[发明专利]一种利用长短期记忆神经网络提取红树林湿地的方法

说明书

本发明公开了一种利用长短期记忆神经网络提取红树林湿地的方法，包括步骤1：获取研究区域的遥感影像，并进行正射纠正和几何纠正预处理；步骤2：获取预处理后的遥感影像的纹理特征，结合光谱特征形成具有多特征的遥感影像；步骤3：采用专家判读的方法在多特征遥感影像上选取样本形成训练数据集，利用创建随机点方法构建验证数据集；步骤4：搭建长短期记忆神经网络分类器，分别采用训练数据集和验证数据集对分类器进行训练和优化；步骤5：利用优化后的分类器监测长时间序列的红树林湿地信息，获取红树林湿地动态变化特征。本发明可以有效地提高地物覆盖类型的分类准确性和红树林湿地的提取精度，适用于解决监测红树林湿地的动态变化情况等实际问题。

技术领域

本发明属于遥感信息提取技术领域，具体涉及一种利用长短期记忆神经网络提取红树林湿地的方法。

背景技术

红树林湿地是自然分布于热带和亚热带海岸潮间带的木本植物群落，其由超过70种不同种类的湿地树木组成。红树林覆盖了北纬25°至南纬25°之间75％的热带海岸线，跨越全球123个国家。与其他潮间带湿地一样，红树林湿地在低潮时暴露，在涨潮时被淹没，处于陆地和海洋环境的交界。因此，它们发挥着重要的生态作用，包括提供栖息地和资源、净化水质和调节气候等。红树林湿地的损失可归因于各种治理尺度上的多重压力源，从资源开发的局部威胁到气候变化的全球威胁。因此，亟需开展红树林湿地的调查与保护研究，为红树林监测管理、保护与利用提供技术与数据支撑。

常规的红树林湿地野外调查常常难以到达、耗时长、工作量大、成本高，且对调查的范围和时效性具有很大的局限性，无法满足大面积红树林湿地监测的迫切需求。而遥感监测具有快速、大范围、精确、宏观性、成本低和受地面限制少等特点，能够弥补传统野外调查的不足之处，在被潮水淹没、无法进入的红树林湿地地区进行测绘和后续监测具有重要作用，被认为是监测红树林湿地方面快速有效的方法。而实现红树林湿地遥感动态监测的前提是高精度分类和提取红树林湿地。

目前，红树林湿地的遥感分类方法比较常用的有：目视解译、监督分类和非监督分类、专家分类、面向对象、波段组合与多时相线性变换等。另外，神经网络也在红树林湿地遥感分类中有着越来越广泛的应用，并表现出较好的分类精度。然而，现有技术对于图像的处理大多采用卷积神经网络，且对于特征缺乏完整的提取和整合。此外，循环神经网络，如长短期记忆神经网络特有的“记忆”功能在序列数据的处理方面开始凸显优势，但现阶段主要用于解决长时序时间序列的预测问题。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种利用长短期记忆神经网络提取红树林湿地的方法，可以有效地提高地物覆盖类型的分类准确性和红树林湿地的提取精度，适用于解决监测红树林湿地的动态变化情况等实际问题。

为实现上述技术目的，本发明采取的技术方案为：

一种利用长短期记忆神经网络提取红树林湿地的方法，包括：

步骤1：获取研究区域的遥感影像，并进行正射纠正和几何纠正预处理；

步骤2：获取预处理后的遥感影像的纹理特征，结合光谱特征形成具有多特征的遥感影像；

步骤3：采用专家判读的方法在多特征遥感影像上选取样本形成训练数据集，利用创建随机点方法构建验证数据集；

步骤4：搭建长短期记忆神经网络分类器，分别采用训练数据集和验证数据集对分类器进行训练和优化；

步骤5：利用优化后的分类器监测长时间序列的红树林湿地信息，获取红树林湿地动态变化特征。

为优化上述技术方案，采取的具体措施还包括：

上述的步骤1具体包括：

步骤11：获取研究区域的遥感影像；

步骤12：利用数字高程模型对遥感影像进行正射纠正；