买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工商大学

摘要：本发明公开了一种大气‑水质多模态信息的水体遥感图像扩充及富营养化预测方法，属于遥感监测领域。本发明方法获取目标水域的遥感图像时序、大气污染物图像时序及目标水域语义图，构建迁移学习‑多通道注意力级联语义选择网络模型，对缺失的水质遥感图像进行扩充，构建交叉注意力卷积长短期记忆生成对抗网络模型，使用扩充后的水质遥感图像序列进行未来时刻目标水域遥感图像预测，评估水体富营养化等级。本发明解决了原始水质遥感图像数据缺失无法直接用于预测建模和传统水质遥感图像扩充及预测均未考虑大气污染物因素的问题，补充了缺失的遥感图像，图像生成效果优，考虑了大气污染物的影响来实现水体富营养化预测，预测更加准确。

主权项：1.一种大气-水质多模态信息的水体遥感图像扩充及富营养化预测方法，其特征在于，该方法首先获取目标水域的水质遥感图像时间序列、大气污染物图像时间序列以及目标水域语义图，然后执行以下步骤：步骤1，构建第一模型用于扩充水质遥感图像，补充缺失的水质遥感图像数据；所述第一模型为迁移学习-多通道注意力级联语义选择网络模型，包含级联语义生成模块、多尺度空间池化模块、多通道注意力模块以及知识迁移模块；步骤1.1，针对每个缺失时刻的水质遥感图像，获取该时刻的目标水域的大气污染物图像，将大气污染物图像和目标水域语义图输入级联语义生成模块；级联语义生成模块将输入的大气污染物图像和目标水域语义图先进行通道叠加后，通过图像生成器Gi生成目标水域粗粒度的水质遥感图像并输入语义图生成器Gs，得到新的目标水域语义图；提取Gi最后一个卷积层的输出作为目标水域的粗粒度图像特征Fi，提取Gs最后一个卷积层的输出作为粗粒度语义图特征Fs；将大气污染物图像、粗粒度水质遥感图像、新目标水域语义图Sg1、特征Fi和特征Fs进行级联得到特征Fc；步骤1.2，构建多尺度空间池化模块和多通道注意力模块；将特征Fc通过多尺度空间池化模块进行不同尺度的平均池化，将池化结果进行通道叠加后经卷积提取多尺度特征Fc1；多通道注意力模块对输入的多尺度特征Fc1分别使用两组不同的卷积滤波器生成一组中间变量图像和一组注意力图，然后将中间变量图像结合注意力图进行按通道选择，生成目标水域的细粒度水质遥感图像；步骤1.3，构建知识迁移模块；由步骤1.1和1.2生成缺失时刻的细粒度水质遥感图像，与原始水质遥感图像整合扩充成连续时刻的水质遥感图像序列，输入知识迁移模块，利用原始水质遥感图像对生成的缺失时刻的水质遥感图像进行平滑调整；步骤2，构建第二模型用于水体富营养化预测；所述第二模型为交叉注意力卷积长短期记忆生成对抗网络模型，包含时空特征提取模块、单模态特征编码器、交叉模态特征编码器和生成判别模块；步骤2.1，构建时空特征提取模块和单模态特征编码器；分别针对大气污染物图像序列和水质遥感图像序列构建时空特征提取模块，提取大气污染物图像时空特征和水质遥感图像时空特征；将大气污染物图像时空特征和水质遥感图像时空特征分别输入单模态特征编码器进行特征维度大小的对齐；步骤2.2，构建交叉模态特征编码器和生成判别模块；使用交叉模态特征编码器将步骤2.1对齐后的大气污染物图像时空特征和水质遥感图像时空特征进行信息交换，再将融合大气污染物图像时空特征的目标水域水质遥感图像特征送入由马尔可夫判别器和特征解码器构成的生成判别模块，预测未来时刻目标水域的水质遥感图像，并通过卡尔森营养评价指数公式计算水体富营养化等级。

全文数据：

权利要求：

百度查询： 北京工商大学 一种大气-水质多模态信息的水体遥感图像扩充及富营养化预测方法