本发明属于遥感图像处理,具体而言,涉及一种基于注意力机制的长短期记忆神经网络热红外大气参数反演方法、装置及电子设备。
背景技术:
1、大气参数反演近年来受到了广泛的关注,在多个学科领域具有广泛应用。大气参数的反演也引起了很多学者的兴趣,例如对不同波长的大气透过率相关关系进行建模,反演计算临近波长辐射的大气透过率;通过建模不同波段水汽和大气透过率的统计关系,对透过率进行获取。现有大气参数反演方法在实际应用中,观测亮温为微波辐射计实际观测所得,其空间分辨率较低,导致大气参数反演精度不高,深度神经网络存在数据挖掘能力较弱的问题。
技术实现思路
1、为了解决上述技术问题,本发明提供热红外大气参数反演方法、装置及电子设备。
2、第一方面,本发明提供了热红外大气参数反演方法,包括:
3、提取地物波谱库和大气廓线库的地表发射率信息和大气信息;
4、根据所述地表发射率信息和所述大气信息,确定大气参数,建立模拟数据集;
5、构建双向长短期记忆神经网络模型;
6、利用所述模拟数据集中的高光谱数据对所述双向长短期记忆神经网络模型进行训练,确定所述双向长短期记忆神经网络模型的结构参数;
7、利用注意力机制对所述双向长短期记忆神经网络模型的输出特征向量的各个通道信息进行加权,得到目标双向长短期记忆神经网络模型;
8、通过所述模拟数据集中的所述大气参数对所述目标双向长短期记忆神经网络模型进行数据训练;
9、采用反向传播算法对训练后的所述目标双向长短期记忆神经网络模型参数不断迭代更新直至所述目标双向长短期记忆神经网络模型的输出收敛,得到大气参数反演模型;
10、获取热红外高光谱辐亮度数据并作为所述大气参数反演模型的输入,得到热红外大气参数反演结果。
11、第二方面,本发明提供了热红外大气参数反演装置,包括提取单元、模拟数据集建立单元、第一模型构建单元、第一模型训练单元、第二模型构建单元、第二模型训练单元、迭代更新单元、输入单元与输出单元;
12、所述提取单元,用于提取地物波谱库和大气廓线库的地表发射率信息和大气信息;
13、所述模拟数据集建立单元,用于根据所述地表发射率信息和所述大气信息,确定大气参数,建立模拟数据集;
14、所述第一模型构建单元,用于构建双向长短期记忆神经网络模型;
15、所述第一模型训练单元,用于利用所述模拟数据集中的高光谱数据对所述双向长短期记忆神经网络模型进行训练,确定所述双向长短期记忆神经网络模型的结构参数;
16、所述第二模型构建单元,用于利用注意力机制对所述双向长短期记忆神经网络模型的输出特征向量的各个通道信息进行加权,得到目标双向长短期记忆神经网络模型;
17、所述第二模型训练单元,用于通过所述模拟数据集中的所述大气参数对所述目标双向长短期记忆神经网络模型进行数据训练;
18、所述迭代更新单元,用于采用反向传播算法对训练后的所述目标双向长短期记忆神经网络模型参数不断迭代更新直至所述目标双向长短期记忆神经网络模型的输出收敛,得到大气参数反演模型;
19、所述输入单元,用于获取热红外高光谱辐亮度数据并作为所述大气参数反演模型的输入;
20、所述输出单元,用于输出热红外大气参数反演结果。
21、第三方面,本发明公开了一种电子设备,包括:
22、处理器和存储器;
23、所述存储器,用于存储计算机操作指令;
24、所述处理器,用于通过调用所述计算机操作指令,执行所述的热红外大气参数反演方法。
25、本发明的有益效果是:本发明不仅有效地解决了深度神经网络对数据挖掘能力较弱的问题,同时加强了网络在反演过程中对高光谱相邻通道数据间相关性信息的重视程度。本发明提出双向长短期记忆神经网络结构,用于提取不同通道的相关性特征;然后利用通道注意力模块对不同的通道信息进行加权,使得权值较高的通道在特征中的比重提高;最后采用全连接结构将特征映射到样本标记空间,并将特征转化为各通道的大气上行辐射、下行辐射以及透射率的估算结果;本发明利用遥感图像的辐亮度信息,利用具有双向长短期记忆神经网络的循环神经网络模块添加注意力机制,获取辐亮度和大气参数的相关性,反演得到大气上行辐射、下行辐射和透过率。
26、在上述技术方案的基础上,本发明还可以做如下改进。
27、进一步,所述双向长短期记忆神经网络模型包括两个参数相互独立的lstm神经网络,将所述模拟数据集中的所述高光谱数据分别以正序和逆序输入至所述lstm神经网络进行特征提取,得到两个特征提取向量,所述特征提取向量拼接后形成输出向量。
28、进一步,利用注意力机制对所述双向长短期记忆神经网络模型的输出特征向量的各个通道信息进行加权,包括:
29、通过卷积操作,将给定的特征通道数为第一通道数的输入数据变换得到一个特征通道数为第二通道数的特征向量;
30、使用全局化方法,在空间维度对所述特征向量进行压缩,将每个通道的二维特征向量压缩为实数,作为各个通道的特征值;
31、通过若干个全连接层组成bottleneck结构为各个通道的所述特征值生成权重值,并对所述权重值进行归一化;
32、将归一化权重加权到各个通道的所述特征值上,将所述权重值与所述特征向量进行加权求和。
33、进一步,所述全连接层采用三层全连接模块进行映射;相邻层的全连接模块之间使用激活函数进行激活。
34、进一步,采用反向传播算法对训练后的所述目标双向长短期记忆神经网络模型参数不断迭代更新直至所述目标双向长短期记忆神经网络模型的输出收敛,得到大气参数反演模型,包括:
35、从所述模拟数据集中获取高光谱大气参数反演数据作为训练数据;
36、从标签数据中读取若干不同大气参数下的辐亮度对应的大气参数,将大气参数和相同大气参数状态下的辐亮度信息配对;
37、采用反向传播算法更新所述目标双向长短期记忆神经网络模型的参数,输入不同状态下的辐亮度,使所述目标双向长短期记忆神经网络模型的均方根误差数值逐渐衰减至设定值;
38、使用均方误差作为损失函数,选择最终损失函数最小的网络模块作为所述大气参数反演模型。
39、进一步,通过设置通道注意力模块,并在所述通道注意力模块设置等间隔的下采样通道数的方式,根据所述目标双向长短期记忆神经网络模型的收敛速度,确定所述通道注意力模块的下采样通道数。
1.热红外大气参数反演方法,其特征在于,包括:
2.根据权利要求1所述热红外大气参数反演方法,其特征在于,所述双向长短期记忆神经网络模型包括两个参数相互独立的lstm神经网络,将所述模拟数据集中的所述高光谱数据分别以正序和逆序输入至所述lstm神经网络进行特征提取,得到两个特征提取向量,所述特征提取向量拼接后形成输出向量。
3.根据权利要求1所述热红外大气参数反演方法,其特征在于,利用注意力机制对所述双向长短期记忆神经网络模型的输出特征向量的各个通道信息进行加权,包括:
4.根据权利要求3所述热红外大气参数反演方法,其特征在于,所述全连接层采用三层全连接模块进行映射;相邻层的全连接模块之间使用激活函数进行激活。
5.根据权利要求1所述热红外大气参数反演方法,其特征在于,采用反向传播算法对训练后的所述目标双向长短期记忆神经网络模型参数不断迭代更新直至所述目标双向长短期记忆神经网络模型的输出收敛,得到大气参数反演模型,包括:
6.根据权利要求1所述热红外大气参数反演方法,其特征在于,通过设置通道注意力模块,并在所述通道注意力模块设置等间隔的下采样通道数的方式,根据所述目标双向长短期记忆神经网络模型的收敛速度,确定所述通道注意力模块的下采样通道数。
7.热红外大气参数反演装置,其特征在于,包括提取单元、模拟数据集建立单元、第一模型构建单元、第一模型训练单元、第二模型构建单元、第二模型训练单元、迭代更新单元、输入单元与输出单元;
8.一种电子设备,其特征在于,包括: