰监测的精度和可靠性。此外，海冰语义分割模型能够兼容多数中‑高分辨率卫星遥感数据。

技术领域

本发明涉及遥感监测技术领域，尤其涉及一种基于多源光学遥感影像的海冰识别方法和系统。

背景技术

海冰识别是遥感监测领域的重要应用之一，海冰识别的准确性对于评估海冰冰情、应对海冰灾害和保证航海安全具有重要意义。

通过遥感技术可以快速获取大面积的海冰冰情信息。目前使用遥感手段进行海上海冰监测主要从数据和算法两方面入手：

在数据方面，主要基于光学影像和雷达影像进行海冰识别，其中，雷达影像有不受天气影响、全天时、全天候对地观测的特点，但是数据成本较高，在实际业务使用中存在一定的局限性。而光学遥感虽然受云雾和光照条件的影响，但具有价格低廉、适合目视解译判读的优势，是现阶段海冰遥感监测的主要业务手段。由于受到中高分辨率光学遥感在数据获取和监测范围的限制，目前基于中高分辨率的光学影像海冰识别算法较少。已有的海冰识别与分类相关研究多使用中低分辨率的遥感数据，如MODIS和AVHRR等，且基于中低分辨率的光学遥感数据提取的海冰类型信息已在海冰预报的业务化工作中得到应用，但是由于空间分辨率较低，很难获取海冰的细节信息。近年来，随着中高分辨率光学卫星发射数量增多，特别是2013年以后,国内外先后发射了Sentinel2、Landsat-8卫星和GF系列等卫星，这些卫星数据具有多光谱和高空间分辨率观测的优势，为海冰监视监测提供了新的、高性能的技术手段。

在算法方面，目前多采用传统的机器学习方法，例如SVM(support vectormachines，支持向量机)、随机森林和决策树等进行海冰识别。然而，受到机器学习算法自身特性的影响，由此得到的海冰识别模型泛化能力较差。此外，由于不同类型的光学遥感传感器采集所得的光学遥感影像包含的光谱信息并不相同，因此需要针对不同类型的光学遥感传感器采集所得的光学遥感影像分别构建并训练模型，导致海冰识别方案十分繁复。

发明内容

本发明提供一种基于多源光学遥感影像的海冰识别方法和系统，用以解决现有的海冰识别泛化能力差、识别方案繁复的问题。

本发明提供一种基于多源光学遥感影像的海冰识别方法，包括：

确定待识别的光学遥感影像；

将所述光学遥感影像输入至海冰语义分割模型，得到所述海冰语义分割模型输出的海冰识别结果；

所述海冰语义分割模型是基于样本光学遥感影像及其对应的海冰掩膜图，对语义分割模型进行训练得到的；所述样本光学遥感影像是基于多种光学遥感传感器采集所得的原始遥感影像确定的。

根据本发明提供一种的基于多源光学遥感影像的海冰识别方法，所述海冰掩膜图是基于如下步骤确定的：

基于海岸线矢量数据，对所述样本光学遥感影像的NDVI数据进行海陆分离，得到所述样本光学遥感影像的海洋区域的NDVI数据；

对海洋区域的NDVI数据进行阈值分割，得到所述海冰掩膜图。

根据本发明提供一种的基于多源光学遥感影像的海冰识别方法，所述样本光学遥感影像是基于如下步骤确定的：