详情

原文传递基于一维卷积神经网络的高光谱水质参数反演系统及方法

专利名称：	基于一维卷积神经网络的高光谱水质参数反演系统及方法
摘要：	本发明公开了一种基于一维卷积神经网络的高光谱水质参数反演系统，该系统通过地面点光谱实测模块用于测量选定点处水体的高光谱数据；所述水质采集分析模块用于采集选定点处的水体样本并分析得到水质参数浓度；所述反演模型构建模块用于以所述全部光谱波段信息为输入，以水质参数浓度为输出，训练一维卷积神经网络的参数以拟合光谱波段信息与水质参数浓度间复杂的非线性关系；所述高光谱数据获取模块用于采集监测水域的高光谱遥感图像，并得到各点光谱波段的遥感反射率；所述水质参数反演模块用于以所述各点的光谱波段信息作为输入，反演得到监测水域中各点的水质参数浓度，同时该系统无需增加波段筛选子模块，充分利用所有波段信息。
专利类型：	发明专利
申请人：	北京理工大学重庆创新中心
发明人：	许廷发;潘晨光;黄晨;郝建华;王茜;樊阿馨
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T14:00:00+0805
申请号：	CN201911419436.3
公开号：	CN111007021A
代理机构：	成都九鼎天元知识产权代理有限公司
代理人：	李想
分类号：	G01N21/25;G06N3/04;G;G01;G06;G01N;G06N;G01N21;G06N3;G01N21/25;G06N3/04
申请人地址：	401120 重庆市渝北区龙兴镇曙光路9号9幢
主权项：	1.一种基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，该系统包括地面点光谱实测模块、水质采集分析模块、反演模型构建模块、高光谱遥感数据获取模块和水质参数反演模块，所述地面点光谱实测模块用于测量选定点处水体的高光谱数据，高光谱数据经预处理后得到全部光谱波段信息；所述水质采集分析模块用于采集选定点处的水体样本并分析得到水质参数浓度；所述反演模型构建模块用于以所述全部光谱波段信息为输入，以水质参数浓度为输出，训练一维卷积神经网络的参数，并拟合所述高光谱数据与水质参数浓度之间的非线性关系；所述高光谱数据获取模块用于采集监测水域的高光谱遥感图像，经预处理后得到高光谱遥感图像中各点的光谱波段信息；所述水质参数反演模块用于以所述各点的光谱波段信息作为输入，反演得到监测水域中各点的水质参数浓度。 2.根据权利要求1所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述地面点光谱实测模块采用手持式地物光谱仪，且该手持式地物光谱仪与所述水质采集分析模块对地面的选定点进行同步测量。 3.根据权利要求2所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述高光谱数据获取模块通过无人机载高光谱相机采集监测水域的高光谱遥感图像。 4.根据权利要求3所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述手持式地物光谱仪的光谱波段设置与无人机载高光谱相机的光谱波段设置一致。 5.根据权利要求1所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述一维卷积神经网络包括四个一维卷积层、两个池化层、一个Dropout层和至少两个全连接层，所述一维卷积层包括卷积层、批量归一化层和ReLU激活函数层。 6.一种基于一维卷积神经网络的高光谱水质参数反演方法，其特征在于，该方法包括：测量选定点处水体的高光谱数据，高光谱数据经预处理后得到全部光谱波段信息；采集选定点处的水体样本并分析得到水质参数浓度；基于一维卷积神经网络，以所述全部光谱波段信息为输入，以水质参数浓度为输出，训练一维卷积神经网络的参数，并拟合所述高光谱数据与水质参数浓度之间的非线性关系；采集监测水域的高光谱遥感图像，经预处理后得到高光谱遥感图像中各点的光谱波段信息；以所述各点的光谱波段信息作为输入，通过训练后的一维卷积神经网络反演得到监测水域中各点的水质参数浓度。 7.根据权利要求6所述的基于一维卷积神经网络的高光谱水质参数反演方法，其特征在于，训练一维卷积神经网络参数包括： a.初始化一维卷积神经网络中所有的参数，依次输入各选定点所测量得到的全部光谱信息，输出得到预测的水质参数浓度； b.通过损失函数比较预测的水质参数浓度和实测的水质参数浓度之间的差异； c.根据后向传播算法最小化损失函数，并依次更新一维卷积神经网络中的各参数； d.重复上述步骤a-c，直至误差达到所需精度。 8.根据权利要求7所述的基于一维卷积神经网络的高光谱水质参数反演方法，其特征在于，所述损失函数为均方根误差函数RMSE：其中，N表示总的地面点样本数量，yi表示第i个样本点对应的水质参数浓度的实测值，表示第i个样本点对应的水质参数浓度的预测值。 9.根据权利要求6所述的基于一维卷积神经网络的高光谱水质参数反演方法，其特征在于，对高光谱遥感图像的预处理包括辐射定标、几何校正、大气校正、水体区域裁剪和归一化处理。 10.根据权利要求6所述的基于一维卷积神经网络的高光谱水质参数反演方法，其特征在于，所述高光谱数据的采集采用水面以上测量法测量，且对高光谱数据的预处理包括辐射定标、大气校正和归一化处理。
所属类别：	发明专利