基于决策融合的浅海水深多时相遥感影像反演方法
【技术领域】
[0001 ]本发明涉及一种海洋水深遥感测量方法，属于遥感技术领域，尤其涉及基于决策 融合的浅海水深多时相遥感影像反演方法。
【背景技术】
[0002] 海洋水深数据测量是保障船舶航行、开展港口码头和海洋工程建设、制定海岸和 海岛相关规划的必要基础数据。与水深现场测量手段相比，遥感技术具有覆盖广、周期短、 费用低、空间分辨率高的优势。自20世纪70年代以来，国内外开展了各种被动遥感水深反演 模型的研究，常用的可见光水深反演模型主要包括分析模型、半分析半经验模型和统计模 型。利用不同模型，近年来在河流、湖泊、水库、海岛和海岸带周边等水深测量领域进行了反 演应用。水深可见光遥感反演是获取浅海复杂地形水深的有利解决办法，尤其可以反演获 取船只无法靠近和难以进入区域的水深资料，是水深测量的一种重要手段。但由于模型难 以兼顾物理机制和参数化，因此已有的可见光水深遥感反演模型精度再提高的空间有限。
[0003] 水深多时相遥感反演可以克服单一时相影像成像时环境条件的限制，有利于水深 信息的提取，当前已有将多时相应用于水深遥感反演的研究工作，但多是利用多时相遥感 影像开展空间信息的插补，没有在决策融合层面进行开发应用。而决策融合能够充分利用 已有遥感影像资源和信息，为提高光学遥感水深反演精度提供了新途径。
[0004] 中国专利（授权公告号CN 102176001B)公开了 "一种基于透水波段比值因子的水 深反演方法"，采用遥感图像获得的数据建立神经网络水深反演模型，通过人工神经网络的 自适应学习性能和非线性映射能力，降低海洋水深测量的标准差，增强其适用性。但该方法 对海洋水深的测量较为复杂，采用的仍然是单期影像作为探测数据源，因而在复杂情况下 对浅海区域水深的探测效果有限。
【发明内容】
[0005] 本发明提供了基于决策融合的浅海水深多时相遥感影像反演方法，用于解决现有 技术中水深反演模型精度较低的问题，与现有的反演方法相比，基于决策融合的浅海水深 多时相遥感影像反演方法可以采用多云和高海况情况下获取的遥感影像，挖掘其中的水深 数据，提高了反演精度，尤其适用于浅水区域的海洋水深测量。
[0006] 基于决策融合的浅海水深多时相遥感影像反演方法，包括以下步骤：
[0007] 第一步:对多光谱遥感影像进行预处理，得到海表反射率；
[0008] 所述预处理包括对辐射亮度转换、大气校正和太阳耀斑去除；
[0009] 第二步:现场实测水深值获取及处理；
[0010] 获取实验区的水深数据和对应的经炜度坐标，通过潮汐表确认潮高值，将水深数 据校正到理论深度基准面上，并根据采用的多时相影像获取时刻，分别对水深值进行对应 影像的潮汐校正；
[0011]第三步:单时相水深反演及云掩膜；
[0012] 对每景处理后的多光谱影像，进行分类处理得到云掩膜影像，将云及云影区赋值 为1，非云区为0,作为多时相反演融合输入的一部分，根据水深控制点处水深与对应影像像 元反射率值间的关系，统计回归出多波段模型在该景影像水深反演的参数，多波段模型公 式如下，
[0013]
(1)
[0014] 其中，Z为水深，η为参与反演的波段个数，Αο和Ai为待定系数，Xi = Ln(Pi-psi)，Pi是 第i波段反射率数据，PS1是该波段深水处的反射率；
[0015] 将水深控制点分成数个的水深段，并计算出各水深段的平均相对误差和可信度， 作为多时相水深反演融合的另一项输入，即融合参数，
[0016] (2)
[0017] (3) L. J.
[0018] 其中，k均表示水深段，式2中，Zl是第i个水深检查点的实测值，Zl'为其反演值，η为 水深检查点个数，式3中，L k表示第k水深段的可信度，^表示每个信源的相对重要程度，且满
η 足ΣΚ 其公式? 弋表该i景影像控制点的Kappa系数，η表示参与反演融 Μ 合影像的个数，α为奇数；
[0019] 利用得到的参数和整景遥感影像，计算得单时相水深反演结果，并将其潮汐校正 到理论深度基准面，之后得到水深段标识影像；
[0020] 第四步:多时相水深反演融合；
[0021] 将单时相水深反演结果、水深段标识影像、云掩膜和融合参数作为多时相水深反 演融合的输入，逐像元开展融合，具体包括以下几个步骤；
[0022] (1)判断是否为云及云影区，非云区的像元参与下一步融合运算，当非云区像元个 数为1时，赋该值为最终的水深值，仅当参与下一步运算的像元数为〇时，所有像元都继续下 一步；
[0023] (2)判断像元对应的水深段标识，对在同一水深段且该水深段内像元个数最多的 进行下一步运算，否则，按照第(4)步进行运算；
[0024] (3)判断像元的水深值，若有2个或2个以上的像元值相同，赋该值为最终的水深 值，若不同，进行下一步运算；
[0025] (4)判断像元在5X5邻域内是否为奇异值，选非奇异值点赋值为最终水深值，若非 奇异点个数有2个或2个以上，进行下一步运算，若均为奇异点，按照第(6)步进行；
[0026] (5)比较像元在当前水深段的平均相对误差，以最小误差对应的像元值为最终的 水深值；
[0027] (6)计算像元5X5邻域的中值，并以该邻域中值为新像元值，判断其水深段归属， 若相同，按照第(5)步进行，否则进行下一步运算；
[0028] (7)比较像元值所在水深段的可信度大小，以可信度大的像元值为最终水深值；
[0029]第五步:水深反演精度验证；
[0030] 所述精度验证是利用检查点开展融合前单时相反演结果和融合后多时相反演结 果的比较。
[0031] 本发明的有益效果：
[0032] 与现有的水深反演方法相比，基于决策融合的浅海水深多时相遥感影像反演方法 可以采用多云和高海况情况下获取的遥感影像，挖掘其中的水深数据，扩大了遥感图像的 使用范围，实现多时相遥感数据的充分利用，提高了反演精度，尤其适用于浅水区域的海洋 水深测量。
【附图说明】
[0033] 图1是本发明的流程图；
[0034]图2是本发明的水深多时相反演融合的流程图；
[0035]图3a是本发明水深多时相反演融合的结果散点图；
[0036]图3b是QuickBird 2008水深反演结果散点图；
[0037]图3c是QuickBird 2012水深反演结果散点图；
[0038]图4是本发明的结果图像；
【具体实施方式】
[0039]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040] 结合附图1对本发明【具体实施方式】进一步详细描述，基于决策融合的浅海水深多 时相遥感影像反演方法，具体包括以下步骤：
[0041] 第一步:多光谱遥感数据预处理：
[0042] 首先要对参与水深反演融合的多光谱遥感影像进行预处理，包括辐亮度转换、大 气校正和太阳耀斑去除。辐亮度转换是将影像DN值转化为辐亮度的过程，不同的遥感数据 产品对应的辐亮度转换公式不同，一般为以下两种：
[0043]
[0044]
[0045] 式中对应的各项参数均可在影像的元数据文件中获得。得到多光谱的辐亮度影像 后，采用FLAASH或者暗像元、6S等大气校正方法进行大气校正，得到海表反射率数据。为去 除海表太阳耀斑及漂浮物等带来的干扰，接着采用中值、均值或者小波等方法进行太阳耀 斑去除。
[0046] 第二:现场实测水深值获取及处理：
[0047]利用多波束水深仪或其他水深测量手段获取实验区的水深数据，同时记录下其相 应的经炜度坐标。通过潮汐表查找测量时刻的潮高值，将水深数据校正到理论深度基准面 上。并根据实验采用的多时相影像获取时刻，分别对水深值进行对应影像的潮汐校正。
[0048]第三步:单时相水深反演及云掩膜：
[0049]对每景处理后的多光谱影像，均采用SVM等监督分类方法，得到云掩膜影像，将云 及云影区赋值为1，非云区为0,作为多时相反演融合输入的一部分。根据水深控制点处水深 与对应影像像元