(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210969391.2 (22)申请日 2022.08.12 (71)申请人 宁波拾烨智能科技有限公司 地址 315000 浙江省宁波市海曙区众创空 间6号楼23楼 (72)发明人 乐舜卿　 (51)Int.Cl. G01N 21/25(2006.01) G01N 21/84(2006.01) G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/82(2022.01) G06V 20/10(2022.01) (54)发明名称 基于高光谱遥感数据的海 洋赤潮预警方法 (57)摘要 本发明涉及图像数据处理技术领域， 具体涉 及基于高光谱遥感数据的海洋赤潮预警方法。 方 法包括： 对待检测的海洋表面的高光谱遥感图像 进行降维， 得到对应的效果图； 根据效果图中各 像素点的高光谱幅值， 得到任意两个像素点的第 一关联系数和第二关联系数； 根据第一关联系 数、 第二关联系数和空间距离， 得到任意两个像 素点的关联因子； 根据任意两个像素点的关联因 子， 得到多个子块； 根据任意两个子块像素点的 关联度， 对各子块进行合并处理得到多个连通 域； 将各连通域的特征参数输入到神经网络中， 得到各连通域对应的类别； 根据疑似赤潮类别对 应的连通域中像素点的数量， 判断是否出现赤潮 现象。 本发明提高了赤潮现象的预警精度。 权利要求书3页 说明书10页 附图1页 CN 115326722 A 2022.11.11 CN 115326722 A 1.一种基于高光谱遥感数据的海洋赤潮预警方法， 其特 征在于， 该 方法包括以下步骤： 获取待检测的海洋表面的高光谱遥感图像； 根据所述海洋表面的高光谱遥感图像中像素点的光谱信 息值， 对所述海洋表面的高光 谱遥感图像进行降维处理， 得到预设维数 的高光谱遥感 图像； 根据预设维数 的高光谱遥感 图像中各像素点的色彩分布特征、 纹理特征向量和光谱信息值， 对所述预设维数 的高光谱 遥感图像进行降维处 理， 得到待检测的海洋表面的效果图； 根据待检测的海洋表面的效果图中各像素点对应的高光谱幅值， 计算所述效果图中任 意两个像素点的第一关联系数； 根据待检测的海洋表面的效果图中任意两个像素点的光谱 差值， 得到所述效果图中任意两个像素点的第二关联系 数； 根据任意两个像素点的第一关 联系数、 第二关联系数和空间距离， 得到任意两个像素点的关联 因子； 根据任意两个像素点 的关联因子， 对所述效果图进行划分， 得到多个子块； 根据任意两个子块像素点的关联度， 对各子块进行合并处 理， 得到多个连通 域； 将各连通域对应的特征参数输入到训练好的目标神经网络 中， 得到各连通域对应的类 别； 所述类别包括疑似赤潮类别和 正常类别； 根据疑似赤潮类别对应的连通域中像素点的 数量， 判断待检测的海洋表面是否出现赤潮现象； 所述特征参数是根据各像素点对应的光 谱向量和各像素点的灰度值得到的。 2.根据权利要求1所述的基于 高光谱遥感数据的海洋赤潮预警方法， 其特征在于， 所述 根据预设维数的高光谱遥感图像中各像素点的色彩分布特征、 纹理特征向量和光谱信息 值， 对所述预设维数的高光谱遥感图像进 行降维处理， 得到待检测的海洋表面的效果图， 包 括： 根据预设维数的高光谱遥感图像中像素点的灰度值， 得到各维高光谱遥感图像中各像 素点的色彩分布特 征； 根据预设维数的高光谱遥感图像中各像素点对应的灰度共生矩阵， 得到各维高光谱遥 感图像中各像素点对应的能量值、 熵 值和对比度值； 根据所述各像素点对应的能量值、 熵 值 和对比度值， 构建各维高光谱遥感图像中各像素点对应的纹 理特征向量； 根据各维高光谱遥感图像中各像素点的色彩分布特征、 各像素点对应的纹理特征向量 和各像素点的光谱信息值， 构建各像素点对应的多 元组； 根据所述各像素点对应的多 元组， 对所述预设维数的高光谱遥感图像进行降维处 理， 得到待检测的海洋表面的效果图； 所述各像素点对应的灰度共生矩阵为： 以各像素点为中心， 构建预设大小的窗口， 根据 窗口内的像素点的灰度值， 构建各像素点对应的灰度共生矩阵。 3.根据权利要求1所述的基于 高光谱遥感数据的海洋赤潮预警方法， 其特征在于， 采用 如下公式计算所述效果图中任意两个 像素点的第一关联系数： 其中， r1(c,k)为待检测的海洋表面的效果图中第c个像 素点和第k个像 素点的第一 关联 系数， F为待检测的海洋表面的效果图中所包含的高光谱波段数， xcf为第f个高光谱波段中 第c个像素点对 应的高光谱幅值， xkf为第f个高光谱波段中第k个像素点对应的高光谱幅值，权　利　要　求　书 1/3 页 2 CN 115326722 A 2为第c个像素点对应的高光谱幅值的均值， 为第k个像素点对应的高光谱幅值的均值； 所述第c个 像素点对应的高光谱幅值的均值， 包括： 计算各高光谱波段中第c个像素点的高光谱幅值的均值， 将所述均值记为第c个像素点 对应的高光谱幅值的均值； 所述第k个 像素点对应的高光谱幅值的均值， 包括： 计算各高光谱波段中第k个像素点的高光谱幅值的均值， 将所述均值记为第 k个像素点 对应的高光谱幅值的均值。 4.根据权利要求1所述的基于 高光谱遥感数据的海洋赤潮预警方法， 其特征在于， 所述 根据待检测的海洋表 面的效果图中任意两个像素点的光谱差值， 得到所述效果图中任意两 个像素点的第二关联系数， 包括： 对于待检测的海洋表面的效果图中的第c个 像素点和第k个 像素点： 根据各高光谱波段中第c个像素点和第k个像素点的光谱差值， 拟合得到对应的形态差 异曲线； 根据所述形态差异曲线中光谱差异值的总类数、 各类中光谱差异值出现的次数和光谱 差异值的方差， 计算待检测的海洋表 面的效果图中第c个像素点和 第k个像素点的第二关联 系数。 5.根据权利要求4所述的基于 高光谱遥感数据的海洋赤潮预警方法， 其特征在于， 采用 如下公式计算待检测的海洋表面的效果图中第c个 像素点和第k个 像素点的第二关联系数： 其中， r2(c,k)为待检测的海洋表面的效果图中第c个像 素点和第k个像 素点的第二 关联 系数， wd为第c个像素点和第k个像素点对应的形态差异曲线中光谱差异值d出现的次数， D 为第c个像素点和第k个像素点对应的形态差异曲线中光谱差异 值的总类数， δ为第c个像素 点和第k个 像素点对应的光谱差异值的方差， γ为大于零的模型参数。 6.根据权利要求1所述的基于 高光谱遥感数据的海洋赤潮预警方法， 其特征在于， 采用 如下公式计算任意两个 像素点的关联因子： 其中， r(c,k)为待检测的海洋表面的效果图中第c个像素点和第k个像素点的关联因 子， xc为待检测的海洋表面的效果图中第c个像素点对应的光谱向量， xk为待检测的海洋表 面的效果图中第k个像素点对应的光谱向量， cos<xc,xk>为xc和xk的余弦相似度， R1(c,k)为 待检测的海洋表面的效果图中第c个像素点和第k个像素点的第一关联系 数的归一化后的 值， R2(c,k)为待检测的海洋表面 的效果图中第c个像素点和第k个像素点 的第二关联系数 的归一化后的值， Tc,k为待检测的海洋表面的效果图中第c个像素点和第k个像素点之间的 空间距离， e为自然常数； 所述第c个 像素点对应的光谱向量， 包括： 获取各高光谱波段中第c个像素点的高光谱幅值； 根据各高光谱波段中第c个像素点的 高光谱幅值， 构建该像素点对应的光谱向量； 所述光谱向量中的各元素为各高光谱波段中权　利　要　求　书 2/3 页 3 CN 115326722 A 3