[发明专利]基于FUI分区和Ransac的浅海遥感水深反演方法

权利要求书

1.基于FUI分区和Ransac的浅海遥感水深反演方法，其特征在于，包括以下步骤：

步骤1、获取目标水域的多光谱遥感数据，并对多光谱遥感数据进行预处理；依据多光谱遥感数据的成像时间，对源于海图的实地水深点进行潮汐校正，得到实地水深点潮汐校正后的水深值；

步骤2、使用预处理后的多光谱遥感数据的R、G和B波段，利用CIE-XYZ色度系统中三原色RGB与三刺激值XYZ之间的转换关系，计算得到多光谱遥感数据的R、G和B波段对应的三刺激值X、Y和Z,并将X和Y归一化得到（x，y），在二维CIE色度空间里，将（x，y）进行转换，得到以等能白光点为原点的坐标（x’,y’），原点到（x’,y’）对应的向量与二维CIE色度空间中的x’轴负方向之间的顺时针夹角即为色度角α，然后根据FUI水色指数查找表得到FUI水色指数；

步骤3、根据步骤2得到的FUI水色指数分布,结合人工目视解译，对不同水色的水域进行人工分区，得到若干个水域分区；

步骤4、在步骤3得到的每个水域分区里，将步骤1的实地水深点潮汐校正后的水深值及其对应的R、G和B波段的反射率导出；每个水域分区的实地水深点潮汐校正后的水深值和对应的R、G和B波段上的反射率组成每个水域分区的实地水深点数据集；

步骤5、在步骤3得到的每个水域分区里，使用蓝绿双波段对数线性模型、红蓝绿三波段对数线性模型和Stumpf对数转换比值模型三种反演模型中的任意一种，利用对应的Ransac算法对步骤4得到的实地水深点数据集进行筛选，保留数据误差小于误差阈值的实地水深点数据及其在R、G和B波段上的反射率，去除数据误差大于误差阈值的数据，得到筛选后的实地水深点数据集；

步骤6、在步骤3得到的每个水域分区里，将上一步得到的实地水深点数据集分成拟合数据和验证数据，然后利用拟合数据对步骤5用到的反演模型进行拟合，得到水深反演模型；

步骤7、将步骤1得到的预处理后的多光谱遥感数据的R、G和B波段输入上一步得到的水深反演模型，得到水深图。

2.根据权利要求1所述的基于FUI分区和Ransac的浅海遥感水深反演方法，其特征在于，所述步骤1中，预处理包括辐射校正和大气校正，根据需要选择是否包括几何校正和太阳耀斑校正；所述潮汐校正的方法为获取多光谱遥感数据成像的具体时间，查询此时刻浅海水域的潮高，然后对实地水深点进行潮汐校正。

3.根据权利要求1所述的基于FUI分区和Ransac的浅海遥感水深反演方法，其特征在于，所述步骤3中的分区方法为：人工目视解译，根据水域FUI水色指数的分布进行人工分区。

4.根据权利要求1所述的基于FUI分区和Ransac的浅海遥感水深反演方法，其特征在于，所述步骤5中，筛选时使用对应模型的Ransac算法，Ransac算法的主要参数设置方法如下：

采样次数根据采用模型确定，蓝绿双波段对数线性模型、红蓝绿三波段对数线性模型和Stumpf对数转换比值模型分别至少采样3、4和2次；

使用最小二乘法计算反演模型的参数；

每组参数的支持度为每组参数对应模型的内点个数。

5.根据权利要求1所述的基于FUI分区和Ransac的浅海遥感水深反演方法，其特征在于，所述步骤6中，拟合反演模型使用的是最小二乘法，反演精度的评价指标包括平均绝对误差、平均相对误差、验证数据的真实水深值与拟合水深值之间的相关系数和箱线图工具。

6.根据权利要求1所述的基于FUI分区和Ransac的浅海遥感水深反演方法，其特征在于，所述步骤6中，拟合数据和验证数据的比例为2:1或3:1。