【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及衛(wèi)星圖像處理和深度學(xué)習(xí)，具體涉及一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法。
技術(shù)介紹
1、云在氣候和天氣系統(tǒng)中起著至關(guān)重要的作用，不同種類的云具有不同的輻射特性，通過云的類型信息能更好的模擬云的形態(tài)、數(shù)量、分布等特性，從而支持更多研究工作。國內(nèi)外研究人員針對云分類研究，在保證分類精度的同時(shí)，提高其效率進(jìn)行了積極探索，從方法上看可以分為兩種：傳統(tǒng)云分類方法和基于深度學(xué)習(xí)的云分類方法。
2、傳統(tǒng)的云分類基本方法主要有四種：閾值法、分窗法、統(tǒng)計(jì)方法和基于紋理的方法。閾值法和分窗法主要通過利用反射率、輻射亮溫以及亮溫差來區(qū)分云類型或者云和地物。這兩種方法雖然簡單且在一定條件下有效，但在面對復(fù)雜云系統(tǒng)、動態(tài)變化和多層云等場景時(shí)，往往表現(xiàn)出明顯的局限性，例如在高反射的沙漠地區(qū)，這兩種方法很容易產(chǎn)生誤判，無法區(qū)分地物和云層。統(tǒng)計(jì)方法主要包括聚類法和直方圖法，但這兩種方法對不同光譜特性的區(qū)分能力有限，容易混淆不同類型的云，并且直方圖法只能基于單一波段或亮度溫度信息進(jìn)行分類，無法充分利用多波段數(shù)據(jù)。此外，基于紋理的方法能夠捕捉云層的局部結(jié)構(gòu)和細(xì)節(jié)，適用于具有特定形態(tài)的云的分類。但是這個方法無法利用長時(shí)間序列的觀測數(shù)據(jù)，并且當(dāng)云層較為均勻時(shí)，紋理特征不明顯，分類效果較差。此外，支持向量機(jī)(svm)技術(shù)已被用于云分類任務(wù)，并取得了顯著的分類效果。但是svm對訓(xùn)練時(shí)間和計(jì)算資源要求太高，不適用于大規(guī)模衛(wèi)星影像的處理。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)基于深度學(xué)習(xí)的衛(wèi)星圖像云分類方
2、為此，本專利技術(shù)提供一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，以解決
技術(shù)介紹
中提出的問題。
3、為了實(shí)現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，包括如下步驟：
4、s1：將cloudsat衛(wèi)星數(shù)據(jù)和地球靜止氣象衛(wèi)星數(shù)據(jù)進(jìn)行預(yù)處理，并進(jìn)行時(shí)空匹配得到云樣本數(shù)據(jù)集；
5、s2：構(gòu)建基于transformer網(wǎng)絡(luò)的云分類網(wǎng)絡(luò)，引入時(shí)間地理編碼模塊增強(qiáng)模型對空間和時(shí)間信息的感知，并加入通道注意力機(jī)制對數(shù)據(jù)的多個特征通道進(jìn)行整合，得到用于云分類的gtcct模型；
6、gtcct模型的構(gòu)建過程為：
7、b1：應(yīng)用時(shí)間和地理編碼技術(shù)來擴(kuò)充輸入數(shù)據(jù)的維度和信息量：將時(shí)間信息和經(jīng)緯度信息編碼為正余弦值并直接作為單獨(dú)的通道輸入gtcct模型中，使得gtcct模型能夠捕捉云類型在時(shí)間和空間上的分布關(guān)系;具體而言，采用正弦和余弦函數(shù)對一年中的日期進(jìn)行周期性編碼，以非閏年為例,設(shè)一年中的第天，其中,使用以下公式對日期進(jìn)行編碼：
8、；
9、；
10、其中，和分別表示日期的正弦和余弦編碼值;地理編碼技術(shù)對于給定的經(jīng)度和緯度，首先將角度轉(zhuǎn)換為弧度，然后計(jì)算其正弦和余弦值：
11、；
12、；
13、其中，和分別表示經(jīng)度的正弦和余弦分量，和分別表示緯度的正弦和余弦分量。
14、b2：使用通道注意力模塊cam建立通道之間的聯(lián)系，增強(qiáng)通道下特定語義響應(yīng)能力;對圖像數(shù)據(jù)中的不同通道進(jìn)行分析和加權(quán)，加強(qiáng)關(guān)鍵的光譜特征，抑制不相關(guān)的光譜特征;最終得到gtcct云分類模型;
15、對給定輸入特征矩陣，其中表示特征矩陣的通道數(shù)，表示特征圖的高度，表示特征圖的寬度，首先對a分別經(jīng)過兩個卷積層處理得到特征圖b、c，隨后對b和c進(jìn)行維度重組，將經(jīng)過轉(zhuǎn)置后的特征圖b與c相乘，并經(jīng)過softmax層來計(jì)算空間注意力特征圖s，s的大小為c×c；具體操作如式：
16、；
17、其中，表示特征圖b中的通道索引，表示特征圖c中的通道索引。
18、隨后對a進(jìn)行卷積處理得到特征圖d并空間注意力特征圖s進(jìn)行矩陣乘法，再乘以尺度系數(shù)，最后經(jīng)過維度重排后與初始特征圖a進(jìn)行加和操作最終得到空間注意力特征圖；為尺度系數(shù)，初始化為0，并逐漸地學(xué)習(xí)分配到更大的權(quán)重，具體操作如式：
19、；
20、b3：多頭自注意力機(jī)制（multi-head?self-attention,?mhsa）是transformer模型中的關(guān)鍵組件，通過并行計(jì)算多組自注意力來捕捉序列中不同部分的多樣化特征和依賴關(guān)系；對于輸入的9×9圖像，將多頭自注意力機(jī)制mhsa中的reshape操作將輸入的9×9圖像轉(zhuǎn)換為一維序列，使得頭自注意力機(jī)制mhsa能夠有效捕捉圖像中不同像素間的關(guān)系；
21、將輸入序列經(jīng)過線性變換，生成查詢query、鍵key和值value矩陣：
22、；
23、其中，表示原始的特征維度，是鍵向量的維度，為可學(xué)習(xí)的線性變換矩陣，表示用于將輸入序列映射到不同的特征空間，得到的分別為查詢、鍵和值的表示；接下來計(jì)算注意力，公式如下：
24、；
25、其中，softmax函數(shù)用于將相似度得分歸一化，使得權(quán)重和為1，從而將注意力集中到最相關(guān)的像素點(diǎn)上；
26、為了提高gtcct模型的表示能力和泛化性能，多頭自注意力機(jī)制mhsa將查詢、鍵和值分別劃分為個頭，每個頭的維度為；每個頭獨(dú)立計(jì)算注意力，從而在不同的子空間中捕捉輸入序列中的特征；對于第個頭，其注意力表示計(jì)算如下：
27、；
28、計(jì)算完所有頭之后，將各個頭的輸出拼接起來，得到聚合矩陣，并通過一個線性變換生成最終的輸出：
29、；
30、其中，為線性投影矩陣，將拼接后的輸出重新映射回原始的特征維度；
31、s3：使用劃分好的訓(xùn)練集對gtcct模型進(jìn)行訓(xùn)練，并使用測試集測試gtcct模型的分類能力；
32、s4：使用訓(xùn)練好的gtcct模型對選定研究區(qū)域的衛(wèi)星云圖進(jìn)行逐像素云分類。
33、優(yōu)選的，所述步驟s1中的數(shù)據(jù)預(yù)處理包括：
34、a1：cloudsat頂層云類型確定：利用2b-cldclass數(shù)據(jù)進(jìn)行頂層云評估，將云類型信息整合為單層結(jié)果，對連續(xù)且超過兩層的云類型才能判定為該點(diǎn)的云類型；在多層云為dc和ns云類型的情況下，云類型判定為dc或ns；對于其他多層場景，采用最高層的云類型；層云云類型為st時(shí)通常海拔較低，在樣本中代表性不足，將該類別排除；
35、a2：地球靜止氣象衛(wèi)星數(shù)據(jù)預(yù)處理與特征選擇，包括裁剪、投影轉(zhuǎn)換和等經(jīng)緯度插值。...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，其特征在于：所述步驟S1中的數(shù)據(jù)預(yù)處理包括：
3.根據(jù)權(quán)利要求1所述的一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，其特征在于：所述步驟S3中的網(wǎng)絡(luò)訓(xùn)練和測試過程為：
4.根據(jù)權(quán)利要求1所述的一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，其特征在于：所述步驟S4中的分類過程為：對選定研究區(qū)域的地球靜止氣象衛(wèi)星云圖，以每個像素點(diǎn)為中心點(diǎn)取9×9的區(qū)域，并輸入進(jìn)訓(xùn)練好的GTCCT模型預(yù)測，得到每個點(diǎn)的云分類結(jié)果。
【技術(shù)特征摘要】
1.一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，其特征在于：所述步驟s1中的數(shù)據(jù)預(yù)處理包括：
3.根據(jù)權(quán)利要求1所述的一種基于時(shí)空編碼引導(dǎo)的衛(wèi)星遙感影像云分類方法，其特征在于：所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李俊，徐嘉蔚，盛慶紅，王博，凌霄，劉祥，
申請(專利權(quán))人：南京航空航天大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。