[发明专利]一种快速识别并提取河口羽状流轮廓相关参数的方法

权利要求书

1.一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，包括以下步骤：

通过神经网络构建河口羽状流轮廓数据提取模型；

对卫星遥感图像进行预处理；

使用预处理后的卫星遥感图像对河口羽状流轮廓数据提取模型进行训练；

将待识别的卫星图像输入到训练好的神经网络，得到羽状流轮廓灰度图，提取灰度图中的羽状流轮廓参数。

2.根据权利要求1所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述羽状流轮廓参数包括：羽状流面积、羽状流指向方向和羽状流扩散范围。

3.根据权利要求1所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述河口羽状流轮廓数据提取模型包括：

分类模型，用于对卫星遥感图像进行分类，输出分类结果即卫星遥感图像中是否含有河口羽状流；

分割模型，用于确定含有河口羽状流的卫星遥感图像中，河口羽状流的位置，并对其进行切割提取，输出表示河口羽状流完整结构的像素点矩阵；

数据提取模型，用于提取像素点矩阵中河口羽状流的轮廓，输出由像素点矩阵构成的羽状流轮廓灰度图。

4.根据权利要求3所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述分类模型由顺次连接的三个卷积层和两个全连接层构成，激活函数为ReLU函数。

5.根据权利要求3所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述分割模型使用SSD算法进行架构，即在VGG19结构的基础上，将原有结构中第六层和第七层的全连接层改为卷积层的同时，将其后面的所有结构替换为4个顺次连接的卷积层。

6.根据权利要求3所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述数据提取模型使用FCN算法进行架构，即在VGG19的基础上，将原有的全连接层全部改为卷积层。

7.根据权利要求1所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述对卫星遥感图像进行预处理，具体为：

获取卫星遥感图像，将其分割成设定尺寸，按照是否含有羽状流对其进行分类，形成分类模型训练数据集；

将分类模型训练数据集中含有羽状流的图像进行标注，分割出标注区域图像，将标注区域图像随机划分为训练集和验证集，形成分割模型训练数据集；

将分割模型训练数据集中含有清晰羽状流轮廓的图片进行标注，提取标注区域的灰度图像，同时，其标注区域对应的原图像由RGBA格式转变为RGB格式，将灰度图像和转换后的RGB图像构成的数据集随机划分为训练集和验证集，形成数据提取模型训练数据集。

8.根据权利要求7所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述将分类模型训练数据集中含有羽状流的图像进行标注，标注区域为囊括羽状流与周边海洋环境颜色存在区别的结构，以及部分河口所在区域，保持羽状流边界与标注边界相切以减少无关边界。

9.根据权利要求7所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述将分割模型训练数据集中含有羽状流轮廓的图片进行标注，标注区域为悬浮物含量高于阈值、与周围环境形成对比的水滴形区域。

10.根据权利要求1所述的一种快速识别并提取河口羽状流轮廓相关参数的方法，其特征在于，所述提取灰度图中的羽状流轮廓参数，具体为：将羽状流轮廓抽象为三角形区域，并进行羽状流轮廓参数的提取，其中，羽状流面积为以灰度图内黑色像素点面积所占整张灰度图面积的比例，并按照待识别的卫星图像所对应的真实长度对结果进行换算；羽状流指向方向以河口位置到距离河口最远像素点所连向量指向方向为结果；羽状流扩散范围由羽状流面积与高计算得到。