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！

摘要：本发明涉及一种高光谱遥感地质勘测的控制方法，首先采用自适应数据预处理算法，根据不同地质结构的特性调整去噪、大气校正和光谱平滑预处理步骤；其次利用深度学习技术开发的高效光谱特征提取方法，结合基于深度卷积神经网络模型的地质结构分类模型，对预处理后的数据进行特征提取和分类；然后通过多源数据融合算法，结合高光谱数据与包括雷达、红外线的遥感数据，提高地质结构探测的准确性和分辨率；接着利用时间序列分析和预测模型，实现对地质结构变化的实时监测和预测；最后构建结合云计算和边缘计算的数据处理架构，通过在数据采集点附近部署的边缘计算节点进行初步数据预处理和分析，并将预处理后的数据上传到云平台进行深度分析和存储。

主权项：1.一种高光谱遥感地质勘测的控制方法，其特征在于包括以下步骤：首先采用自适应数据预处理算法，根据不同地质结构的特性调整去噪、大气校正和光谱平滑预处理步骤；其次利用深度学习技术开发的高效光谱特征提取方法，结合基于深度卷积神经网络模型的地质结构分类模型，对预处理后的数据进行特征提取和分类；然后通过多源数据融合算法，结合高光谱数据与包括雷达、红外线的遥感数据，提高地质结构探测的准确性和分辨率；接着利用时间序列分析和预测模型，实现对地质结构变化的实时监测和预测；最后构建结合云计算和边缘计算的数据处理架构，通过在数据采集点附近部署的边缘计算节点进行初步数据预处理和分析，并将预处理后的数据上传到云平台进行深度分析和存储；所述的自适应数据预处理算法实现方法包括：S1、利用包括聚类算法的无监督学习方法，从高光谱数据中识别和分类不同的地质结构特性，生成特定的地质结构类型；S2、根据识别出的地质结构类型动态选择和调整适合的去噪、大气校正和光谱平滑算法，为每种地质结构类型定义预处理策略，并根据识别的结果选择相应策略，其中包括对反射率低的暗色岩石选择高级去噪算法和光谱平滑方法，以及对于反射率高、特征明显的沉积岩采用普通的去噪和快速的大气校正方法；S3、通过开发反馈机制，根据包括滤波器大小、校正系数的预处理后数据质量评估结果调整预处理参数，以进一步优化预处理结果；所述的无监督学习方法采用包括：首先定义自适应特征提取函数： 用以从地质勘测的高光谱数据D中提取关键特征，其中Di为第i个波段的光谱值，vi为自适应权重，调整以匹配不同地质结构的特性，N为波段总数；接着通过地质结构聚类函数： 对提取的特征进行聚类分析，其中F代表特征向量集，K是预定的地质结构类型数量，S为聚类方案，γi是第i个聚类的中心，λ为调整聚类间相似性的参数；最后采用地质结构变化监测公式： 来监测和预测地质结构的变化，其中Si为第i个聚类；δ为敏感性调整系数，用于调整监测灵敏度；γi为聚类的中心；所述的去噪、大气校正和光谱平滑算法的调整策略包括：S1、首先基于高光谱数据，通过自适应特征提取公式： 对每个像素的光谱数据进行预处理，其中Di代表第i个波段的光谱值，为所有波段光谱值的平均值，vi为基于地质结构类型自动调整的权重，旨在强化关键光谱特征；S2、随后应用聚类分析公式： 对特征向量进行分类，其中F代表提取的特征集合，Sk为第k个聚类，μk为聚类中心，λ为调节聚类间距的参数；S3、然后根据聚类结果动态选择和调整去噪、大气校正和光谱平滑算法，定义为： 其中T为地质结构类型，Fi为第i个特征的值，为该特征在所有样本中的平均值，wT,i为基于地质类型的特征权重，αT为根据地质类型调整的算法强度参数；所述的数据进行特征提取和分类方法包括：首先通过定义特征提取函数： 来处理每个像素点的预处理后的光谱数据D，其中Di表示第i个波段的光谱值，为该像素所有波段光谱值的平均值，wi为通过深度学习模型学习到的权重，ReLU表示线性整流函数，用于增加非线性处理能力并促进深层特征的表达；接着采用深度卷积神经网络模型： 对提取的特征F进行分类，其中Fj代表通过上述特征提取函数得到的特征向量中的第j个元素，vj为卷积层学习到的权重，β为调整模型输出灵敏度的系数，Softmax函数用于将输出转换为概率分布，实现对不同地质结构的分类。

全文数据：

权利要求：

百度查询： 中水珠江规划勘测设计有限公司 一种高光谱遥感地质勘测的控制方法