本發(fā)明涉及衛(wèi)星水深反演、海洋測繪、海洋地形地貌探測及深度學(xué)習(xí)領(lǐng)域，具體涉及一種基于多分辨率尺度融合的淺水多光譜遙感水深探測方法。

背景技術(shù)：

1、海岸帶尤其是島礁淺海區(qū)域的水深數(shù)據(jù)的獲取涉及海洋工程建設(shè)、海洋環(huán)境資源開發(fā)管理以及海上航道安全等重要領(lǐng)域，當(dāng)前主流的手段是通過船載聲學(xué)測量設(shè)備或是機(jī)載激光雷達(dá)設(shè)備進(jìn)行測量獲取，但其有較大的局限性，比如測區(qū)海況、控制點(diǎn)布設(shè)以及高昂費(fèi)用等。特別是在偏遠(yuǎn)或是因客觀原因無法抵達(dá)的區(qū)域，尋求一種非接觸式的大面積高效水深數(shù)據(jù)獲取手段是當(dāng)前迫切需要解決的一個(gè)問題。

2、近些年來，光學(xué)遙感觀測技術(shù)的快速發(fā)展使得其成像質(zhì)量例如空間分辨率等技術(shù)參數(shù)實(shí)現(xiàn)了迅速提升，特別是其中多光譜遙感技術(shù)的提升大幅推動(dòng)了對(duì)地遙感觀測數(shù)據(jù)在城市空間規(guī)劃、國土資源評(píng)估及保護(hù)等領(lǐng)域的落地。而在水質(zhì)清澈的島礁淺海區(qū)域，多光譜傳感器可以接收到由海底、海表以及大氣所反射的組合反射率，其中包含了水深信息。以此為突破點(diǎn)，基于多光譜的衛(wèi)星水深反演技術(shù)被提出并在過去一段時(shí)間內(nèi)得到了長足發(fā)展，其精度隨著先進(jìn)回歸模型的部署而提升。例如，其逐漸由早期經(jīng)典但較為簡單的半經(jīng)驗(yàn)算法（如波段組合模型、對(duì)數(shù)波段比值模型）等向具有更好擬合能力的模型演變，并且隨著機(jī)器學(xué)習(xí)理論技術(shù)的發(fā)展，以經(jīng)驗(yàn)?zāi)Ｐ蜑榇淼闹苯訕?gòu)建遙感反射率和水深之間映射函數(shù)的方案顯著提升了預(yù)測水深的精度。在空間維度上，空間特征作為水下地形的空間分布表征具有一定的模式，以此為基礎(chǔ)將空間特征衛(wèi)星用于水深反演任務(wù)，并取得了顯著的精度提升。但是，現(xiàn)有技術(shù)仍然存在一些缺點(diǎn)，特別是其難以在空間特征廣度和模型效率之間實(shí)現(xiàn)平衡，導(dǎo)致現(xiàn)有的衛(wèi)星水深探測模型在精度和外推泛化能力上存在短板。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提出了一種基于多分辨率尺度融合的淺水多光譜遙感水深探測方法，設(shè)計(jì)合理，一定程度上解決了傳統(tǒng)多光譜遙感水深反演模型空間感受野受限的缺陷，在保證效率的前提下大幅提升了衛(wèi)星水深探測模型的精度以及外推泛化能力。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種基于多分辨率尺度融合的淺水多光譜遙感水深探測方法，包括：

4、步驟1：通過多尺度層級(jí)采樣器對(duì)輸入的預(yù)處理后多光譜遙感影像進(jìn)行裁剪并重采樣，以獲取對(duì)應(yīng)不同空間尺度的多分辨率層級(jí)多光譜遙感影像組；

5、步驟2，構(gòu)建由多分支卷積神經(jīng)網(wǎng)絡(luò)組成的編碼器模塊組，各分支對(duì)應(yīng)特定的空間尺度分辨率，并通過后接的中心對(duì)齊融合模塊整合不同空間分辨率特征圖，該兩部分組合為單個(gè)編碼器階段；

6、步驟3，共設(shè)置4個(gè)編碼器階段，串聯(lián)布局用于實(shí)現(xiàn)具體至抽象特征的提取以及跨分辨率融合；

7、步驟4，提取4個(gè)編碼器階段最清晰的高分辨率分支輸出特征并沿通道維度拼接后映射得到預(yù)測水深結(jié)果；

8、步驟5，通過實(shí)測水深數(shù)據(jù)作為真值對(duì)模型進(jìn)行訓(xùn)練或微調(diào)并評(píng)估。

9、優(yōu)選地，在步驟1中，多尺度層級(jí)采樣器的原理以及其對(duì)輸入多光譜影像進(jìn)行處理以獲取多分辨率尺度層級(jí)影像組合的方法如下：

10、步驟1.1：選擇目標(biāo)區(qū)域在合適成像條件下的多光譜遙感影像以減少云層、人類活動(dòng)等因素對(duì)于成像質(zhì)量乃至結(jié)果的影響；如果無法獲取足夠理想的遙感影像，則可以通過中值濾波來對(duì)一定時(shí)序范圍內(nèi)的多景影像進(jìn)行融合，其原理如（1）式所示：

11、?(1);

12、此處r代表某波段的反射率，i和j則對(duì)應(yīng)了像素的空間位置索引，n則是該時(shí)序區(qū)間內(nèi)的影像數(shù)量。此處，對(duì)取得遙感影像進(jìn)行進(jìn)一步的處理，通過雙線性插值算法對(duì)其中的空缺值進(jìn)行填充。

13、步驟1.2：多尺度層級(jí)采樣器首先需要確定對(duì)應(yīng)裁剪范圍的中心坐標(biāo)ic與jc，通過預(yù)先設(shè)置的重采樣分辨率resr和輸入分辨率res計(jì)算得到對(duì)應(yīng)的擴(kuò)展比er（resr/res）,并通過預(yù)設(shè)窗口尺寸參數(shù)w確定擴(kuò)展后的裁剪窗口尺寸ew（er×w）；而后，圍繞中心坐標(biāo)來裁剪尺寸為ew的多光譜影像塊，并在該裁剪后的多光譜影像片段中通過無重疊的滑動(dòng)窗口均值濾波來獲得分辨率為resr的裁剪影像。通過設(shè)置多個(gè)重采樣分辨率resr可以獲得包含粗略的大尺度低分辨率遙感影像到精細(xì)的小尺度高分辨率影像的層級(jí)影像組合，其中單個(gè)影像具有其對(duì)應(yīng)的空間分辨率及尺度范圍，以涵蓋不同尺度上的空間特征表達(dá)。此處，由于多分辨率影像組中各個(gè)裁剪影像的中心相同，因此低分辨率分支涵蓋了相鄰的高分辨率分支內(nèi)容。

14、優(yōu)選地，在步驟2中，對(duì)應(yīng)特定空間尺度分辨率的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)組成了主干的多分支編碼器，且每個(gè)編碼器模塊組后配置對(duì)應(yīng)的中心對(duì)齊融合模塊以實(shí)現(xiàn)不同分辨率尺度特征信息的聯(lián)系，兩者組成為單個(gè)編碼器階段，其方法如下：

15、步驟2.1：針對(duì)每個(gè)重采樣分支配置合適的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建其對(duì)應(yīng)的編碼器模塊，每個(gè)編碼器模塊分支具有其對(duì)應(yīng)的輸入空間尺度，且不同分支之間不存在任何的權(quán)重參數(shù)共享。這樣可以保證每個(gè)分支可以提取到特定空間分辨率尺度下的水下地形特征。

16、步驟2.2：每個(gè)編碼器模塊獨(dú)立的處理輸入的特定空間尺度多光譜遙感影像，在每組編碼器模塊后配置對(duì)應(yīng)的融合模塊來實(shí)現(xiàn)不同空間分辨率特征圖之間相關(guān)特征信息的傳遞，即中心對(duì)齊融合模塊。其融合過程是從特征的流動(dòng)方向是從低分辨率分支（大尺度）向高分辨率分支（小尺度）推進(jìn)，即中心對(duì)齊融合模塊首先裁剪低分辨率分支特征圖的中心部分，設(shè)此時(shí)低分辨率分支的分辨率為resl而高分辨率分支則為resh，則其裁剪后的尺寸范圍為原先的resh/resl。

17、步驟2.3：針對(duì)裁剪后的特征圖，通過雙線性插值將其尺寸恢復(fù)至原始尺寸，其分辨率則隨著上采樣變?yōu)榱藃esh，從而完成了兩個(gè)特征圖的對(duì)齊。通過將該重采樣特征以及高分辨率分支特征圖沿著通道維度進(jìn)行拼接以實(shí)現(xiàn)特征合并，通過后接的卷積神經(jīng)網(wǎng)絡(luò)模塊進(jìn)一步完成特征融合，并更新其中高分辨率分支的輸出特征。

18、步驟2.4：上述過程沿著分辨率精細(xì)化方向推進(jìn)，實(shí)現(xiàn)不同分辨率層級(jí)特征圖的對(duì)齊融合，并完成除影像組中最低分辨率分支外其它分辨率尺度特征圖的更新。

19、優(yōu)選地，在步驟3中，其具體方法是將4個(gè)由編碼器模塊組以及中心對(duì)齊融合模塊組成的編碼器階段組成編碼器主體，其串聯(lián)布局用于實(shí)現(xiàn)具體特征和抽象特征的提取及融合。

20、優(yōu)選地，在步驟4中，多階段特征拼接模塊對(duì)編碼器中所有階段的特征拼接及映射至水深值的方法如下：

21、步驟4.1：主干多分支編碼器中包含了4個(gè)階段，并且每個(gè)階段包含的中心對(duì)齊融合模塊對(duì)所提取的特征圖進(jìn)行跨分辨率尺度的對(duì)齊融合并實(shí)現(xiàn)內(nèi)容的更新。此處多階段特征拼接模塊則將4個(gè)編碼器階段中的最精細(xì)高分辨率分支輸出特征沿通道維度進(jìn)行拼接，并通過一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模塊實(shí)現(xiàn)通道維度上的特征融合。

22、步驟4.2：在完成特征融合后，通過連續(xù)兩個(gè)1×1卷積核將特征維度映射至1，且為保證輸出水深不為負(fù)值，一個(gè)relu激活函數(shù)被添加至最后，如式（2）所示：

23、?(2);

24、此處的x為映射后輸入relu的值，y則為輸出的預(yù)測水深值。

25、優(yōu)選地，在步驟5中，利用已有的水深測量值對(duì)模型進(jìn)行訓(xùn)練或是微調(diào)是依靠掩膜均方誤差（maskmse），其在真值分布稀疏前置條件下評(píng)估模型輸出水深的質(zhì)量并作為監(jiān)督訓(xùn)練指標(biāo)，計(jì)算方法如（3）式所示：

26、?(3);

27、其中k為可用樣本點(diǎn)數(shù)量，x為預(yù)測值，y為真值，m為一個(gè)布爾矩陣其中真為有真實(shí)水深值的像素點(diǎn)而假則為無水深值的像素點(diǎn)。

28、本發(fā)明所帶來的有益技術(shù)效果：

29、本發(fā)明公開了一種基于多分辨率尺度融合的淺水多光譜遙感水深探測方法，與現(xiàn)有技術(shù)相比，本發(fā)明通過對(duì)多光譜遙感影像進(jìn)行多重裁剪及采樣實(shí)現(xiàn)從粗略的大空間尺度向精細(xì)的小空間尺度的光譜空間特征融合，一定程度上解決了目前傳統(tǒng)的多光譜遙感水深反演模型空間感受野受限的不足，在保證整體效率的前提下衛(wèi)星水深探測模型的精度以及外推泛化能力得到了顯著提升。該發(fā)明可在島礁沿海海洋工程建設(shè)、海岸帶資源管理開發(fā)、海底地形地貌探測及海洋測繪等領(lǐng)域發(fā)揮重要作用。