本發(fā)明涉及一種基于深度學(xué)習(xí)的海冰分類和密集度反演方法，屬于遙感影像處理。

背景技術(shù)：

1、海冰密集度不僅是海洋環(huán)境監(jiān)測與氣候研究的關(guān)鍵重要參數(shù)，也是保障海上活動安全、促進極地資源開發(fā)利用的重要參考數(shù)據(jù)。隨著全球氣候變化和海冰覆蓋范圍的顯著變化，海冰對全球氣候系統(tǒng)、水量平衡以及熱量傳輸?shù)犬a(chǎn)生了重要影響，成為監(jiān)測全球氣候變化的重要因子。同時，海冰還對船舶航行、海底采礦、極地海洋考察等海上活動構(gòu)成了嚴(yán)峻挑戰(zhàn)，甚至可能引發(fā)災(zāi)害性事件，因此，準(zhǔn)確、高效的海冰分類顯得尤為重要。

2、合成孔徑雷達（sar）技術(shù)以其全天時、全天候的觀測能力，以及較強的穿透性，不受云層遮擋等特點，在海冰監(jiān)測中展現(xiàn)出獨特優(yōu)勢。sar影像數(shù)據(jù)量的不斷增加和時空分辨率的日益提高，使得sar成為海冰分類的主要數(shù)據(jù)來源。

3、基于sar的海冰分類研究，不僅能夠幫助科學(xué)家理解海冰的物理特性、分布規(guī)律及其與氣候變化的相互作用，還能為海洋環(huán)境預(yù)報、海冰災(zāi)害預(yù)警提供科學(xué)依據(jù)，具體的：

4、一方面，海冰分類有助于揭示海冰與氣候系統(tǒng)的內(nèi)在聯(lián)系。通過精細的海冰分類，可以獲取海冰的類型、范圍、厚度、年齡等關(guān)鍵信息，進而分析海冰變化對全球氣候的影響，如影響海洋熱量交換、調(diào)節(jié)大氣溫度等。這些信息對于預(yù)測全球氣候變化趨勢、制定應(yīng)對策略具有重要意義。

5、另一方面，海冰類別信息是保障船舶航行安全的重要參考。通過實時監(jiān)測海冰的分布和類型，可以為船舶提供精確的航線規(guī)劃和避冰指導(dǎo)，減少因海冰導(dǎo)致的船舶擱淺、碰撞等事故風(fēng)險。同時，對于極地海域的考察和資源開發(fā)活動，海冰分類也能提供有力的支持，確?；顒拥捻樌M行和人員安全。

6、此外，海冰分類有助于評估海冰變化對海洋生態(tài)系統(tǒng)的影響。海冰是極地生態(tài)系統(tǒng)的重要組成部分，其變化直接影響極地生物的棲息地和食物鏈結(jié)構(gòu)。利用海冰分類信息，可以監(jiān)測海冰的消長變化，評估其對海洋生態(tài)系統(tǒng)的影響，為制定保護措施、促進可持續(xù)發(fā)展提供決策依據(jù)。

7、隨著人工智能和深度學(xué)習(xí)技術(shù)的快速發(fā)展，海冰分類的精度和效率得到了顯著提升。傳統(tǒng)的海冰分類方法主要依賴于人工目視解譯和遙感圖像處理技術(shù)，存在主觀性強、效率低等問題。而基于深度學(xué)習(xí)的sar海冰分類方法，能夠自動提取sar影像中的海冰特征，實現(xiàn)高效、準(zhǔn)確的分類。這不僅大大提高了海冰分類的效率和精度，還為海冰監(jiān)測和研究的智能化、自動化提供了可能。

8、然而受融化期的氣溫升高的影響，海冰開始融化，其形態(tài)從固態(tài)逐漸轉(zhuǎn)變?yōu)橐簯B(tài)或半固態(tài)，這一過程伴隨著冰層厚度的減少、冰面融水的形成以及冰體結(jié)構(gòu)的破壞。這些變化使得海冰在外觀和內(nèi)部結(jié)構(gòu)上呈現(xiàn)出多樣性和復(fù)雜性，使得遙感觀測的海冰特征復(fù)雜，難以用統(tǒng)一的特征和模型進行描述，此外，海冰的動態(tài)變化也是分類的一大難點。在融化過程中，海冰可能受到風(fēng)、浪、流等多種外力作用的影響，發(fā)生漂移、破碎、堆積等現(xiàn)象。這些動態(tài)變化不僅改變了海冰的分布和形態(tài)，也在一定程度上增加了海冰分類的難度。

9、綜上所述，融化期sar海冰分類的受到海冰物理變化的復(fù)雜性、環(huán)境因素的干擾以及數(shù)據(jù)處理與分析的復(fù)雜性等多個方面的影響。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供一種基于深度學(xué)習(xí)的海冰分類和密集度反演方法，提高海冰分類和密集度的反演精度，可在全球氣候變化監(jiān)測、海洋環(huán)境保護、極地資源開發(fā)利用等方面發(fā)揮更加重要的作用。

2、為達到上述目的，本發(fā)明是采用下述技術(shù)方案實現(xiàn)的：

3、本發(fā)明提供一種基于深度學(xué)習(xí)的海冰分類和密集度反演方法，包括：

4、獲取原始雙極化合成孔徑雷達數(shù)據(jù)；

5、對原始雙極化合成孔徑雷達數(shù)據(jù)進行預(yù)處理，得到預(yù)處理的雙極化合成孔徑雷達數(shù)據(jù)；

6、對預(yù)處理的雙極化合成孔徑雷達數(shù)據(jù)進行超像素分割，得到多個超像素；

7、利用條件隨機場模型計算超像素的后驗概率，取后驗概率位于設(shè)定區(qū)間內(nèi)的超像素作為不確定超像素單元；

8、將不確定超像素單元作為輸入，基于預(yù)訓(xùn)練的ice-waternet網(wǎng)絡(luò)模型輸出得到不確定超像素單元內(nèi)的海冰和海水邊界線；

9、組合所有不確定超像素單元內(nèi)的海冰和海水分界線得到海冰分類結(jié)果圖；

10、根據(jù)海冰分類結(jié)果圖進行海冰密集度反演，得到海冰密集度反演結(jié)果；

11、其中，所述ice-waternet網(wǎng)絡(luò)模型基于u-net網(wǎng)絡(luò)模型構(gòu)建得到，所述構(gòu)建方法包括在u-net網(wǎng)絡(luò)模型的解碼器中各卷積層均連接不確定性度量模塊，所述不確定性度量模塊用于將不確定超像素單元劃分為不確定區(qū)域和確定區(qū)域，并計算不確定區(qū)域內(nèi)特征的不確定性以對不確定性大的特征賦予高權(quán)重。

12、進一步的，所述對原始雙極化合成孔徑雷達數(shù)據(jù)進行預(yù)處理，得到預(yù)處理的雙極化合成孔徑雷達數(shù)據(jù)，包括：

13、從原始雙極化合成孔徑雷達數(shù)據(jù)中讀取噪聲參數(shù)和輻射定標(biāo)參數(shù)；

14、根據(jù)噪聲參數(shù)和輻射定標(biāo)參數(shù)將原始雙極化合成孔徑雷達數(shù)據(jù)的遙感影像像元亮度值轉(zhuǎn)換為后向散射系數(shù)，其表達式如下：

15、；

16、其中，表示后向散射系數(shù)，表示遙感影像像元亮度值，表示噪聲參數(shù)，表示輻射定標(biāo)參數(shù)；

17、將后向散射系數(shù)轉(zhuǎn)換為參考入射角的后向散射系數(shù)，即為預(yù)處理的雙極化合成孔徑雷達數(shù)據(jù)，其表達式如下：

18、；

19、其中，表示校正后的后向散射系數(shù)，即預(yù)處理的雙極化合成孔徑雷達數(shù)據(jù)，表示后向散射系數(shù)，表示參考入射角，表示坡度系數(shù)，表示局部入射角。

20、進一步的，所述對預(yù)處理的雙極化合成孔徑雷達數(shù)據(jù)進行超像素分割采用meanshift分割法。

21、進一步的，所述條件隨機場模型的表達式如下：

22、；

23、其中，表示后驗概率，表示歸一化系數(shù)，表示第個超像素的單元勢能函數(shù)，表示第個超像素和第個超像素的對勢能函數(shù)；表示第個超像素的類別，表示第個超像素的類別，所述類別分為海冰或海水；和均表示超像素集合，且互不包含；表示第個超像素的后向散射系數(shù)，表示模型權(quán)重參數(shù)，表示模型輸入特征，，表示第個超像素和第個超像素的互相關(guān)函數(shù)，?表示迪利克函數(shù)，當(dāng)時，取值為1，否則為0。

24、進一步的，所述ice-waternet網(wǎng)絡(luò)模型為編碼器-解碼器結(jié)構(gòu)，其中，所述編碼器和解碼器中的卷積層數(shù)量均為5個，所述編碼器用于計算通道和空間特征，所述解碼器用于利用多尺度上下文信息來提取不同種類的浮冰，所述解碼器中的各卷積層均設(shè)有注意力模塊，所述注意力模塊用于利用hh和hv通道之間的差異區(qū)分海冰和海水以確定緩沖區(qū)域。

25、進一步的，所述不確定性度量模塊的數(shù)據(jù)處理過程包括：

26、對于每個不確定超像素單元，將模型反卷積時輸出概率最大時對應(yīng)的緩沖區(qū)域記為不確定區(qū)域；

27、以矩形模型作為濾波窗口，不斷改變?yōu)V波窗口的感受視野，獲取不確定區(qū)域內(nèi)的海冰海分界線以將不確定區(qū)域重新劃分為確定性區(qū)域和不確定性區(qū)域，直至濾波窗口的大小達到或超過不確定超像素單元最小外接矩形的大小，其中，所述矩形模型的長寬比為不確定超像素單元最小外接矩形的長寬比；

28、計算不確定超像素單元中不確定性區(qū)域內(nèi)特征的不確定性，得到所有不確定超像素單元中不確定性區(qū)域內(nèi)特征的不確定性值；

29、根據(jù)所有不確定超像素單元中不確定性區(qū)域內(nèi)特征的不確定性值進行排序，對不確定性值大的特征賦予高權(quán)重。

30、進一步的，所述不確定性度量模塊計算不確定超像素單元中不確定性區(qū)域內(nèi)特征的不確定性的表達式如下：

31、；

32、其中，表示海冰預(yù)測不確定性，表示海水預(yù)測不確定性，表示海冰不確定性特征，表示海水不確定性特征，表示偏移量。

33、進一步的，所述ice-waternet網(wǎng)絡(luò)模型的預(yù)訓(xùn)練方法，包括：

34、獲取冰情圖數(shù)據(jù)集，所述冰情圖數(shù)據(jù)集內(nèi)標(biāo)注有基準(zhǔn)真實值；

35、將冰情圖數(shù)據(jù)集作為輸入，海冰和海水邊界線作為輸出，對ice-waternet網(wǎng)絡(luò)模型進行訓(xùn)練，在訓(xùn)練過程中，采用損失函數(shù)對ice-waternet網(wǎng)絡(luò)模型的模型參數(shù)進行調(diào)整，當(dāng)損失函數(shù)值達到收斂條件時，得到預(yù)訓(xùn)練完成的ice-waternet網(wǎng)絡(luò)模型。

36、進一步的，所述損失函數(shù)采用二進制交叉熵函數(shù)，其表達式為：

37、；

38、其中，表示二進制交叉熵函數(shù)，表示ice-waternet網(wǎng)絡(luò)模型的第個卷積層的輸出，表示ice-waternet網(wǎng)絡(luò)模型的卷積層數(shù)量，表示基準(zhǔn)真實值。

39、進一步的，所述根據(jù)海冰分類結(jié)果圖進行海冰密集度反演，得到海冰密集度反演結(jié)果，包括：

40、根據(jù)預(yù)設(shè)分辨率對海冰分類結(jié)果進行下采樣，得到下采樣后的海冰分類結(jié)果；

41、對下采樣后的海冰分類結(jié)果按投影網(wǎng)格進行投影，得到每個海冰分類結(jié)果投影格網(wǎng)中海冰像素所占百分比，即每個海冰分類結(jié)果投影格網(wǎng)的海冰密集度；

42、組合每個海冰分類結(jié)果投影格網(wǎng)的海冰密集度，得到海冰密集度反演結(jié)果。

43、與現(xiàn)有技術(shù)相比，本發(fā)明所達到的有益效果：

44、本發(fā)明利用條件隨機場模型提取超像素級的不確定性海冰對象，再通過構(gòu)建ice-waternet深度學(xué)習(xí)模型，采用迭代的策略優(yōu)化超像素的分割邊緣，提高了海冰分類和密集度的反演精度，可在全球氣候變化監(jiān)測、海洋環(huán)境保護、極地資源開發(fā)利用等方面發(fā)揮更加重要的作用；

45、本發(fā)明通過不確定性超像素提取和不確定性度量可以有效改善融化期的海冰分類和密集度的反演精度。