基于深度残差网络的高光谱遥感数据霾监测

发布时间：2018-01-14 10:09

本文关键词：基于深度残差网络的高光谱遥感数据霾监测　出处：《光学学报》2017年11期 　论文类型：期刊论文

【摘要】：霾监测是环境治理中的关键技术之一。目前地面观测站进行霾监测的耗费较大,基于多光谱遥感的霾识别精度较低。将深度学习用于高光谱遥感数据的霾监测,提出一种基于深度残差网络的高光谱霾监测方法,利用深度网络提取霾光谱曲线特征,再使用残差学习等方法降低网络训练难度,得到了霾监测模型。苏州地区Hyperion高光谱数据集上的实验表明,与其他遥感霾监测方法相比,所提方法的霾识别精度更高。
[Abstract]:Haze monitoring is one of the key technologies in environmental control. At present, it is very expensive for ground observation stations to monitor haze, and the accuracy of haze recognition based on multispectral remote sensing is low. The depth learning is applied to the haze monitoring of hyperspectral remote sensing data. A method of hyperspectral haze monitoring based on deep residual network is proposed. The feature of haze spectral curve is extracted by depth network, and the difficulty of network training is reduced by residual learning. The experimental results on Hyperion hyperspectral data set in Suzhou area show that the proposed method has higher accuracy than other remote sensing haze detection methods.
【作者单位】：上海交通大学航空航天学院;上海卫星工程研究所十五室;上海市气象科学研究所卫星遥感应用技术研究室;
【基金】：国家自然科学基金(U1406404) 上海市军民结合项目(沪经信军[2014年]495号)
【分类号】：TP79;X87
【正文快照】： 霾是指大量极细微的干尘粒等均匀地漂浮在空中,使水平能见度小于10km的空气普遍浑浊现象[1]。当前,我国的大气污染越发严重。在中国气象行业标准《霾的观测和预报等级》中将霾的预报等级进行了定义。大气霾污染已经成为了亟待解决的重大环境问题之一[2],而霾的监测是霾污染治

【相似文献】