[发明专利]基于半分析模型的高光谱水深反演方法及系统

说明书

本发明涉及基于半分析模型的高光谱水深反演方法及系统，其中，反演方法，包括以下步骤：步骤1、将半分析模型变换为矩阵形式，以便将其估计方法转换成最大似然估计法；步骤2、根据贝叶斯模型，在最大似然估计中加入先验概率，将最大似然估计法变为最大后验概率法；步骤3、在包含了环境噪声和底部类内光谱变异性的反演方法MILE和MILEBI中加入最大后验概率估计方法，即在MILE和MILEBI的损失函数中加入正则化因子，变为新的目标函数；步骤4、使用新的目标函数进行反演，对目标函数采用信赖域反射算法进行迭代优化。相比其他反演方法，本发明使得反演水深的高估现象得到了较好的改善，提高了反演精度。

技术领域

本发明属于高光谱水深反演技术领域，具体涉及一种基于半分析模型的高光谱水深反演方法及系统。

背景技术

水深是浅海重要的地形因素，对于海上交通运输、人工岛礁管理以及底栖生态环境测绘等均有重要作用，准确测量水深对海洋及内陆水体研究具有重要意义。但是，受传感器噪声以及自然环境变化等因素影响，水深测量误差较大，为解决上述问题，就要对水深反演模型进行改进以减小误差。

半分析模型是目前应用最为广泛的一种高光谱遥感水深反演模型，是一种联合反演浅海水深和固有光学特性的一种模型；该模型充分考虑了水柱参数与吸收、散射因素的相互作用，物理机制完备，其最大的优势是无需实测水深，可以设置参数直接进行水深反演。

基于半分析模型的最大似然估计法为浅海水深反演的另一重要方法，该方法利用了半分析模型的物理机制，利用高光谱数据服从高斯分布这一特征，采用最大似然估计法对水柱参数进行估计，一定程度上提升了水深测量的精度，同时简化了原有半分析模型超定问题的算法优化过程。

MILE和MILEBI方法在上述最大似然估计法的基础上，前者进一步将环境噪声考虑在内，后者进一步将环境噪声以及底部类光谱变异性考虑在内，不仅利用了半分析模型的各项物理机制，又采用了最大似然估计方法的优化算法，且将底部反射率按二基质线性模型参数化，最终得到更精确的水深反演结果。

发明内容

本发明提供了一种基于半分析模型的高光谱水深反演方法及系统，在上述MILE和MILEBI的基础上进行了改进，将正则化因子加入到损失函数中从而得到新的目标函数，优化此目标函数后可得出精度更高的水深值。

本发明具体采用如下技术方案：

基于半分析模型的高光谱水深反演方法，包括以下步骤：

步骤1：将半分析模型变换为矩阵形式，以将其估计方法转换成最大似然估计法；

步骤2、根据贝叶斯模型，在最大似然估计中加入先验概率，将最大似然估计法变为最大后验概率估计法；

步骤3、在包含了环境噪声和底部类内光谱变异性的反演方法MILE和MILEBI中加入最大后验概率估计法，即在MILE和MILEBI的损失函数中加入正则化因子，变为新的目标函数；

步骤4、使用新的目标函数进行反演，对目标函数采用信赖域反射算法进行迭代优化。

作为优选方案，所述步骤1中，半分析模型的基础表达式为：

其中，是假设的光学深水柱的水面下遥感反射率；H为水深；K_d为下行辐射的垂直平均漫射衰减系数；为水柱散射的上行辐射的垂直平均漫射衰减系数；为源自底部上行辐射的垂直平均漫射衰减系数；ρ是底部反射率，且底部一般默认假设为朗伯反射镜；A₀和A₁为两个额外的系数，根据准单散射理论，A₀通常设为1，A₁通常设为1/π；K_d不等于