【技术实现步骤摘要】
本申请涉及遥感图像处理和分析，尤其涉及基于迁移学习的河湖水质遥感反演及评价方法。
技术介绍
1、迁移学习（transfer learning）在遥感图像处理和分析领域，特别是在河湖水质遥感反演及评价的应用中，起着至关重要的作用。迁移学习允许我们将从一个任务（源任务）学到的知识应用到另一个相关的任务（目标任务）上，这在数据量有限或训练复杂模型成本高昂的情况下尤为有用。在该场景下即指将具备标签的样本其风格进行学习，进而寻找其它具备此类风格的图像作为标签对象，起到迁移学习优化网络识别训练的目的。
2、在进行河湖水质遥感图像识别训练的实际应用中，对训练样本进行大量的标注往往耗费较多时间和精力，并且容易产生误标记等问题。为了解决上述问题，使用迁移学习的方法利用已有的少量标注数据和大量未标注数据，可以有效降低对大量标注数据的依赖。而迁移学习网络在学习和识别相似样本的过程中，其需要花费的时间往往较长，进而导致在数据标注即网络模型的预处理阶段花费成本较高。
技术实现思路
1、为了解决以上技术问题，本申请提供了基于迁移学习的河湖水质遥感反演及评价方法。
2、根据本申请提供的基于迁移学习的河湖水质遥感反演及评价方法，方法包括：
3、采集河湖水质图像，得到河湖水质图像的训练集；
4、对所述训练集进行部分标记，得到标定训练集样本和未标定训练集样本；
5、分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量和灰度值熵值特征，获得所述未标定训
6、基于所述适配样本群，分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量，结合所述适配度，量化获得所述适配样本群内训练图像对应所述标定训练集样本的风格相似性，并得到所述适配样本群内的优化样本；
7、对所述优化样本进行迁移学习，标记所述未标定训练样本，得到辅助标签；
8、对具有所述辅助标签的训练集进行水质质量识别网络的训练，识别评价河湖水质。
9、在本专利技术的一些实施例中，得到河湖水质图像的训练集，之后，对所述训练集进行预处理，其中，所述预处理包括使用直方图均衡化对所述训练集中的每张水质训练图像进行处理，和使用语义分割得到每张训练集对应的河湖水质区域与前景区域。
10、在本专利技术的一些实施例中，所述标定训练集样本中包括特定的前景区域面积、前景区域灰度值熵值、对应的信息量。
11、在本专利技术的一些实施例中，分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量和灰度值熵值特征，获得所述未标定训练集样本的适配度，包括：
12、分析所述标定训练集样本和所述未标定训练集样本的前景区域分别的灰度数量和河湖水质区域灰度值熵值；
13、根据所述标定训练集样本和所述未标定训练集样本的前景区域的灰度值数量差值，河湖水质区域灰度值熵值，并对所述差值和所述熵值分配第一权重，获得所述未标定训练集样本的适配度。
14、在本专利技术的一些实施例中，所述适配度计算方法为：
15、
16、=
17、其中，表示第个未标定训练集样本对应标定训练集样本的适配度，表示标定训练集样本前景区域灰度值的数量，表示第个未标定训练集样本前景区域灰度值的数量，表示训练集样本中灰度值出现的概率，表示标定训练集样本中灰度值出现的概率，表示第个未标定训练集样本中灰度值出现的概率，表示参与计算熵值的场景权重，取值为0到1，用以调配灰度值数量差值和权重熵值对于适配度的贡献量；表示灰度值，表示不同灰度值的数量。
18、在本专利技术的一些实施例中，所述第一权重根据所述标定训练集样本和所述未标定训练集样本不同灰度量级的灰度值对应的概率确定。
19、在本专利技术的一些实施例中，所述第一权的计算公式为：
20、
21、表示参与计算熵值的场景权重，表示标定训练集样本中灰度值为'出现的概率，表示第个未标定训练集样本中灰度值为'出现的概率，表示灰度量级，'表示同一灰度量级下的灰度值集合，表示反比例归一化函数。
22、在本专利技术的一些实施例中，基于所述适配样本群，分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量，结合所述适配度，量化获得所述适配样本群内训练图像对应所述标定训练集样本的风格相似性，包括：
23、分析对比所述标定训练集样本和所述未标定训练集样本中对应灰度级下灰度值大小差异；
24、根据所述适配样本群中灰度值分布范围，以及经过大津阈值分割后的所述适配样本群中连通域的分布情况，获得第二权重；
25、根据所述灰度值大小差异、所述第二权重和所述适配度，获得风格相似性。
26、在本专利技术的一些实施例中，所述风格相似性的量化公式为：
27、
28、
29、其中，表示适配样本群内第个未标定训练集样本对应标定训练集样本的风格相似性；表示适配样本群内第个未标定训练集样本对应标定训练集样本的适配度进行归一化后得到的归一化适配度,对应不同灰度级，表示训练集样本中灰度级为时的灰度值大小，表示标定训练集样本中灰度级为时的灰度值大小，表示第个未标定训练集样本中灰度级为时的灰度值大小，表示训练集中灰度级的总数量,表示标定训练集样本经过大津阈值分割后满足连通域限定范围的数量，表示第个未标定训练集样本经过大津阈值分割后满足连通域限定范围的数量，表示线性归一化函数，表示反比归一化函数，0.01是为了防止分母为0。
30、在本专利技术的一些实施例中，对具有所述辅助标签的训练集进行水质质量识别网络的训练，识别评价河湖水质，包括：将具有所述辅助标签的训练集图像输入到水质质量识别网络，损失函数采用交叉熵函数，网络采用卷积神经，对水质质量识别网络进行训练，训练输出为河湖水质识别评价结果。
31、由以上实施例可见，本申请实施例提供的一种基于迁移学习的河湖水质遥感反演及评价方法，具有的有益效果如下：
32、本专利技术通过采集河湖水质图像，得到河湖水质图像的训练集；对所述训练集进行部分标记，得到标定训练集样本和未标定训练集样本；分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量和灰度值熵值特征，获得所述未标定训练集样本的适配度，并得到所述未标定训练集样本中所述标定训练集样本的适配样本群；基于所述适配样本群，分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量，结合所述适配度，量化获得所述适配样本群内训练图像对应所述标定训练集样本的风格相似性，并得到所述适配样本群内的优化样本；对所述优化样本进行迁移学习，标记所述未标定训练样本，得到辅助标签；对具有所述辅助标签的训练集进行水质质量识别网络的训练，识别评价河湖水质。本专利技术结合迁移学习和半监督学习，对比分析标定训练集样本和未标定训练集样本，得到适配样本群，再基于适配样本群，根据河湖水质图像前背景本文档来自技高网...
【技术保护点】
1.基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，得到河湖水质图像的训练集，之后，对所述训练集进行预处理，其中，所述预处理包括使用直方图均衡化对所述训练集中的每张水质训练图像进行处理，和使用语义分割得到每张训练集对应的河湖水质区域与前景区域。
3.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述标定训练集样本中包括特定的前景区域面积、前景区域灰度值熵值、对应的信息量。
4.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量和灰度值熵值特征，获得所述未标定训练集样本的适配度，包括：
5.根据权利要求4所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述适配度计算方法为：
6.根据权利要求4所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述第一权重根据所述标定训练集样本和所述未标定训练集
7.根据权利要求6所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述第一权的计算公式为：
8.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，基于所述适配样本群，分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量，结合所述适配度，量化获得所述适配样本群内训练图像对应所述标定训练集样本的风格相似性，包括：
9.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述风格相似性的量化公式为：
10.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，对具有所述辅助标签的训练集进行水质质量识别网络的训练，识别评价河湖水质，包括：将具有所述辅助标签的训练集图像输入到水质质量识别网络，损失函数采用交叉熵函数，网络采用卷积神经，对水质质量识别网络进行训练，训练输出为河湖水质识别评价结果。
...【技术特征摘要】
1.基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，得到河湖水质图像的训练集，之后，对所述训练集进行预处理，其中，所述预处理包括使用直方图均衡化对所述训练集中的每张水质训练图像进行处理，和使用语义分割得到每张训练集对应的河湖水质区域与前景区域。
3.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述标定训练集样本中包括特定的前景区域面积、前景区域灰度值熵值、对应的信息量。
4.根据权利要求1所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，分析所述标定训练集样本和所述未标定训练集样本的前景区域信息量和灰度值熵值特征，获得所述未标定训练集样本的适配度，包括：
5.根据权利要求4所述的基于迁移学习的河湖水质遥感反演及评价方法，其特征在于，所述适配度计算方法为：
6.根据权利要求4所述的基于迁移学习的河湖水质遥感反演及评价方法，其...
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。