專利名稱：基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及水體水質(zhì)監(jiān)測方法與應(yīng)用技術(shù)領(lǐng)域，具體涉及一種基于流形學(xué)習(xí)的多 光譜遙感水質(zhì)監(jiān)測方法。
背景技術(shù)：
從我國各省市的水資源現(xiàn)狀看，水資源總量的匱乏以及水質(zhì)的惡化等問題普遍存 在，隨著水污染的日益嚴(yán)重，水質(zhì)污染問題已成為社會經(jīng)濟可持續(xù)發(fā)展必須解決的重大問 題，尤其是內(nèi)陸水體，其水質(zhì)好壞直接影響到國民生產(chǎn)和人們的日常生活，水體水質(zhì)問題的 解決迫在眉睫。因此，必須加強水體水質(zhì)的監(jiān)測，了解和掌握水體污染影響程度和發(fā)展趨 勢，加強水體污染治理。水質(zhì)監(jiān)測資料是水質(zhì)評價的依據(jù)，傳統(tǒng)的水質(zhì)監(jiān)測是在現(xiàn)場采集水 樣，然后在實驗室進行測定分析，但需要耗費較多的人力、物力與財力，而且監(jiān)測點數(shù)有限， 只能了解監(jiān)測斷面上的表面水質(zhì)狀況，并不能對整體水域的水質(zhì)進行全面的了解。而利用 遙感這門新興技術(shù)不僅避免了以上缺點，還能快速、大范圍、周期性地對水質(zhì)進行監(jiān)測，而 且可以監(jiān)測水質(zhì)在時空上的變化，發(fā)現(xiàn)一些污染物的遷移特征等細節(jié)問題。這是傳統(tǒng)水質(zhì) 監(jiān)測方法無法比及的。隨著遙感技術(shù)的發(fā)展以及水體光譜特征研究的深入，水質(zhì)遙感分析 從定性發(fā)展到了定量，并且定量監(jiān)測算法不斷成熟。多數(shù)據(jù)源、多水質(zhì)參數(shù)的定量遙感是當(dāng) 前水質(zhì)遙感監(jiān)測發(fā)展的前沿，包括各種多光譜遙感、高光譜遙感、水色衛(wèi)星以及它們的綜合 運用，采用多種數(shù)學(xué)方法建立水質(zhì)參數(shù)的反演模型，用于監(jiān)測海洋、湖泊及河口地帶等。國 內(nèi)已經(jīng)應(yīng)用遙感技術(shù)開展了監(jiān)測珠江、太湖、滇池、杭州灣、黃河口等水域的嘗試。傳統(tǒng)的水質(zhì)監(jiān)測方法有統(tǒng)計回歸法、單指數(shù)法、層次分析法、模糊綜合指數(shù)法等。 但是這些方法中的大部分都是通過建立線性模型來進行水質(zhì)評價的，雖然實現(xiàn)起來比較簡 單，但是也存在明顯的不足，因為影響水質(zhì)的因素很多，評價因子與標(biāo)準(zhǔn)級別之間的關(guān)系比 較復(fù)雜，而且現(xiàn)實中數(shù)據(jù)的有用特征往往是呈非線性的，使得線性方法在這樣的場合中并 不適用。針對線性評價的方法的不足，許多學(xué)者采用基于軟計算的非線性方法來進行水質(zhì) 評價，以避開建立顯示關(guān)系方程確定系數(shù)的困難，如采用神經(jīng)網(wǎng)絡(luò)等方法。由于實際布設(shè)的 水質(zhì)監(jiān)測點的數(shù)量有限，導(dǎo)致用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本偏少，所以在學(xué)習(xí)過程中神經(jīng)網(wǎng)絡(luò) 容易陷入“過學(xué)習(xí)”和局部極小點，從而降低了泛化能力和水質(zhì)評價效果的可靠性。近年來，研究發(fā)現(xiàn)多光譜遙感圖像可以由一些連續(xù)的變量來參數(shù)化，也就是說，多 光譜圖像在本質(zhì)上屬于低維子流形。這意味著，傳統(tǒng)水質(zhì)評價模型由于不能有效發(fā)現(xiàn)多光 譜數(shù)據(jù)中的本質(zhì)規(guī)律，沒有揭示隱藏在多光譜遙感圖像數(shù)據(jù)中的本質(zhì)規(guī)律，降低了水質(zhì)評 價效果的可靠性。流形學(xué)習(xí)方法能夠從觀測數(shù)據(jù)中恢復(fù)其低維流行結(jié)構(gòu)。傳統(tǒng)的流形學(xué)習(xí)方法主要 分為無監(jiān)督流形學(xué)習(xí)方法和監(jiān)督流形學(xué)習(xí)方法。無監(jiān)督流形學(xué)習(xí)方法主要目標(biāo)是保持?jǐn)?shù)據(jù) 間的幾何結(jié)構(gòu)，適用于發(fā)現(xiàn)隱藏在高維空間數(shù)據(jù)中的低維流形結(jié)構(gòu)和特征；監(jiān)督流形學(xué)習(xí) 方法則需要對樣本數(shù)據(jù)中的所有數(shù)據(jù)進行標(biāo)注，以提供給待檢測數(shù)據(jù)進行學(xué)習(xí)，適用于分 類。
因此急需一種對地面水質(zhì)遙感圖像進行水質(zhì)評價和動態(tài)監(jiān)測的方法。

發(fā)明內(nèi)容
有鑒于此，為了解決上述問題，本發(fā)明提出一種針對地面水質(zhì)遙感圖像進行水質(zhì) 評價和動態(tài)監(jiān)測的方法。本發(fā)明的目的是這樣實現(xiàn)的本發(fā)明提供的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，包括如下步驟(1)讀入遙感圖像，并提取出包含水體的矩形范圍；(2)利用掩模矩陣對遙感圖像每個波段進行掩膜，并從圖像中剔除背景信息，生成 只包含整個水體的遙感數(shù)據(jù)；(3)獲取各監(jiān)測點的水質(zhì)遙感數(shù)據(jù)和對應(yīng)的水質(zhì)參數(shù)實地監(jiān)測數(shù)據(jù)，選擇部分監(jiān) 測點的水質(zhì)遙感數(shù)據(jù)作為樣本，計算樣本點相互之間的歐式距離；(4)根據(jù)樣本點之間歐式距離的遠近構(gòu)建近鄰權(quán)重矩陣和非近鄰權(quán)重矩陣；(5)利用近鄰權(quán)重矩陣和非近鄰權(quán)重矩陣構(gòu)建近鄰Laplacian矩陣和非近鄰 Laplacian ；(6)計算近鄰結(jié)構(gòu)矩陣和非近鄰結(jié)構(gòu)矩陣；(7)通過目標(biāo)優(yōu)化函數(shù)計算投影矩陣；(8)將樣本點的水質(zhì)遙感數(shù)據(jù)利用投影矩陣進行投影；(9)將樣本點的水質(zhì)遙感數(shù)據(jù)和對應(yīng)的水質(zhì)參數(shù)實地監(jiān)測數(shù)據(jù)利用支持向量回歸 算法得到樣本點遙感數(shù)據(jù)和對應(yīng)實地監(jiān)測數(shù)據(jù)之間的非線性模型；(10)利用非線性模型反演整個水體，得到整個水體水質(zhì)參數(shù)的濃度值；(11)將整個水體水質(zhì)參數(shù)的濃度值根據(jù)其處于不同的區(qū)間賦予不同的顏色，以直 觀顯示整個水體水質(zhì)參數(shù)的濃度情況，實現(xiàn)水體的水質(zhì)評價和監(jiān)測。進一步，步驟O)中所述的利用掩模矩陣對遙感圖像每個波段進行掩膜，并從圖 像中剔除背景信息，生成只包含整個水體的遙感數(shù)據(jù)具體為將步驟(1)中遙感圖像選定的矩形范圍在ENVI軟件平臺中進行顯示，建立一個與 圖像大小相同的空矩陣，通過人工解譯的方式，對圖像中不是所研究的水體的部分，令矩陣 中同樣位置處的元素值為0 ；對圖像中是所研究的水體的部分，令矩陣中同樣位置處的元 素值為1 ；如此得到的矩陣即為掩模矩陣；利用此掩模矩陣對遙感圖像每個波段進行掩膜， 并從每個波段中去掉光譜值為O的背景信息，得到選定水體N行b列的遙感數(shù)據(jù)矩陣B = Ix1, x2，- ,Xi, ·，％}τ，其中，N是水體所有數(shù)據(jù)點的個數(shù)，i e [1，N]，b表示波段數(shù)，T是矩 陣轉(zhuǎn)置符號，Xi是第i個數(shù)據(jù)點所有波段的光譜值構(gòu)成的列向量；進一步，步驟(3)中所述的獲取各監(jiān)測點的水質(zhì)遙感數(shù)據(jù)和對應(yīng)的水質(zhì)參數(shù)實地 監(jiān)測數(shù)據(jù)，選擇部分監(jiān)測點的水質(zhì)遙感數(shù)據(jù)作為樣本，計算樣本點相互之間的歐式距離具 體為用遙感圖像中選擇的每個監(jiān)測點位置處所有波段的光譜值構(gòu)成一個列向量Xi，從 而選擇的所有監(jiān)測點的遙感數(shù)據(jù)構(gòu)成一個η行b列的矩陣X= Ix1, x2, ·，&，·，，其 中，η是所選擇監(jiān)測點的個數(shù)，i e [1，η]，b表示波段數(shù)，T是矩陣轉(zhuǎn)置符號；任意兩個樣本點Xi與\之間的歐式距離D(i，j)為
權(quán)利要求
1.基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于包括如下步驟(1)讀入遙感圖像，并提取出包含水體的矩形范圍；(2)利用掩模矩陣對遙感圖像每個波段進行掩膜，并從圖像中剔除背景信息，生成只包 含整個水體的遙感數(shù)據(jù)；(3)獲取各監(jiān)測點的水質(zhì)遙感數(shù)據(jù)和對應(yīng)的水質(zhì)參數(shù)實地監(jiān)測數(shù)據(jù)，選擇部分監(jiān)測點 的水質(zhì)遙感數(shù)據(jù)作為樣本，計算樣本點相互之間的歐式距離；(4)根據(jù)樣本點之間歐式距離的遠近構(gòu)建近鄰權(quán)重矩陣和非近鄰權(quán)重矩陣；(5)利用近鄰權(quán)重矩陣和非近鄰權(quán)重矩陣構(gòu)建近鄰Laplacian矩陣和非近鄰 Laplacian ；(6)計算近鄰結(jié)構(gòu)矩陣和非近鄰結(jié)構(gòu)矩陣；(7)通過目標(biāo)優(yōu)化函數(shù)計算投影矩陣；(8)將樣本點的水質(zhì)遙感數(shù)據(jù)利用投影矩陣進行投影；(9)將樣本點的水質(zhì)遙感數(shù)據(jù)和對應(yīng)的水質(zhì)參數(shù)實地監(jiān)測數(shù)據(jù)利用支持向量回歸算法 得到樣本點遙感數(shù)據(jù)和對應(yīng)實地監(jiān)測數(shù)據(jù)之間的非線性模型；(10)利用非線性模型反演整個水體，得到整個水體水質(zhì)參數(shù)的濃度值；(11)將整個水體水質(zhì)參數(shù)的濃度值根據(jù)其處于不同的區(qū)間賦予不同的顏色，以直觀顯 示整個水體水質(zhì)參數(shù)的濃度情況，實現(xiàn)水體的水質(zhì)評價和監(jiān)測。
2.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟(2) 中所述的利用掩模矩陣對遙感圖像每個波段進行掩膜，并從圖像中剔除背景信息，生成只 包含整個水體的遙感數(shù)據(jù)具體為將步驟(1)中遙感圖像選定的矩形范圍在ENVI軟件平臺中進行顯示，建立一個與圖像 大小相同的空矩陣，通過人工解譯的方式，對圖像中不是所研究的水體的部分，令矩陣中同 樣位置處的元素值為0 ；對圖像中是所研究的水體的部分，令矩陣中同樣位置處的元素值 為1，如此得到的矩陣即為掩模矩陣，利用此掩模矩陣對遙感圖像每個波段進行掩膜，并從 每個波段中去掉光譜值為0的背景信息，得到選定水體N行b列的遙感數(shù)據(jù)矩陣B = Ix1, χ2, ·，&，·，％}τ，其中，N是水體所有數(shù)據(jù)點的個數(shù)，i e [1，N]，b表示波段數(shù)，T是矩陣 轉(zhuǎn)置符號，Xi是第i個數(shù)據(jù)點所有波段的光譜值構(gòu)成的列向量。
3.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟(3) 中所述的獲取各監(jiān)測點的水質(zhì)遙感數(shù)據(jù)和對應(yīng)的水質(zhì)參數(shù)實地監(jiān)測數(shù)據(jù)，選擇部分監(jiān)測點 的水質(zhì)遙感數(shù)據(jù)作為樣本，計算樣本點相互之間的歐式距離具體為用遙感圖像中選擇的每個監(jiān)測點位置處所有波段的光譜值構(gòu)成一個列向量Xi，從而選 擇的所有監(jiān)測點的遙感數(shù)據(jù)構(gòu)成一個η行b列的矩陣X= Ix1, x2, ·，&，·，、}τ，其中，η 是所選擇監(jiān)測點的個數(shù)，i e [1，η]，b表示波段數(shù)，T是矩陣轉(zhuǎn)置符號；任意兩個樣本點Xi與\之間的歐式距離D(i，j)為d{ij) = {Yj\x1-x]\2y由元素D(i，j)構(gòu)成歐式距離矩陣D，其中i，j e [l，n]。
4.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟(4) 中所述的根據(jù)樣本點之間歐式距離的遠近構(gòu)建近鄰權(quán)重矩陣和非近鄰權(quán)重矩陣具體為對于任一數(shù)據(jù)點Xi，用與Xi的歐式距離D最近的ki個數(shù)據(jù)點構(gòu)建近鄰數(shù)據(jù)集
5.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟 (5)中所述的利用近鄰權(quán)重矩陣和非近鄰權(quán)重矩陣構(gòu)建近鄰Laplacian矩陣和非近鄰 Laplacian矩陣具體為近鄰Laplacian矩陣Ls為LS = Ds-Ws，其中Ds是由元素Dsiij構(gòu)成的對角矩陣，且Dsiii
6.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟(6) 中所述的計算近鄰結(jié)構(gòu)矩陣和非近鄰結(jié)構(gòu)矩陣具體為由所選擇的部分監(jiān)測點的水質(zhì)遙感數(shù)據(jù)矩陣X和近鄰Laplacian矩陣Ls構(gòu)建近鄰結(jié) 構(gòu)矩陣禮為
7.根據(jù)權(quán)利要求6所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于所述平衡 因子β的取值范圍為0 < β < 1 ；X的協(xié)方差矩陣Cov(X)是由元素Cov(Xi，Xj)構(gòu)成的矩陣，且Cov(Xi，Xj)= E[(Xi-E(Xi)) · (Xj-E(Xj))]，其中Xi和\分別表示X的第i個和第j個元素分量，E⑴表 示X的數(shù)學(xué)期望。
8.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟(7) 中所述的通過目標(biāo)優(yōu)化函數(shù)計算投影矩陣以發(fā)現(xiàn)多光譜遙感圖像中潛在的本質(zhì)規(guī)律具體 為 艮口，投影矩陣A由以下特征方程的特征值λ對應(yīng)的特征向量ν構(gòu)成Md, ν = λ Ms, ν。
9.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟(8) 中所述的將樣本點的水質(zhì)遙感數(shù)據(jù)利用投影矩陣進行投影具體為Y = AtX,其中，Y為水質(zhì)遙感數(shù)據(jù)矩陣X通過投影矩陣A投影到低維嵌入空間的特征矩陣。
10.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于步驟(9) 中所述的將樣本點的水質(zhì)遙感數(shù)據(jù)和對應(yīng)的水質(zhì)參數(shù)實地監(jiān)測數(shù)據(jù)利用支持向量回歸算 法得到樣本點遙感數(shù)據(jù)和對應(yīng)實地監(jiān)測數(shù)據(jù)之間的非線性模型具體為將樣本點的水質(zhì)遙感數(shù)據(jù)作為支持向量回歸的訓(xùn)練輸入，樣本點的水質(zhì)參數(shù)實地監(jiān) 測數(shù)據(jù)作為支持向量回歸的訓(xùn)練目標(biāo)，設(shè)定核函數(shù)類型為=Spline Kernel，損失函數(shù)為 e-hsensitive，懲罰因子C以及不敏感系數(shù)e，利用支持向量回歸算法訓(xùn)練得到樣本點遙 感數(shù)據(jù)和對應(yīng)實地監(jiān)測數(shù)據(jù)之間的非線性模型。
11.根據(jù)權(quán)利要求10所述的基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，其特征在于所述核 函數(shù)Spline Kernel的計算公式為>0 = Π1 + ^ + ^ min^，只)min^ ^yi f +，兄),其中 X，yGRd。
全文摘要
本發(fā)明公開了一種基于流形學(xué)習(xí)的遙感水質(zhì)監(jiān)測方法，涉及一種基于流形學(xué)習(xí)的多光譜遙感水質(zhì)監(jiān)測方法，通過流形學(xué)習(xí)方法對樣本點進行訓(xùn)練得到將水質(zhì)遙感數(shù)據(jù)投影到低維嵌入空間的投影矩陣，然后對樣本點低維嵌入空間的特征矩陣和對應(yīng)的水質(zhì)參數(shù)實地監(jiān)測數(shù)據(jù)利用支持向量回歸算法得到非線性模型，再利用非線性模型反演整個水體，得到整個水體水質(zhì)參數(shù)的濃度值，并根據(jù)其處于不同的區(qū)間賦予不同的顏色，以直觀顯示整個水體水質(zhì)參數(shù)的濃度情況，從而實現(xiàn)水體的水質(zhì)評價和監(jiān)測，它有效地揭示了隱藏在多光譜遙感圖像數(shù)據(jù)中的本質(zhì)規(guī)律，解決了水質(zhì)評價的非線性問題。
文檔編號G01N21/27GK102128794SQ201110034278
公開日2011年7月20日 申請日期2011年1月31日 優(yōu)先權(quán)日2011年1月31日
發(fā)明者何同弟, 馮海亮, 王立志, 秦高峰, 黃鴻 申請人:重慶大學(xué)