本發(fā)明涉及大氣校正，尤其涉及一種基于多尺度transformer的海洋遙感圖像大氣校正方法。
背景技術(shù)：
1、水色遙感在全球海洋生態(tài)系統(tǒng)監(jiān)測(cè)、碳循環(huán)研究以及氣候變化評(píng)估中發(fā)揮著至關(guān)重要的作用。然而，由于大氣成分（如氣體、氣溶膠和水汽等）對(duì)電磁波存在強(qiáng)烈的散射和吸收作用，衛(wèi)星傳感器探測(cè)到的信號(hào)中高達(dá)80%至90%來(lái)源于大氣而非水體本身，這嚴(yán)重干擾了水體信號(hào)的提取。這種大氣干擾構(gòu)成了限制水質(zhì)參數(shù)反演準(zhǔn)確性和可靠性的主要技術(shù)瓶頸。因此，為了獲取水體真實(shí)的光譜反射率，大氣校正作為水色遙感的核心預(yù)處理步驟，其校正精度直接決定了后續(xù)水質(zhì)反演和環(huán)境監(jiān)測(cè)結(jié)果的可信度。
2、目前，現(xiàn)有的大氣校正方法主要分為三大類，但在大尺度、自動(dòng)化的業(yè)務(wù)應(yīng)用中均存在明顯的技術(shù)缺陷。第一類是基于傳統(tǒng)物理模型的方法，例如6s、modtran、seadas和polymer等。這類方法通過(guò)輻射傳輸模型詳細(xì)描述光在大氣和水體中的傳播機(jī)制，理論上能夠達(dá)到較高的校正精度。然而，這類方法在實(shí)際應(yīng)用中面臨著嚴(yán)重的計(jì)算瓶頸：它們高度依賴于氣溶膠光學(xué)厚度（aod）和柱狀總水汽含量（cwv）等難以實(shí)時(shí)獲取的大氣參數(shù)。同時(shí)，復(fù)雜的輻射傳輸計(jì)算以及繁瑣的查找表（lut）生成過(guò)程極其耗時(shí)，導(dǎo)致數(shù)據(jù)處理效率極其低下，完全無(wú)法滿足當(dāng)前大尺度、全球級(jí)高通量衛(wèi)星數(shù)據(jù)的自動(dòng)化處理需求。
3、第二類是基于圖像假設(shè)的方法，如暗像元假設(shè)法和經(jīng)驗(yàn)直線法等。這類方法僅利用圖像自身的信息進(jìn)行快速校正，計(jì)算過(guò)程相對(duì)簡(jiǎn)單，但其致命缺陷在于適用場(chǎng)景極為局限，在面對(duì)近岸渾濁水體以及環(huán)境和季節(jié)變化顯著的復(fù)雜場(chǎng)景時(shí)，這些假設(shè)往往不成立，極易導(dǎo)致校正失效，無(wú)法提供穩(wěn)定可靠的數(shù)據(jù)支持。
4、第三類是近年來(lái)興起的機(jī)器學(xué)習(xí)及常規(guī)深度學(xué)習(xí)方法。傳統(tǒng)的機(jī)器學(xué)習(xí)方法主要依賴局部區(qū)域的統(tǒng)計(jì)關(guān)系擬合，缺乏跨區(qū)域和跨季節(jié)的泛化能力。而常規(guī)的深度學(xué)習(xí)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)cnn和生成對(duì)抗網(wǎng)絡(luò)gan）雖然在一定程度上避免了復(fù)雜的物理參數(shù)依賴，展現(xiàn)出加速大氣校正的潛力，但目前的多數(shù)研究仍局限于陸地或局部近岸的小樣本場(chǎng)景，缺乏大尺度和多時(shí)相的系統(tǒng)性驗(yàn)證。具體而言，基于cnn的網(wǎng)絡(luò)受限于其固有的局部感受野，難以有效捕捉復(fù)雜的海洋梯度和提取全局特征；而基于gan的網(wǎng)絡(luò)在處理具有強(qiáng)烈氣溶膠散射的復(fù)雜光譜環(huán)境時(shí)，往往會(huì)在較短波長(zhǎng)波段產(chǎn)生嚴(yán)重的數(shù)值失真和物理上不一致的反射率偽影。
5、綜上所述，現(xiàn)有的技術(shù)方案不僅受限于復(fù)雜的物理參數(shù)反演和龐大的計(jì)算開(kāi)銷，而且在處理大尺度復(fù)雜海洋環(huán)境時(shí)面臨嚴(yán)重的數(shù)值失真和泛化能力不足的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本發(fā)明提供了一種基于多尺度transformer的海洋遙感圖像大氣校正方法，在復(fù)雜的大尺度海洋環(huán)境下，用以實(shí)現(xiàn)高精度、強(qiáng)魯棒性且具備物理一致性的大氣校正。
2、第一方面，本發(fā)明提供了一種基于多尺度transformer的海洋遙感圖像大氣校正方法，所述方法包括：
3、步驟1、獲取多源遙感觀測(cè)數(shù)據(jù)與輔助參數(shù)，并進(jìn)行聯(lián)合預(yù)處理，構(gòu)建標(biāo)準(zhǔn)化的訓(xùn)練數(shù)據(jù)集；
4、步驟2、構(gòu)建包含并行卷積分支的多尺度transformer大氣校正模型；
5、步驟3、構(gòu)建包含物理軟約束的復(fù)合損失函數(shù)，并通過(guò)訓(xùn)練數(shù)據(jù)集對(duì)大氣校正模型進(jìn)行訓(xùn)練，獲得訓(xùn)練后的模型；
6、步驟4、利用訓(xùn)練后的模型，執(zhí)行高通量端到端的大氣校正推理。
7、可選地，所述步驟1包括：
8、步驟11、多源數(shù)據(jù)獲取與特征集構(gòu)建：獲取衛(wèi)星傳感器觀測(cè)到的可見(jiàn)光波段大氣層頂toa輻射數(shù)據(jù)，同步獲取對(duì)應(yīng)的幾何參數(shù)geo與氣象參數(shù)meteo作為特征輸入；獲取經(jīng)過(guò)校正的表面反射率數(shù)據(jù)作為真實(shí)的大氣底層boa標(biāo)簽；
9、步驟12、基于質(zhì)量控制標(biāo)志的像素級(jí)質(zhì)量過(guò)濾：為保證模型輸入和輸出的一致性與有效性，利用質(zhì)量控制標(biāo)志l2_flags對(duì)獲取的遙感影像進(jìn)行像素級(jí)篩選；
10、步驟13、輔助變量的重采樣與空間對(duì)齊：為保證幾何參數(shù)geo、氣象參數(shù)meteo與光譜波段數(shù)據(jù)在空間維度上的一致性，采用雙線性插值方法將其重采樣至與輻射數(shù)據(jù)相同的分辨率；
11、步驟14、圖塊patch構(gòu)建與無(wú)效值填充：在經(jīng)過(guò)質(zhì)量篩選和空間對(duì)齊的數(shù)據(jù)中，將軌道級(jí)track-level影像劃分為固定尺寸的圖像塊；設(shè)定有效像素比例閾值，僅保留有效像素比例大于90%的圖像塊；對(duì)于篩選后合格的圖像塊，計(jì)算每個(gè)通道的均值，并使用均值填充塊內(nèi)的nan無(wú)效值；
12、步驟15、數(shù)據(jù)的z-score標(biāo)準(zhǔn)化處理：在完成圖塊構(gòu)建后，對(duì)所有的l1b輸入特征以及l(fā)2輸出標(biāo)簽進(jìn)行z-score標(biāo)準(zhǔn)化處理，即將每個(gè)通道的數(shù)據(jù)減去其自身的均值，隨后除以其標(biāo)準(zhǔn)差。
13、可選地，所述步驟2包括：
14、步驟21、構(gòu)建基于編碼器-解碼器encoder-decoder的整體網(wǎng)絡(luò)架構(gòu)：構(gòu)建一個(gè)集成窗口多頭自注意力w-mhsa和多層感知機(jī)mlp的多尺度transformer框架；整體架構(gòu)基于編碼器-解碼器結(jié)構(gòu)：在編碼器部分，網(wǎng)絡(luò)通過(guò)多個(gè)大氣校正塊atmocorr?block和兩個(gè)下采樣模塊down-sample從輸入圖像中逐步提取全局特征；在解碼器部分，網(wǎng)絡(luò)通過(guò)上采樣模塊up-sample恢復(fù)圖像的空間分辨率，并結(jié)合sk融合sk?fusion及后續(xù)的大氣校正塊進(jìn)行細(xì)節(jié)重建，以確保保留圖像的局部紋理；
15、步驟22、在大氣校正塊中構(gòu)建窗口多頭自注意力機(jī)制w-mhsa-pc：為了增強(qiáng)模型對(duì)不同尺度特征的建模能力，在標(biāo)準(zhǔn)的多頭自注意力機(jī)制mhsa中引入并行卷積分支，從而構(gòu)建w-mhsa模塊；
16、步驟23、基于門(mén)控加權(quán)機(jī)制的特征自適應(yīng)融合：在w-mhsa模塊的融合階段，通過(guò)門(mén)控加權(quán)融合機(jī)制，自適應(yīng)地融合自注意力分支和并行卷積分支輸出的特征；
17、步驟24、利用多層感知機(jī)mlp進(jìn)行通道特征重構(gòu)：在每個(gè)注意力塊attentionblock之后引入多層感知機(jī)mlp，以增強(qiáng)通道間的非線性交互。
18、可選地，所述步驟3包括：
19、步驟31、構(gòu)建包含多項(xiàng)懲罰的復(fù)合目標(biāo)函數(shù)：構(gòu)建結(jié)合charbonnier損失、均方誤差mse損失和范圍懲罰損失的復(fù)合損失函數(shù)；
20、步驟32、設(shè)定復(fù)合損失函數(shù)的權(quán)重配置：最終的訓(xùn)練目標(biāo)函數(shù)為上述三項(xiàng)損失的加權(quán)和，其表達(dá)式為：
21、；
22、將mse損失的權(quán)重和范圍約束損失的權(quán)重均設(shè)定為最優(yōu)平衡值0.05；
23、步驟33、配置自適應(yīng)優(yōu)化器與動(dòng)態(tài)學(xué)習(xí)率調(diào)度策略：
24、在反向傳播優(yōu)化網(wǎng)絡(luò)參數(shù)時(shí)，采用adam優(yōu)化器，設(shè)定初始學(xué)習(xí)率為0.001，并配置動(dòng)量參數(shù)=0.9和=0.999；為了穩(wěn)定訓(xùn)練過(guò)程，引入學(xué)習(xí)率動(dòng)態(tài)調(diào)整策略，當(dāng)驗(yàn)證集上的均方根誤差rmse在連續(xù)設(shè)定輪次內(nèi)沒(méi)有改善時(shí)，自動(dòng)按預(yù)定衰減因子降低學(xué)習(xí)率；同時(shí)設(shè)定學(xué)習(xí)率的下界為1×10-6；
25、步驟34、引入混合精度與梯度裁剪的穩(wěn)定訓(xùn)練機(jī)制：在模型批處理訓(xùn)練過(guò)程中，引入自動(dòng)混合精度amp技術(shù)；應(yīng)用梯度裁剪機(jī)制，將最大梯度范數(shù)限制為1。
26、可選地，所述步驟4包括：
27、步驟41、獲取待校正區(qū)域的多源實(shí)時(shí)遙感數(shù)據(jù)：獲取待校正目標(biāo)區(qū)域的衛(wèi)星遙感影像，提取其可見(jiàn)光波段的大氣層頂toa原始輻射數(shù)據(jù)，并同步提取影像對(duì)應(yīng)的實(shí)時(shí)輔助參數(shù)，包括對(duì)應(yīng)的幾何參數(shù)和氣象參數(shù)；
28、步驟42、執(zhí)行一致性數(shù)據(jù)預(yù)處理：對(duì)待校正數(shù)據(jù)執(zhí)行預(yù)處理流程，利用質(zhì)量控制標(biāo)志剔除受云層、陸地干擾的無(wú)效像素；對(duì)稀疏網(wǎng)格形式的輔助變量進(jìn)行雙線性插值，以實(shí)現(xiàn)空間分辨率的逐像素對(duì)齊；以及對(duì)所有輸入特征進(jìn)行z-score標(biāo)準(zhǔn)化處理，以確保輸入待校正特征的數(shù)據(jù)分布與模型訓(xùn)練時(shí)保持一致；
29、步驟43、端到端的大氣層底反射率boa快速推理與輸出：將預(yù)處理后的待校正toa輻射數(shù)據(jù)及對(duì)應(yīng)的幾何、氣象參數(shù)作為特征張量，直接輸入至訓(xùn)練后的多尺度transformer大氣校正模型中；模型通過(guò)前向傳播網(wǎng)絡(luò)，映射并輸出預(yù)測(cè)的大氣層底boa表面光譜反射率。
30、可選地，所述步驟31包括：
31、將charbonnier損失作為主要損失項(xiàng)，其數(shù)學(xué)表達(dá)中引入了平滑常數(shù)；將mse損失作為輔助損失項(xiàng)，用于強(qiáng)調(diào)像素級(jí)的數(shù)值精度，旨在縮小預(yù)測(cè)值與真實(shí)值之間的差距；引入范圍約束損失，通過(guò)對(duì)模型的預(yù)測(cè)結(jié)果施加軟懲罰，用于避免出現(xiàn)負(fù)值或大于1的異常值，強(qiáng)制確保輸出的反射率處于[0,1]的物理合理區(qū)間內(nèi)，以保障輸出的物理一致性。
32、第三方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括存儲(chǔ)的程序，其中，在所述程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行第一方面或第一方面任一可能的實(shí)現(xiàn)方式中的基于多尺度transformer的海洋遙感圖像大氣校正方法。
33、第四方面，本發(fā)明實(shí)施例提供一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)器；以及一個(gè)或多個(gè)計(jì)算機(jī)程序，其中所述一個(gè)或多個(gè)計(jì)算機(jī)程序被存儲(chǔ)在所述存儲(chǔ)器中，所述一個(gè)或多個(gè)計(jì)算機(jī)程序包括指令，當(dāng)所述指令被所述設(shè)備執(zhí)行時(shí)，使得所述設(shè)備執(zhí)行第一方面或第一方面任一可能的實(shí)現(xiàn)方式中的基于多尺度transformer的海洋遙感圖像大氣校正方法。
34、本發(fā)明提供的技術(shù)方案中，該方法包括獲取多源遙感觀測(cè)數(shù)據(jù)與輔助參數(shù)，并進(jìn)行聯(lián)合預(yù)處理，構(gòu)建標(biāo)準(zhǔn)化的訓(xùn)練數(shù)據(jù)集；構(gòu)建包含并行卷積分支的多尺度transformer大氣校正模型；構(gòu)建包含物理軟約束的復(fù)合損失函數(shù)，并通過(guò)訓(xùn)練數(shù)據(jù)集對(duì)大氣校正模型進(jìn)行訓(xùn)練，獲得訓(xùn)練后的模型；利用訓(xùn)練后的模型，執(zhí)行高通量端到端的大氣校正推理，在復(fù)雜的大尺度海洋環(huán)境下，該方法實(shí)現(xiàn)了高精度、強(qiáng)魯棒性且具備物理一致性的大氣校正。