基于決策融合的淺海水深多時相遙感影像反演方法
【技術領域】
[0001 ]本發(fā)明涉及一種海洋水深遙感測量方法，屬于遙感技術領域，尤其涉及基于決策 融合的淺海水深多時相遙感影像反演方法。
【背景技術】
[0002] 海洋水深數(shù)據(jù)測量是保障船舶航行、開展港口碼頭和海洋工程建設、制定海岸和 海島相關規(guī)劃的必要基礎數(shù)據(jù)。與水深現(xiàn)場測量手段相比，遙感技術具有覆蓋廣、周期短、 費用低、空間分辨率高的優(yōu)勢。自20世紀70年代以來，國內(nèi)外開展了各種被動遙感水深反演 模型的研究，常用的可見光水深反演模型主要包括分析模型、半分析半經(jīng)驗模型和統(tǒng)計模 型。利用不同模型，近年來在河流、湖泊、水庫、海島和海岸帶周邊等水深測量領域進行了反 演應用。水深可見光遙感反演是獲取淺海復雜地形水深的有利解決辦法，尤其可以反演獲 取船只無法靠近和難以進入?yún)^(qū)域的水深資料，是水深測量的一種重要手段。但由于模型難 以兼顧物理機制和參數(shù)化，因此已有的可見光水深遙感反演模型精度再提高的空間有限。
[0003] 水深多時相遙感反演可以克服單一時相影像成像時環(huán)境條件的限制，有利于水深 信息的提取，當前已有將多時相應用于水深遙感反演的研究工作，但多是利用多時相遙感 影像開展空間信息的插補，沒有在決策融合層面進行開發(fā)應用。而決策融合能夠充分利用 已有遙感影像資源和信息，為提高光學遙感水深反演精度提供了新途徑。
[0004] 中國專利（授權(quán)公告號CN 102176001B)公開了 "一種基于透水波段比值因子的水 深反演方法"，采用遙感圖像獲得的數(shù)據(jù)建立神經(jīng)網(wǎng)絡水深反演模型，通過人工神經(jīng)網(wǎng)絡的 自適應學習性能和非線性映射能力，降低海洋水深測量的標準差，增強其適用性。但該方法 對海洋水深的測量較為復雜，采用的仍然是單期影像作為探測數(shù)據(jù)源，因而在復雜情況下 對淺海區(qū)域水深的探測效果有限。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供了基于決策融合的淺海水深多時相遙感影像反演方法，用于解決現(xiàn)有 技術中水深反演模型精度較低的問題，與現(xiàn)有的反演方法相比，基于決策融合的淺海水深 多時相遙感影像反演方法可以采用多云和高海況情況下獲取的遙感影像，挖掘其中的水深 數(shù)據(jù)，提高了反演精度，尤其適用于淺水區(qū)域的海洋水深測量。
[0006] 基于決策融合的淺海水深多時相遙感影像反演方法，包括以下步驟：
[0007] 第一步:對多光譜遙感影像進行預處理，得到海表反射率；
[0008] 所述預處理包括對輻射亮度轉(zhuǎn)換、大氣校正和太陽耀斑去除；
[0009] 第二步:現(xiàn)場實測水深值獲取及處理；
[0010] 獲取實驗區(qū)的水深數(shù)據(jù)和對應的經(jīng)煒度坐標，通過潮汐表確認潮高值，將水深數(shù) 據(jù)校正到理論深度基準面上，并根據(jù)采用的多時相影像獲取時刻，分別對水深值進行對應 影像的潮汐校正；
[0011]第三步:單時相水深反演及云掩膜；
[0012] 對每景處理后的多光譜影像，進行分類處理得到云掩膜影像，將云及云影區(qū)賦值 為1，非云區(qū)為0,作為多時相反演融合輸入的一部分，根據(jù)水深控制點處水深與對應影像像 元反射率值間的關系，統(tǒng)計回歸出多波段模型在該景影像水深反演的參數(shù)，多波段模型公 式如下，
[0013]
(1)
[0014] 其中，Z為水深，η為參與反演的波段個數(shù)，Αο和Ai為待定系數(shù)，Xi = Ln(Pi-psi)，Pi是 第i波段反射率數(shù)據(jù)，PS1是該波段深水處的反射率；
[0015] 將水深控制點分成數(shù)個的水深段，并計算出各水深段的平均相對誤差和可信度， 作為多時相水深反演融合的另一項輸入，即融合參數(shù)，
[0016] (2)
[0017] (3) L. J.
[0018] 其中，k均表示水深段，式2中，Zl是第i個水深檢查點的實測值，Zl'為其反演值，η為 水深檢查點個數(shù)，式3中，L k表示第k水深段的可信度，^表示每個信源的相對重要程度，且滿
η 足ΣΚ 其公式? 弋表該i景影像控制點的Kappa系數(shù)，η表示參與反演融 Μ 合影像的個數(shù)，α為奇數(shù)；
[0019] 利用得到的參數(shù)和整景遙感影像，計算得單時相水深反演結(jié)果，并將其潮汐校正 到理論深度基準面，之后得到水深段標識影像；
[0020] 第四步:多時相水深反演融合；
[0021] 將單時相水深反演結(jié)果、水深段標識影像、云掩膜和融合參數(shù)作為多時相水深反 演融合的輸入，逐像元開展融合，具體包括以下幾個步驟；
[0022] (1)判斷是否為云及云影區(qū)，非云區(qū)的像元參與下一步融合運算，當非云區(qū)像元個 數(shù)為1時，賦該值為最終的水深值，僅當參與下一步運算的像元數(shù)為〇時，所有像元都繼續(xù)下 一步；
[0023] (2)判斷像元對應的水深段標識，對在同一水深段且該水深段內(nèi)像元個數(shù)最多的 進行下一步運算，否則，按照第(4)步進行運算；
[0024] (3)判斷像元的水深值，若有2個或2個以上的像元值相同，賦該值為最終的水深 值，若不同，進行下一步運算；
[0025] (4)判斷像元在5X5鄰域內(nèi)是否為奇異值，選非奇異值點賦值為最終水深值，若非 奇異點個數(shù)有2個或2個以上，進行下一步運算，若均為奇異點，按照第(6)步進行；
[0026] (5)比較像元在當前水深段的平均相對誤差，以最小誤差對應的像元值為最終的 水深值；
[0027] (6)計算像元5X5鄰域的中值，并以該鄰域中值為新像元值，判斷其水深段歸屬， 若相同，按照第(5)步進行，否則進行下一步運算；
[0028] (7)比較像元值所在水深段的可信度大小，以可信度大的像元值為最終水深值；
[0029]第五步:水深反演精度驗證；
[0030] 所述精度驗證是利用檢查點開展融合前單時相反演結(jié)果和融合后多時相反演結(jié) 果的比較。
[0031] 本發(fā)明的有益效果：
[0032] 與現(xiàn)有的水深反演方法相比，基于決策融合的淺海水深多時相遙感影像反演方法 可以采用多云和高海況情況下獲取的遙感影像，挖掘其中的水深數(shù)據(jù)，擴大了遙感圖像的 使用范圍，實現(xiàn)多時相遙感數(shù)據(jù)的充分利用，提高了反演精度，尤其適用于淺水區(qū)域的海洋 水深測量。
【附圖說明】
[0033] 圖1是本發(fā)明的流程圖；
[0034]圖2是本發(fā)明的水深多時相反演融合的流程圖；
[0035]圖3a是本發(fā)明水深多時相反演融合的結(jié)果散點圖；
[0036]圖3b是QuickBird 2008水深反演結(jié)果散點圖；
[0037]圖3c是QuickBird 2012水深反演結(jié)果散點圖；
[0038]圖4是本發(fā)明的結(jié)果圖像；
【具體實施方式】
[0039]為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0040] 結(jié)合附圖1對本發(fā)明【具體實施方式】進一步詳細描述，基于決策融合的淺海水深多 時相遙感影像反演方法，具體包括以下步驟：
[0041] 第一步:多光譜遙感數(shù)據(jù)預處理：
[0042] 首先要對參與水深反演融合的多光譜遙感影像進行預處理，包括輻亮度轉(zhuǎn)換、大 氣校正和太陽耀斑去除。輻亮度轉(zhuǎn)換是將影像DN值轉(zhuǎn)化為輻亮度的過程，不同的遙感數(shù)據(jù) 產(chǎn)品對應的輻亮度轉(zhuǎn)換公式不同，一般為以下兩種：
[0043]
[0044]
[0045] 式中對應的各項參數(shù)均可在影像的元數(shù)據(jù)文件中獲得。得到多光譜的輻亮度影像 后，采用FLAASH或者暗像元、6S等大氣校正方法進行大氣校正，得到海表反射率數(shù)據(jù)。為去 除海表太陽耀斑及漂浮物等帶來的干擾，接著采用中值、均值或者小波等方法進行太陽耀 斑去除。
[0046] 第二:現(xiàn)場實測水深值獲取及處理：
[0047]利用多波束水深儀或其他水深測量手段獲取實驗區(qū)的水深數(shù)據(jù)，同時記錄下其相 應的經(jīng)煒度坐標。通過潮汐表查找測量時刻的潮高值，將水深數(shù)據(jù)校正到理論深度基準面 上。并根據(jù)實驗采用的多時相影像獲取時刻，分別對水深值進行對應影像的潮汐校正。
[0048]第三步:單時相水深反演及云掩膜：
[0049]對每景處理后的多光譜影像，均采用SVM等監(jiān)督分類方法，得到云掩膜影像，將云 及云影區(qū)賦值為1，非云區(qū)為0,作為多時相反演融合輸入的一部分。根據(jù)水深控制點處水深 與對應影像像元