一种基于自适应DBSCAN的激光雷达回波水下地形检测方法

    公开(公告)号:CN113960624B

    公开(公告)日:2024-07-23

    申请号:CN202111232283.9

    申请日:2021-10-22

    IPC分类号: G01S17/89

    摘要: 本发明公开一种基于自适应DBSCAN的激光雷达回波水下地形检测方法,该方法首先读入ICESat‑2ATL03原始数据,对数据进行垂直方向截取,对沿轨距离轴作缩小处理,然后分段处理ICESat‑2光子数据;通过计算得到候选的半径ε和最小聚类阈值minpts数据集,带入DBSCAN中进行聚类分析,得到对应的聚类簇数,当生成的簇数连续三次相同时,认为聚类结果趋于稳定,记该簇数对应的半径ε和最小聚类阈值minpts为当前数据段的最优参数,将该参数带入DBSCAN中用于检测水下地形,最后继续处理剩余数据段,直至数据处理结束。本发明采用自适应的方法计算DBSCAN的关键参数半径ε和最小聚类阈值minpts,适用于大批量激光雷达数据的批处理,能够提高检测算法的准确性。

    一种基于星载单光子激光主被动遥感融合的水深反演方法

    公开(公告)号:CN113960625B

    公开(公告)日:2024-06-11

    申请号:CN202111232285.8

    申请日:2021-10-22

    IPC分类号: G01S17/89

    摘要: 本发明公开一种基于星载单光子激光主被动遥感融合的水深反演方法,该方法首先读取ICESat‑2ATL03原始数据集;然后采用DBSCAN方法提取浅水水体水深数据;之后选择该地区少云量的Sentinel遥感图像,对其进行大气校正、空间切割、陆地云层掩膜;利用前面的ICESat‑2数据中检测得到的水深数据带入波段比值经验模型进行回归训练得到参数,最后带入sentinel遥感图像中反演出该地区水深地图。本发明采用无需原位测深数据作为控制点,在不易机载测量水深地区亦可开展水深测量,且保持了良好的测量精度。

    一种基于星载单光子激光主被动遥感融合的水深反演方法

    公开(公告)号:CN113960625A

    公开(公告)日:2022-01-21

    申请号:CN202111232285.8

    申请日:2021-10-22

    IPC分类号: G01S17/89

    摘要: 本发明公开一种基于星载单光子激光主被动遥感融合的水深反演方法,该方法首先读取ICESat‑2ATL03原始数据集;然后采用DBSCAN方法提取浅水水体水深数据;之后选择该地区少云量的Sentinel遥感图像,对其进行大气校正、空间切割、陆地云层掩膜;利用前面的ICESat‑2数据中检测得到的水深数据带入波段比值经验模型进行回归训练得到参数,最后带入sentinel遥感图像中反演出该地区水深地图。本发明采用无需原位测深数据作为控制点,在不易机载测量水深地区亦可开展水深测量,且保持了良好的测量精度。

    一种基于自适应DBSCAN的激光雷达回波水下地形检测方法

    公开(公告)号:CN113960624A

    公开(公告)日:2022-01-21

    申请号:CN202111232283.9

    申请日:2021-10-22

    IPC分类号: G01S17/89

    摘要: 本发明公开一种基于自适应DBSCAN的激光雷达回波水下地形检测方法,该方法首先读入ICESat‑2ATL03原始数据,对数据进行垂直方向截取,对沿轨距离轴作缩小处理,然后分段处理ICESat‑2光子数据;通过计算得到候选的半径ε和最小聚类阈值minpts数据集,带入DBSCAN中进行聚类分析,得到对应的聚类簇数,当生成的簇数连续三次相同时,认为聚类结果趋于稳定,记该簇数对应的半径ε和最小聚类阈值minpts为当前数据段的最优参数,将该参数带入DBSCAN中用于检测水下地形,最后继续处理剩余数据段,直至数据处理结束。本发明采用自适应的方法计算DBSCAN的关键参数半径ε和最小聚类阈值minpts,适用于大批量激光雷达数据的批处理,能够提高检测算法的准确性。

    基于被动遥感光谱图像应用神经网络的光学浅水分类方法

    公开(公告)号:CN117523321B

    公开(公告)日:2024-04-09

    申请号:CN202410004256.3

    申请日:2024-01-03

    摘要: 本发明公开了一种基于被动遥感光谱图像应用神经网络的光学浅水分类方法,包括:根据卫星数据获取先验水深数据点,对被动遥感图像做预处理后,使用红绿蓝波段的遥感反射率计算辐射传输数据,将红绿蓝波段的遥感反射率和辐射传输数据组成特征数据集;获取先验水深数据点对应位置的红绿蓝波段的遥感反射率和辐射传输数据作为浅水训练数据集;根据已知的原位测深数据集,获取深水区位置对应的红绿蓝波段的遥感反射率和辐射传输数据作为深水训练数据集;将浅水训练数据集和深水训练数据集输入神经网络模型训练;将特征数据集输入训练好的神经网络模型中,获取分类结果。本发明突出了光谱数据的光学特点,能够精确、快速地分类水体环境。

    基于辐射传输参数应用卷积神经网络的水深地图反演方法

    公开(公告)号:CN117496278B

    公开(公告)日:2024-04-05

    申请号:CN202410004085.4

    申请日:2024-01-03

    摘要: 本发明公开了一种基于辐射传输参数应用卷积神经网络的水深地图反演方法,包括:获取参考海底地形测深点作为先验测深点,获取被动遥感图像并做预处理,获得包含不同波段对应的遥感反射率的图像,进而得到对应的辐射传输数据层信息以及漫射衰减系数;红绿蓝三波段的遥感反射率、辐射传输数据层信息、漫射衰减系数组成特征数据集,基于特征数据集提取每个以先验测深点位置为中心的7×7×7子图像组成特征张量训练数据集,训练标签为先验测深点;将特征张量训练数据集输入卷积神经网络训练;将特征数据集输入训练好的卷积神经网络反演出水深地图。本发明充分利用了被动遥感图像的光谱信息,并参考水深点周边像素信息,提高反演精度。