專利名稱：一種遙感反演精度檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā) 明涉及遙感領(lǐng)域，尤其涉及一種遙感反演精度檢測方法及裝置。
背景技術(shù)：
遙感數(shù)據(jù)的獲取是一個復雜的過程，受到大氣輻射傳輸特性、遙感器運行環(huán)境等因素的影響，依據(jù)獲取的遙感數(shù)據(jù)進行反演得到的結(jié)果，同樣也會受到這些因素的影響，遙感反演的結(jié)果是否準確、真實地反映實際情況，必須得到有效的檢測。目前，遙感反演結(jié)果的精度檢測主要基于地面實測數(shù)據(jù)進行，即需要人工實地測量數(shù)據(jù)，將遙感反演的結(jié)果與人工實地測量的數(shù)據(jù)進行比較，得到遙感反演結(jié)果的精度。而對于無法進行實地測量的地區(qū)，例如人員無法進入的地區(qū)，則不能夠?qū)b感反演結(jié)果的精度進行檢測。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供了一種遙感反演精度檢測方法及裝置，目的在于解決現(xiàn)有的遙感反演精度檢測方法在無法進行實地測量時，不能夠?qū)b感反演結(jié)果的精度進行測量的問題。為了實現(xiàn)上述目的，本發(fā)明實施例提供了以下技術(shù)方法一種遙感反演精度檢測方法，包括依據(jù)樣本數(shù)據(jù)，建立與待檢測遙感反演結(jié)果相對應的真實值預測模型；利用所述真實值預測模型，預測與所述待檢測遙感反演結(jié)果相對應的真實值；比較所述遙感反演結(jié)果與所述真實值，檢測所述遙感反演結(jié)果的精度。優(yōu)選地，所述依據(jù)樣本數(shù)據(jù)，建立與遙感反演結(jié)果相對應的真實值預測模型包括構(gòu)建基于徑向基核函數(shù)的支持向量機模型；利用樣本數(shù)據(jù)中的一部分數(shù)據(jù)，對所述支持向量機模型進行訓練；利用樣本數(shù)據(jù)中的另一部分數(shù)據(jù)，對完成訓練的支持向量機模型進行預測檢驗；當檢驗結(jié)果滿足預設(shè)的條件時，將所述完成訓練的支持向量機模型作為與遙感反演結(jié)果相對應的真實值預測模型。優(yōu)選地，在所述利用樣本數(shù)據(jù)中的一部分，對所述支持向量機模型進行訓練之前，還包括歸一化樣本數(shù)據(jù)。優(yōu)選地，所述方法還包括當所述檢驗結(jié)果不滿足預設(shè)的條件時，利用所述樣本數(shù)據(jù)，對所述支持向量機模型進行訓練，直到所述檢驗結(jié)果滿足預設(shè)的條件。優(yōu)選地，所述樣本數(shù)據(jù)包括精度滿足要求的遙感反演結(jié)果，或者，實測地面真實數(shù)據(jù)。
一種遙感反演精度檢測裝置，包括模型構(gòu)建模塊，用于依據(jù)樣本數(shù)據(jù)，建立與待檢測遙感反演結(jié)果相對應的真實值預測模型；預測模塊，用于利用所述真實值預測模型，預測與所述待檢測遙感反演結(jié)果相對應的真實值；檢測模塊，用于比較所述遙感反演結(jié)果與所述真實值，檢測所述遙感反演結(jié)果的精度。優(yōu)選地，所述模型構(gòu)建模塊包括核函數(shù)構(gòu)建單元，用于構(gòu)建基于徑向基核函數(shù)的支持向量機模型；訓練單元，用于利用樣本數(shù)據(jù)中的一部分數(shù)據(jù)，對所述支持向量機模型進行訓·練;預測檢測單元，用于利用樣本數(shù)據(jù)中的另一部分數(shù)據(jù)，對完成訓練的支持向量機模型進行預測檢驗；確定單元，用于當檢驗結(jié)果滿足預設(shè)的條件時，將所述完成訓練的支持向量機模型作為與遙感反演結(jié)果相對應的真實值預測模型。優(yōu)選地，所述裝置還包括歸一化單元，用于在所述利用樣本數(shù)據(jù)中的一部分，對所述支持向量機模型進行訓練之前，歸一化樣本數(shù)據(jù)。優(yōu)選地，所述裝置還包括迭代觸發(fā)單元，用于當所述檢驗結(jié)果不滿足預設(shè)的條件時，觸發(fā)所述訓練單元，直到所述檢驗結(jié)果滿足預設(shè)的條件。本發(fā)明實施例所述的遙感反演精度檢測方法及裝置，依據(jù)樣本數(shù)據(jù)建立與待檢測遙感反演結(jié)果相對應的真實值預測模型，利用所述模塊預測出與所述待檢測遙感反演結(jié)果相對應的真實值，將反演結(jié)果與真實值相比較，實現(xiàn)對反演精度的檢測，由于不再需要人工實地測量得到真實值，從而在無法進行實地測量時，同樣也能夠檢測遙感反演結(jié)果的精度。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I為本發(fā)明實施例公開的一種遙感反演精度檢測方法的流程圖；圖2為本發(fā)明實施例公開的又一種遙感反演精度檢測方法的流程圖；圖3為本發(fā)明實施例公開的一種遙感反演精度檢測裝置的結(jié)構(gòu)示意圖。
具體實施例方式本發(fā)明公開了一種遙感反演精度檢測方法及裝置，其核心發(fā)明點在于，建立與待檢測遙感反演結(jié)果相對應的真實值預測模型，使用所述真實值預測模型預測出與待檢測遙感反演結(jié)果相對應的真實值，從而實現(xiàn)利用所述真實值檢測遙感反演結(jié)果精度的目的。
下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。本發(fā)明實施例公開了一種遙感反演精度檢測方法，應用于檢測遙感反演結(jié)果的精度,如圖I所示,包括SlOl :依據(jù)樣本數(shù)據(jù)，建立與待檢測遙感反演結(jié)果相對應的真實值預測模型；其中，樣本數(shù)據(jù)為遙感反演的歷史真實值，可以為精度滿足要求的遙感反演結(jié)果，或者，實測地面真實數(shù)據(jù)。與待檢測遙感反演結(jié)果相對應的真實值預測模型是指，真實值預測模型預測的數(shù)據(jù)，與待檢測遙感反演結(jié)果屬于同一類型的數(shù)據(jù)，例如，如果待檢測遙感反演結(jié)果為全球臭氧總量，則所述真實性預測模型預測出的數(shù)據(jù)也應為全球臭氧總量。 S102 :利用所述真實值預測模型，預測與所述待檢測遙感反演結(jié)果相對應的真實值；S103 :比較所述遙感反演結(jié)果與所述真實值，檢測所述遙感反演結(jié)果的精度。本實施例所述的方法，不再需要對遙感區(qū)域進行人工實地測量來獲取地面真實值，而是使用真實值預測模型預測出地面真實值，因此，當人員無法進入遙感區(qū)域時，不會影響對遙感反演結(jié)果精度的檢測，同時，預測過程不需要人工的介入，因而避免了儀器誤差和人員操作誤差，能夠提高真實值的準確性。本發(fā)明實施例公開的又一種遙感反演精度檢測方法，如圖2所示，包括S201 :構(gòu)建基于徑向基核函數(shù)的支持向量機模型；支持向量機為統(tǒng)計學理論基礎(chǔ)上建立起來的一種機器學習方法，其基本思想是通過非線性映射硪·),將η維輸入向量、I維輸出向量(xk, yk) , xk e Rn, yk e R, k=l, . . . , N從原空間映射到高維特征空間F，在F中構(gòu)造最優(yōu)線性回歸函數(shù)Y(x)=r-j^(x)+b ω e Rn, b e R通過對不同核的支持向量機學習算法的分析和仿真實驗比較，本發(fā)明在實踐過程中得出基于徑向基核函數(shù)的支持向量機在回歸估計中，其性能優(yōu)于基于其它核函數(shù)的支持向量機。因此，本實施例中采用徑向基核函數(shù)構(gòu)造支持向量機模型。徑向基核函數(shù)可以表述為
_ _I! X- -X - Il2[(U.) = exp(--^~)
J2σ-其中，σ是核函數(shù)的參數(shù)且σ >0，Xi, Xj分別為η維向量。另外，支持向量機的推廣性能的好壞，很大程度上取決于參數(shù)的選擇。本實例選用交叉驗證方法，如K-fold Cross Validation (K-CV)方法來確定參數(shù)。不斷調(diào)整參數(shù)，最終選定使誤差最小的參數(shù)，得出基于支持向量機的預測模型。S202 :歸一化樣本數(shù)據(jù)；為避免訓練時數(shù)值計算的困難，提高收斂速度和預測精度，可以對樣本數(shù)據(jù)進行歸一化處理，采用的歸一化映射如下
權(quán)利要求
1.一種遙感反演精度檢測方法，其特征在于，包括 依據(jù)樣本數(shù)據(jù)，建立與待檢測遙感反演結(jié)果相對應的真實值預測模型； 利用所述真實值預測模型，預測與所述待檢測遙感反演結(jié)果相對應的真實值； 比較所述遙感反演結(jié)果與所述真實值，檢測所述遙感反演結(jié)果的精度。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述依據(jù)樣本數(shù)據(jù)，建立與遙感反演結(jié)果相對應的真實值預測模型包括 構(gòu)建基于徑向基核函數(shù)的支持向量機模型； 利用樣本數(shù)據(jù)中的一部分數(shù)據(jù)，對所述支持向量機模型進行訓練； 利用樣本數(shù)據(jù)中的另一部分數(shù)據(jù)，對完成訓練的支持向量機模型進行預測檢驗； 當檢驗結(jié)果滿足預設(shè)的條件時，將所述完成訓練的支持向量機模型作為與遙感反演結(jié)果相對應的真實值預測模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述利用樣本數(shù)據(jù)中的一部分，對所述支持向量機模型進行訓練之前，還包括 歸一化樣本數(shù)據(jù)。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，還包括 當所述檢驗結(jié)果不滿足預設(shè)的條件時，利用所述樣本數(shù)據(jù)，對所述支持向量機模型進行訓練，直到所述檢驗結(jié)果滿足預設(shè)的條件。
5.根據(jù)權(quán)利要求2至4任一項所述的方法，其特征在于，所述樣本數(shù)據(jù)包括 精度滿足要求的遙感反演結(jié)果，或者，實測地面真實數(shù)據(jù)。
6.一種遙感反演精度檢測裝置，其特征在于，包括 模型構(gòu)建模塊，用于依據(jù)樣本數(shù)據(jù)，建立與待檢測遙感反演結(jié)果相對應的真實值預測模型； 預測模塊，用于利用所述真實值預測模型，預測與所述待檢測遙感反演結(jié)果相對應的真實值； 檢測模塊，用于比較所述遙感反演結(jié)果與所述真實值，檢測所述遙感反演結(jié)果的精度。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述模型構(gòu)建模塊包括 核函數(shù)構(gòu)建單元，用于構(gòu)建基于徑向基核函數(shù)的支持向量機模型； 訓練單元，用于利用樣本數(shù)據(jù)中的一部分數(shù)據(jù)，對所述支持向量機模型進行訓練；預測檢測單元，用于利用樣本數(shù)據(jù)中的另一部分數(shù)據(jù)，對完成訓練的支持向量機模型進行預測檢驗； 確定單元，用于當檢驗結(jié)果滿足預設(shè)的條件時，將所述完成訓練的支持向量機模型作為與遙感反演結(jié)果相對應的真實值預測模型。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，還包括 歸一化單元，用于在所述利用樣本數(shù)據(jù)中的一部分，對所述支持向量機模型進行訓練之前，歸一化樣本數(shù)據(jù)。
9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，還包括 迭代觸發(fā)單元，用于當所述檢驗結(jié)果不滿足預設(shè)的條件時，觸發(fā)所述訓練單元，直到所述檢驗結(jié)果滿足預設(shè)的條件。
全文摘要
本發(fā)明提供了一種遙感反演精度檢測方法及裝置，依據(jù)樣本數(shù)據(jù)建立與待檢測遙感反演結(jié)果相對應的真實值預測模型，利用所述模塊預測出與所述待檢測遙感反演結(jié)果相對應的真實值，將反演結(jié)果與真實值相比較，實現(xiàn)對反演精度的檢測，由于不再需要人工實地測量得到真實值，從而在無法進行實地測量時，同樣也能夠檢測遙感反演結(jié)果的精度。
文檔編號G06K9/62GK102867194SQ20121034316
公開日2013年1月9日 申請日期2012年9月14日 優(yōu)先權(quán)日2012年9月14日
發(fā)明者黃文江, 謝巧云, 彭代亮, 張兵, 劉良云, 申茜, 孫剛 申請人:中國科學院對地觀測與數(shù)字地球科學中心