[发明专利]一种Himawari-8遥感数据的火点检测方法

权利要求书

1.一种Himawari-8遥感数据的火点检测方法，其特征在于，包括如下步骤：

步骤一，获取Himawari-8卫星的原始遥感数据和相应的火点数据，所述原始遥感数据包括经纬度和各个波段的数据，所述火点数据包括火点的经纬度信息；

步骤二，从原始遥感数据中随机提取出N个包含火点经纬度的数据块作为正样本，并从原始遥感数据中随机提取出N个不含火点经纬度的数据块作为负样本；

步骤三，将提取出来的正、负样本打乱顺序，并随机划分为训练集和测试集；

步骤四，建立双输入网络模型，该网络模型包括火点检测网络分支、云水检测网络分支以及融合模块；所述火点检测网络分支用于处理与火点检测相关的温度辐射波段，所述云水检测网络分支用于处理与云水检测相关的反射率波段，火点检测网络分支和云水检测网络分支均包括波段注意力模块和像素注意力模块，两个分支的输出数据均传给融合模块，融合模块用于输出火点检测结果；

步骤五，使用步骤三得到的训练集和测试集对步骤四建立的双输入网络模型进行训练，得到训练好的模型；

步骤六，将待检测的Himawari-8卫星的原始遥感数据分割为与正、负样本数据块大小相同的分块，将各分块输入到训练好的模型中，检测其中是否有火点；

所述火点检测网络分支包括顺次串联的像素注意力模块、波段注意力模块、像素注意力模块、波段注意力模块、卷积块、卷积块、卷积块；所述云水检测网络分支包括顺次串联的像素注意力模块、波段注意力模块、卷积块、卷积块；

所述波段注意力模块中，将输入波段注意力模块的数据分别输入全局平均池化层和全局最大池化层，然后将两者的池化结果进行元素级相加，之后连接一个1*1卷积和ReLU激活函数，再连接一个1*1卷积块和Sigmoid激活函数，得到注意力特征；将该注意力特征与所述输入波段注意力模块的数据进行元素级相乘，得到波段注意力；

所述像素注意力模块中，将输入像素注意力模块的数据输入两个级联的1*1卷积，得到通道数为1的特征图，其中，第一个1*1卷积后具有激活函数，第一个1*1卷积后具有Sigmoid激活函数；然后，通过复制运算，将通道数为1的特征图扩充成所述输入像素注意力模块的数据的大小，并将扩充后的特征图与所述输入像素注意力模块的数据进行元素级相乘，得到像素注意力。

2.根据权利要求1所述的一种Himawari-8遥感数据的火点检测方法，其特征在于，所述正样本和负样本的数据块大小均为21* 21像素，正、负样本的提取波段均包括albedo_03，albedo_04，albedo_06，tbb_07，tbb_14，tbb_15，SOZ，latitude，longitude。

3.根据权利要求1所述的一种Himawari-8遥感数据的火点检测方法，其特征在于，所述融合模块中，将火点检测网络分支和云水检测网络分支的输出结果分别输入各自对应的全连接层，然后将两个全连接层的输出进行元素级相乘，得到融合结果，再将融合结果输入一个全连接层以及后接的SoftMax函数，得到火点检测结果。

4.根据权利要求1所述的一种Himawari-8遥感数据的火点检测方法，其特征在于，步骤五中进行训练时，选择交叉熵损失作为损失函数，选择Adam优化器进行优化，设定初始学习率为0.0001，并采用MultiStepLR调整策略来调整学习率；将训练集样本输入网络模型进行训练，根据损失值的变化情况，得到用于火点检测的最佳模型；然后将测试集样本输入训练好的模型，得到每个火点数据的判别置信度，若置信度大于0.5，则判断该样本属于火点；统计火点检测的准确率，验证模型的准确性。