[发明专利]一种基于深度学习的城市黑臭水体遥感识别方法

权利要求书

1.一种基于深度学习的城市黑臭水体遥感识别方法，其特征在于，包括以下步骤：

获取高分辨率遥感影像集合的波段差值指数特征图；通过波段差值指数特征图与影像集合融合，获取训练数据集；

对训练数据集裁剪，获取黑臭水体样本集和一般水体样本集；

将黑臭水体样本集和一般水体样本集作为训练数据，采用迁移学习和Inception-V3卷积神经网络，构建并训练获得高分辨率城市黑臭水体遥感识别模型Inception-V3_7a；

将待分类高分辨率遥感影像水体样本输入训练后的高分辨率城市黑臭水体遥感识别模型Inception-V3_7a进行分类，获得城市黑臭水体遥感图像分类结果；

所述数据集的获取包括以下步骤：

根据如下公式利用波段，计算得到波段差值指数特征图：

I＝Rrs(Green)-Rrs(Blue)

其中，Rrs(Blue)、Rrs(Green)分别为高分辨率影像的第一、二波段；

通过波段融合将波段差值指数特征图与影像集合进行融合，得到训练数据集；

高分辨率城市黑臭水体遥感识别模型Inception-V3_7a的训练包括以下步骤：

按照Inception模块划分Inception-V3获得12种分割方案；

将黑臭水体样本集与一般水体样本集分别输入12种方案，根据迁移学习分别进行训练，获取训练后的高分辨率城市黑臭水体遥感识别模型Inception-V3_7a。

2.根据权利要求1所述的基于深度学习的城市黑臭水体遥感识别方法，其特征在于，还包括对所述高分辨率遥感影像集合进行预处理；

所述预处理包括对高分辨率遥感影像集合的辐射定标、大气校正、正射校正、影像融合和近红外波段剔除。

3.根据权利要求1所述的基于深度学习的城市黑臭水体遥感识别方法，其特征在于，所述黑臭水体样本集和一般水体样本集的获取包括以下步骤：

绘制并裁剪同时段高分辨率遥感影像黑臭水体样本与一般水体样本，黑臭水体样本与一般水体样本的数量均为M，且样本具有相同大小；

定义黑臭水体样本和一般水体样本分别为0和1，并分别选取N个样本作为网络训练样本集，M、N为正整数且N不大于M。