【技术实现步骤摘要】
本专利技术涉及遥感，尤其涉及遥感图像检索方法、系统、计算机设备及存储介质。
技术介绍
1、遥感技术主要涉及从远距离获取地球表面的信息，利用不同波长的电磁波对地球表面进行扫描，从而捕获图像和数据，广泛应用于地图制作、环境监测、农业、城市规划多个领域，遥感图像能够提供关于地表特征、植被覆盖、土地利用、环境变化方面的重要信息。
2、其中，遥感图像检索方法是一种用于查找和处理遥感数据的技术，目的是从大量的遥感图像数据中快速准确地检索出特定的图像，支持各种科研、商业和政府决策活动，例如，在环境监测中，通过遥感图像检索可以快速定位受污染区域的图像，或在农业中找到特定作物生长状况的图像，通过图像处理技术对原始遥感图像进行预处理，如去噪、增强对比度，提高图像质量，使用模式识别技术，识别图像中的特定模式或对象，从而自动识别和分类大量的图像数据实现检索。
3、传统的遥感图像检索技术在多方面存在如下不足之处，气候特征分析通常较为粗略，难以精确捕捉微妙的气候变化和地表温度的详细分布，限制了其在气候研究和环境监测方面的应用深度和准确性，在识别复杂地理模式方面不够精确，难以提供足够深入的环境监测和地理研究洞察，特别是在理解和预测气候变化对地理环境的影响方面，同时遥感图像的地表类型分类在传统方法中缺乏精度和细节。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的遥感图像检索方法、系统、计算机设备及存储介质。
2、为了实现上述目的，本专利技术采用了如下技术
3、s1：基于原始遥感数据，采用卫星云图分析方法和地表温度映射技术，进行微气候特征的综合分析，采用k均值聚类分析算法进行数据分类，生成综合气候特征数据集；
4、s2：基于所述综合气候特征数据集，采用对比度限制的自适应直方图均衡化方法和卷积神经网络技术，进行图像质量优化，生成图像质量优化结果；
5、s3：基于所述图像质量优化结果，采用分形维数计算方法，进行遥感图像地理模式的识别和分析，生成复杂模式识别数据；
6、s4：基于所述复杂模式识别数据，采用长短期记忆网络和时间序列分析技术，进行时间序列的异常模式检测，生成异常气候事件分析报告；
7、s5：基于所述异常气候事件分析报告，采用全卷积网络对图像的语义分割进行地表分类，生成地表类型分类图。
8、所述综合气候特征数据集包括温度、湿度、云量分布数据，所述图像质量优化结果具体为光照、对比度和清晰度改进的遥感图像，所述复杂模式识别数据包括地理特征、气候变化数据，所述异常气候事件分析报告具体为非常规气候和潜在环境风险，所述地表类型分类图包括城市、农田、森林，多地表覆盖的遥感图像。
9、作为本专利技术的进一步方案，基于原始遥感数据，采用卫星云图分析方法和地表温度映射技术，进行微气候特征的综合分析，采用k均值聚类分析算法进行数据分类，生成综合气候特征数据集的步骤具体为：
10、s101：基于原始遥感数据，采用高斯滤波去噪进行图像增强，生成预处理遥感数据；
11、s102：基于所述预处理遥感数据，采用modis云检测算法提取并生成云层信息数据；
12、s103：基于所述云层信息数据，采用modtran算法获取地表温度分布，生成地表温度分布图；
13、s104：基于所述地表温度分布图，采用数据同化方法整合云图和温度数据，生成融合气候数据；
14、s105：基于所述融合气候数据，采用k均值聚类算法进行气候区域划分，生成气候区域分类数据；
15、s106：基于所述气候区域分类数据，采用多维度数据融合方法进行数据整合，通过主成分分析方法提取气候特征，生成综合气候特征数据集。
16、作为本专利技术的进一步方案，基于所述综合气候特征数据集，采用对比度限制的自适应直方图均衡化方法和卷积神经网络技术，进行图像质量优化，生成图像质量优化结果的步骤具体为：
17、s201：基于所述综合气候特征数据集，采用对比度限制的自适应直方图均衡化技术进行图像对比度优化，生成对比度优化数据；
18、s202：基于所述对比度优化数据，采用vgg-16卷积神经网络模型进行特征增强，生成特征增强数据；
19、s203：基于所述特征增强数据，采用中值滤波技术进行图像降噪处理，生成降噪图像数据；
20、s204：基于所述降噪图像数据，采用usm锐化技术提高图像清晰度，生成锐化图像数据；
21、s205：基于所述锐化图像数据，采用灰度世界算法进行色彩平衡，生成色彩校正数据；
22、s206：基于所述色彩校正数据，采用结构相似性指数算法进行图像质量评估，生成图像质量优化结果。
23、作为本专利技术的进一步方案，基于所述图像质量优化结果，采用分形维数计算方法，进行遥感图像地理模式的识别和分析，生成复杂模式识别数据的步骤具体为：
24、s301：基于所述图像质量优化结果，采用二维离散小波变换技术提取图像的多尺度特征，生成多尺度特征数据；
25、s302：基于所述多尺度特征数据，采用随机森林算法进行特征筛选和地理模式识别，生成地理模式数据；
26、s303：基于所述地理模式数据，采用盒计数法进行分形维数计算，生成分形维数分析数据；
27、s304：基于所述分形维数分析数据，采用欧氏距离算法进行相似模式识别，生成模式相似性数据；
28、s305：基于所述模式相似性数据，采用支持向量机方法进行地理模式分类，生成地理模式分类数据；
29、s306：基于所述地理模式分类数据，采用人工神经网络和方差分析方法进行模式识别和深度分析，生成复杂模式识别数据。
30、作为本专利技术的进一步方案，基于所述复杂模式识别数据，采用长短期记忆网络和时间序列分析技术，进行时间序列的异常模式检测，生成异常气候事件分析报告的步骤具体为：
31、s401：基于所述复杂模式识别数据，采用z分数标准化法进行处理，生成时间序列数据；
32、s402：基于所述时间序列数据，采用自回归移动平均模型进行序列分解，生成时间序列分解数据；
33、s403：基于所述时间序列分解数据，采用长短期记忆网络，生成时间序列预测模型；
34、s404：基于所述时间序列预测模型，采用统计阈值法进行异常模式检测，生成初步异常模式检测结果；
35、s405：基于所述初步异常模式检测结果，采用dbscan聚类算法对异常模式进行筛选和验证，生成异常模式数据；
36、s406：基于所述异常模式数据，采用多元回归分析方法和arima模型，进行未来气候异常事件的预测，生成异常气候事件分析报告。
37、作为本专利技术的进一步方案，基于所述异常气候事件分析报告，采用全卷积网络对图像的语义分割进行地表分类，生成地表类本文档来自技高网...
【技术保护点】
1.遥感图像检索方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的遥感图像检索方法，其特征在于，基于原始遥感数据，采用卫星云图分析方法和地表温度映射技术，进行微气候特征的综合分析，采用K均值聚类分析算法进行数据分类，生成综合气候特征数据集的步骤具体为：
3.根据权利要求2所述的遥感图像检索方法，其特征在于，基于所述综合气候特征数据集，采用对比度限制的自适应直方图均衡化方法和卷积神经网络技术，进行图像质量优化，生成图像质量优化结果的步骤具体为：
4.根据权利要求3所述的遥感图像检索方法，其特征在于，基于所述图像质量优化结果，采用分形维数计算方法，进行遥感图像地理模式的识别和分析，生成复杂模式识别数据的步骤具体为：
5.根据权利要求4所述的遥感图像检索方法，其特征在于，基于所述复杂模式识别数据，采用长短期记忆网络和时间序列分析技术，进行时间序列的异常模式检测，生成异常气候事件分析报告的步骤具体为：
6.根据权利要求5所述的遥感图像检索方法，其特征在于，基于所述异常气候事件分析报告，采用全卷积网络对图像的语义分割进行地
7.遥感图像检索系统，其特征在于，所述遥感图像检索系统用于执行权利要求1至6任一所述的遥感图像检索方法，所述系统包括数据预处理模块、气候特征分析模块、图像质量优化模块、地理模式识别模块、异常气候分析模块、地表分类模块、气象数据集成模块、环境影响评估模块；
8.根据权利要求7所述的遥感图像检索系统，其特征在于，所述高斯滤波去噪算法具体为利用高斯核减少图像噪声，所述MODIS云检测算法具体为用于识别云层的遥感分析方法，所述MODTRAN算法具体为基于大气模型的地表温度反演，所述随机森林算法具体为利用多个决策树进行特征评估分类，所述ARIMA模型具体指用于时间序列分析和预测的自回归积分滑动平均方法，所述GIS技术具体为基于空间分析和地图制作方法，所述环境模型具体指用于模拟气候变化对生态系统和人类活动影响的计算模型，所述影响评估算法包括评估气候变化对生物多样性、水资源、农业产量的潜在影响。
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求7至8任一项所述的遥感图像检索系统。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的遥感图像检索方法的步骤。
...【技术特征摘要】
1.遥感图像检索方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的遥感图像检索方法，其特征在于，基于原始遥感数据，采用卫星云图分析方法和地表温度映射技术，进行微气候特征的综合分析，采用k均值聚类分析算法进行数据分类，生成综合气候特征数据集的步骤具体为：
3.根据权利要求2所述的遥感图像检索方法，其特征在于，基于所述综合气候特征数据集，采用对比度限制的自适应直方图均衡化方法和卷积神经网络技术，进行图像质量优化，生成图像质量优化结果的步骤具体为：
4.根据权利要求3所述的遥感图像检索方法，其特征在于，基于所述图像质量优化结果，采用分形维数计算方法，进行遥感图像地理模式的识别和分析，生成复杂模式识别数据的步骤具体为：
5.根据权利要求4所述的遥感图像检索方法，其特征在于，基于所述复杂模式识别数据，采用长短期记忆网络和时间序列分析技术，进行时间序列的异常模式检测，生成异常气候事件分析报告的步骤具体为：
6.根据权利要求5所述的遥感图像检索方法，其特征在于，基于所述异常气候事件分析报告，采用全卷积网络对图像的语义分割进行地表分类，生成地表类型分类图的步骤具体为：
7.遥感图像检索系统，其特征在于，所述遥感图像...
【专利技术属性】
技术研发人员：于光，孙晓锐，孙文邦，
申请(专利权)人：中国人民解放军空军航空大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。