本發(fā)明涉及水環(huán)境遙感?，尤其涉及一種基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測方法及裝置。

背景技術(shù)：

1、除了城市中典型的發(fā)黑發(fā)臭型黑臭水體外，農(nóng)村黑臭水體出現(xiàn)了浮萍和水華覆蓋的新表現(xiàn)形式。其中，浮萍科植物是世界上最小的單子葉開花植物，生長速度快,?耐受性強(qiáng)，主要有4個屬，約10個種。大量研究表明，多種浮萍具有去除水體中氮、磷營養(yǎng)鹽的能力，被廣泛應(yīng)用于水質(zhì)凈化過程。但是，當(dāng)大量浮萍聚集或暴發(fā)，覆蓋整個或部分水面時，將會造成水體的缺氧和富營養(yǎng)化，阻礙水體復(fù)氧及水生生物接受光照，水生生物缺氧死亡，水體水質(zhì)將逐漸下降，關(guān)于浮萍成為優(yōu)勢種群后反作用于水質(zhì)的研究較少。同時，有害藻類的水華暴發(fā)早已是全世界淡水湖泊、坑塘共同面臨的生態(tài)環(huán)境問題。

2、而被浮萍覆蓋的水體有三種可能性。一是，水質(zhì)正常，表面漂浮浮萍，且未形成種群優(yōu)勢，浮萍可打撈用于畜禽食物；二是，水質(zhì)較差，人工放養(yǎng)浮萍用于凈化水體水質(zhì)；三是，黑臭水體，浮萍全部或大部分覆蓋水面，形成種群優(yōu)勢，阻礙水中其他光合植物和動物的生長，造成相關(guān)生物死亡，水體發(fā)黑發(fā)臭。于是，對浮萍型水體進(jìn)行有效識別是非常重要的。但是，由于浮萍型水體多分布于農(nóng)村地區(qū)，分布范圍面積大且分布分散，通過地面排查手段識別浮萍型水體難以實(shí)現(xiàn)。而通過遙感手段來識別浮萍型水體，主要是區(qū)分浮萍型水體與其他地物的物理特征，雖然具有快速、大范圍的特點(diǎn)，但是也對遙感影像的分辨率要求更高，且部分浮萍型水體面積較小，易與其他地物混淆，導(dǎo)致識別準(zhǔn)確率降低。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測方法及裝置，用以解決現(xiàn)有技術(shù)在利用遙感手段識別浮萍型水體時，由于部分浮萍型水體面積較小，易與其他地物混淆缺陷，導(dǎo)致識別準(zhǔn)確率降低的技術(shù)問題。

2、本發(fā)明提供一種基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測方法，包括如下步驟：

3、獲取浮萍型水體的遙感瓦片，作為rgb三通道樣本；

4、對所述rgb三通道樣本進(jìn)行基于色度角的計算，得到色度角波段，對所述rgb三通道樣本進(jìn)行基于斜率和的計算，得到斜率和波段，并對所述rgb三通道樣本進(jìn)行基于綠通道指數(shù)的計算，得到綠通道指數(shù)波段；

5、將所述色度角波段、所述斜率和波段以及所述綠通道指數(shù)波段進(jìn)行波段合成，得到asgi遙感影像瓦片；

6、根據(jù)所述asgi遙感影像瓦片中的浮萍型水體設(shè)定屬性閾值，并構(gòu)建浮萍型水體的樣本數(shù)據(jù)集；

7、通過所述樣本數(shù)據(jù)集訓(xùn)練初始深度學(xué)習(xí)模型，得到浮萍型水體識別模型，以對浮萍型水體進(jìn)行識別。

8、在一些實(shí)施例中，所述對所述rgb三通道樣本進(jìn)行基于色度角的計算，得到色度角波段，包括：

9、獲取地圖遙感的波段線性求和系數(shù)；

10、根據(jù)所述波段線性求和系數(shù)，對所述rgb三通道樣本的r值、g值以及b值進(jìn)行刺激值計算，得到xyz三原色刺激值；

11、基于所述xyz三原色刺激值，確定色度橫坐標(biāo)和色度縱坐標(biāo)；

12、對所述色度橫坐標(biāo)和所述色度縱坐標(biāo)進(jìn)行色度角計算，得到色度角波段。

13、在一些實(shí)施例中，所述對所述rgb三通道樣本進(jìn)行基于斜率和的計算，得到斜率和波段，包括：

14、確定所述rgb三通道樣本中b值與g值的第一比值；

15、確定所述rgb三通道樣本中r值與g值的第二比值；

16、將所述第一比值與所述第二比值的加和，作為斜率和波段。

17、在一些實(shí)施例中，對所述rgb三通道樣本進(jìn)行基于綠通道指數(shù)的計算，得到綠通道指數(shù)波段，包括：

18、確定所述rgb三通道樣本中b值與r值的通道值加和；

19、將所述rgb三通道樣本中g(shù)值的平方與所述通道值加和的比值，作為綠通道指數(shù)波段。

20、在一些實(shí)施例中，所述根據(jù)所述asgi遙感影像瓦片中的浮萍型水體設(shè)定屬性閾值，并構(gòu)建浮萍型水體的樣本數(shù)據(jù)集，包括：

21、確定所述asgi遙感影像瓦片中的浮萍型水體的面狀矢量；

22、當(dāng)所述浮萍型水體為真實(shí)浮萍型水體時，對所述浮萍型水體的面狀矢量設(shè)定第一屬性閾值；

23、當(dāng)所述浮萍型水體為非浮萍型水體時，對所述浮萍型水體的面狀矢量設(shè)定第二屬性閾值；

24、根據(jù)所述第一屬性閾值以及所述第二屬性閾值構(gòu)建所述asgi遙感影像瓦片對應(yīng)的數(shù)據(jù)標(biāo)簽，得到浮萍型水體的樣本數(shù)據(jù)集。

25、在一些實(shí)施例中，所述通過所述樣本數(shù)據(jù)集訓(xùn)練初始深度學(xué)習(xí)模型，得到浮萍型水體識別模型，包括：

26、將所述樣本數(shù)據(jù)集的訓(xùn)練樣本輸入到初始深度學(xué)習(xí)模型中進(jìn)行正向傳播，得到所述訓(xùn)練樣本針對浮萍型水體的預(yù)測屬性值；

27、根據(jù)所述預(yù)測屬性值與所述訓(xùn)練樣本的數(shù)據(jù)標(biāo)簽的差值，構(gòu)建訓(xùn)練損失值，并通過所述訓(xùn)練損失值在所述初始深度學(xué)習(xí)模型進(jìn)行反向傳播，以更新所述初始深度學(xué)習(xí)模型的模型參數(shù)；

28、當(dāng)所述訓(xùn)練損失值開始收斂或者達(dá)到預(yù)設(shè)訓(xùn)練輪次時，結(jié)束訓(xùn)練所述初始深度學(xué)習(xí)模型，得到浮萍型水體識別模型。

29、本發(fā)明還提供一種基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測裝置，裝置包括如下模塊：

30、獲取模塊，用于獲取浮萍型水體的遙感瓦片，作為rgb三通道樣本；

31、確定模塊，用于對所述rgb三通道樣本進(jìn)行基于色度角的計算，得到色度角波段，對所述rgb三通道樣本進(jìn)行基于斜率和的計算，得到斜率和波段，并對所述rgb三通道樣本進(jìn)行基于綠通道指數(shù)的計算，得到綠通道指數(shù)波段；

32、合成模塊，用于將所述色度角波段、所述斜率和波段以及所述綠通道指數(shù)波段進(jìn)行波段合成，得到asgi遙感影像瓦片；

33、構(gòu)建模塊，用于根據(jù)所述asgi遙感影像瓦片中的浮萍型水體設(shè)定屬性閾值，并構(gòu)建浮萍型水體的訓(xùn)練數(shù)據(jù)集；

34、識別模塊，用于通過所述訓(xùn)練數(shù)據(jù)集訓(xùn)練初始深度學(xué)習(xí)模型，得到浮萍型水體識別模型，以對浮萍型水體進(jìn)行識別。

35、本發(fā)明還提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)如上述任一種所述基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測方法。

36、本發(fā)明還提供一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如上述任一種所述基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測方法。

37、本發(fā)明還提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如上述任一種所述基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測方法。

38、本發(fā)明提供的基于深度學(xué)習(xí)的浮萍型水體遙感監(jiān)測方法及裝置，基于浮萍型水體的遙感瓦片，構(gòu)造用于識別浮萍型水體的色度角波段、斜率和波段、綠通道指數(shù)波段三個物理特征，并將三個物理特征進(jìn)行結(jié)合得到asgi遙感影像瓦片，并通過設(shè)置屬性閾值來構(gòu)建浮萍型水體的訓(xùn)練數(shù)據(jù)集，用以訓(xùn)練初始深度學(xué)習(xí)模型，得到浮萍型水體識別模型，以對浮萍型水體進(jìn)行識別。由此通過色度角波段、斜率和波段、綠通道指數(shù)波段三個物理特征同時對浮萍型水體進(jìn)行識別，能夠有針對性地消除其他地物的混淆效果，提高識別準(zhǔn)確率，克服了現(xiàn)有技術(shù)中遙感圖像的分辨率不高導(dǎo)致識別準(zhǔn)確率降低的缺陷。