一种基于神经网络二次优化的二类水体大气校正方法

摘要

本发明公开了一种基于神经网络二次优化的二类水体大气校正方法，它涉及遥感影像数据处理技术领域。其步骤为：对所获取的高光谱影像提取其几何信息、波长信息以及550nm处气溶胶光学厚度初值τ5500；将前述提取的参数输入神经网络模型，模拟输出大气漫射透过率t以及总贡献ρpath；利用近红外波段的离水反射率ρw(NIR)，连同t、ρpath，模拟出表观反射率ρtoasin；将ρtoasim与从影像中提取的真实表观反射率ρtoames进行光谱优化，最终得到最优解τ550opt、Ropt、nopt；将τ550opt带入神经网络模型中，得到所有高光谱波段的大气漫射透过率topt以及大气分子和气溶胶的总贡献ρpathopt；结合影像上真实表观反射率ρtoames，估算高光谱影像的离水反射率。本发明提高了模型的实用性，减少输入参数的同时提高了估算精度。

主权项

一种基于神经网络二次优化的二类水体大气校正方法，其特征在于，其步骤为：(A)：对二类水体的高光谱影像数据进行预处理，提取影像表观反射率；(B)：对所获取的高光谱影像提取其几何信息、波长信息以及550nm处气溶胶光学厚度初值τ5500；(C)：将步骤B中提取的参数输入神经网络模型，模拟输出大气漫射透过率t以及大气分子和气溶胶的总贡献ρpath；(D)：利用近红外波段的离水反射率ρw(NIR)，连同t、ρpath，模拟出表观反射率ρtoasim；(E)：将ρtoasim与步骤(A)中提取的真实表观反射率ρtoames进行光谱优化，不断调整参数τ550、R、n，直到模拟值最接近真实值，最终得到最优解τ550opt、Ropt、nopt；(F)：将τ550opt带入神经网络模型中，得到所有高光谱波段的大气漫射透过率topt以及大气分子和气溶胶的总贡献ρpathopt；(G)：结合影像上真实表观反射率ρtoames，估算高光谱影像的离水反射率。