地球静止轨道卫星影像山火检测方法、系统及其存储介质.pdf

《地球静止轨道卫星影像山火检测方法、系统及其存储介质.pdf》由会员分享，可在线阅读，更多相关《地球静止轨道卫星影像山火检测方法、系统及其存储介质.pdf（13页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910850423.5 (22)申请日 2019.09.10 (71)申请人 云南电网有限责任公司带电作业分 公司 地址 650011 云南省昆明市盘龙区白塔路 201号 (72)发明人 沈志李俊鹏金晶徐真 周仿荣杨亮蔡澍雨 (74)专利代理机构 昆明合众智信知识产权事务 所 53113 代理人 张玺 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/46(2006.01) G06K 9/62(2006.01) G06N 3/04(2006.01)。

2、 G06N 3/08(2006.01) G06T 7/00(2017.01) G06T 7/33(2017.01) G06T 7/38(2017.01) G01N 21/35(2014.01) (54)发明名称 地球静止轨道卫星影像山火检测方法、 系统 及其存储介质 (57)摘要 本发明涉及山火检测方法， 尤其为一种地球 静止轨道卫星影像山火检测方法、 系统及其存储 介质， 所述地球静止轨道卫星影像山火检测方法 利用灰度影像分析的方法， 基于红外波段亮温和 灰度级数的关联关系， 进行红外波段中疑似火点 的识别提取； 其次， 以非局部深度卷积特征编码 的方式， 对经地理坐标映射所得同地理区域中的。

3、 多光谱影像信息， 以光谱叠加的方式进行红外和 多光谱波段影像上的火点识别特征编码， 最终实 现真实火点的判别与分析。 本发明使用波段物理 反演， 充分借鉴利用红外波段的火点亮温特性进 行火点粗判， 又利用高分辨率多光谱波段的显著 纹理信息， 完成高空间分辨率下、 显著山火烟雾 特性的精确火点空间定位。 权利要求书3页 说明书7页 附图2页 CN 110569797 A 2019.12.13 CN 110569797 A 1.一种地球静止轨道卫星影像山火检测方法， 其特征在于： 包括以下步骤： 步骤S1： 红外波段中疑似火点的分析模块： 利用灰度影像分析法， 基于红外波段亮温和 灰度级数的关联。

4、关系， 实现中等分辨率影像上的疑似火点区域的识别与提取； 步骤S2： 红外-多光谱火点范围映射模块： 利用红外波段影像和多光谱影像的地理坐标 空间关联关系， 完成红外波段中疑似火点到多光谱波段中对应空间地理位置的映射； 步骤S3： 红外/多光谱叠加影像火点识别模型的构建模块： 根据同空间地理位置区域所 提取的红外和多光谱影像， 以非局部特征编码的深度卷积网络为识别模型构建框架， 构建 面向红外/多光谱高维影像特征分析的精确山火识别模型； 步骤S4： 红外/多光谱影像火点识别模块： 基于所得训练模型的红外+多光谱波段影像 的分析与火点识别模型的应用， 得到分类影像的局部区域火点存在性识别结果， 。

5、完成最终 的火情和着火点的确认。 2.如权利要求1所述的地球静止轨道卫星影像山火检测方法， 其特征在于： 所述红外波 段中的疑似火点分析模块包括如下步骤： 步骤S11： 采用局部自适应灰度纠正法对红外波段进行预处理， 完成红外灰度影像的对 比度调整； 步骤S12： 利用影像局部极值分析手段， 获得具有极高亮温值、 具有局部极值数值特性 的高亮温区域， 从而判定为可能的疑似着火点； 步骤S13： 在所提取的疑似火点联通区域中， 对联通区域各项属性进行分析、 过滤， 得到 亮温值适中、 火点面积大小适中、 火点区域合理的着火区域， 过滤规则为： A)火点区域的长宽对比度符合公式1/3Rhwh/(w。

6、+1)3， 其中， h、 w表示火点区域包括 矩形的像素高度和像素宽度； B)火点区域的紧致度符合公式1Cfirerfire/(h*w)2， 其中， h、 w表示火点区域包括矩 形的像素高度和像素宽度， rfire表示火点区域的实际像素面积。 3.如权利要求2所述的地球静止轨道卫星影像山火检测方法， 其特征在于： 所述局部自 适应灰度纠正包括影像灰度范围自适应拉伸、 灰度自适应调整等技术。 4.如权利要求2或3所述的地球静止轨道卫星影像山火检测方法， 其特征在于： 所述采 用局部自适应灰度纠正法对红外波段进行预处理包括以下步骤： 步骤S111： 使用SLIC对影像区域进行切分， 提取面积、 形。

7、状合适， 局部灰度值过度平缓、 内部纹理均匀规则的遥感影像区域； 其原理相当于在图像的像素空间中做影像的相似度聚 类， 根据人为指定预分割的超像素个数K以及图像中所有像素数N， 得到每个超像素的大小 为N/K， 相邻超像素之间的距离为由S来选定K个初始聚类中心Cili,ai,bi, xi,yi； 步骤S112： 计算从每个聚类中心到2S2S区域内的像素的距离， 距离公式符合 其中， dcolor表示颜色距 离， dspace表示空间距离； 距离度量公式符合其中m表示权衡 颜色相似性空间和空间邻近度之间的重要性； 步骤S113： 进行全红外灰度影像I的对比度校正， 对于各个局部区域而言， 其影像。

8、的对 权利要求书 1/3 页 2 CN 110569797 A 2 比度校正迭代过程可以表示为： a)选一个初始估计值T； b)根据T值将超像素区域分为R1和R2 两个子区域； c)对子区域R1和R2中的所有像素计算平均灰度值 1和 2； d)最终计算得到新的 分割阈值T； 步骤S114： 在灰度差异的基础上， 根据Gamma曲线定义函数或矫正公式y(x)xr对子区 域中的高低灰度值进行补偿或矫正， 其中r是Gamma的校正参数； 当r取1时， 其公式表示为线 性变换； 当r1时， 超像素区域 中灰度较低的子区域对比度得到增强。 5.如权利要求2所述的地球静止轨道卫星影像山火检测方法， 其特征。

9、在于： 所述影像局 部极值分析手段包括中值滤波、 标准差滤波 ， 所述标准差滤波的算法符合公式 其中， xi为单个像素的像素值大小， 为滤波器处理窗口中的像素值 中值， r为滤波器的高度， c为滤波器的宽度。 6.如权利要求1所述的地球静止轨道卫星影像山火检测方法， 其特征在于： 所述红外- 多光谱火点范围映射模块包括以下步骤： 步骤S21： 设红外影像的空间坐标映射系数为A、 B、 C、 D、 E、 F， 其中A、 D表示像素坐标宽度 的横向大小、 纵向大小， B、 E表示像素高度的横向大小和纵向大小， C、 F表示像素转坐标的左 上角经纬度， 从红外影像像素点到经纬度的转换为： 步骤S22。

10、： 多光谱影像的空间映射系数为A、 B、 C、 D、 E、 F， 其中A表示x像素的横向地理坐 标距离， B、 D表示旋转参数， C、 F为横向和纵向偏移量， E为y像素的负数部分， 从经纬度到像 素坐标的转换为： 7.如权利要求1所述的地球静止轨道卫星影像山火检测方法， 其特征在于： 所述红外/ 多光谱影像火点识别模型的构建模块包括以下步骤： 步骤S31： 红外和多光谱火点局部影像的精准配位： 利用SIFT提取得到的高维影像特征 进行局部空间对齐， 对齐距离符合Hamming距离公式其中， a和b分别 表示为对应特征点SIFT描述符； mi和ni分别为待匹配SIFT描述符a和b中的一位， 其。

11、中a m1m2.m512， bn1n2.n512； 并将配准后的影像进行空间叠加； 步骤S32： 红外和多光谱火点影像作为模型输入训练， 进行着火区域的分析与建模， 得 到最终的识别模型。 8.一种地球静止轨道卫星影像山火检测系统， 包括存储器， 处理器， 以及存储于存储器 上并可在处理器上运行的计算机程序， 其特征在于： 所述处理器执行所述计算机程序时实 权利要求书 2/3 页 3 CN 110569797 A 3 现上述权利要求1至7中任一所述方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于： 所述程序被处理器 执行时实现上述权利要求1至7中任一所述方法的步骤。

12、。 权利要求书 3/3 页 4 CN 110569797 A 4 地球静止轨道卫星影像山火检测方法、 系统及其存储介质 技术领域 0001 本发明涉及山火检测方法， 尤其是一种地球静止轨道卫星影像山火检测方法、 系 统及其存储介质。 0002 发明背景 0003 我国云南地区地貌复杂、 多高山密林、 地势不平， 极易引发森林火灾， 对国家和群 众的生命财产构成重大威胁， 传统的山火监测手段主要以人工方式进行， 监测效率较差， 覆 盖范围较窄。 以高分4号为代表的地球静止轨道卫星的遥感影像具有空间分辨率高、 红外亮 温特性敏感、 观测范围广、 定位精度高等众多优势， 成为了弥补人为山火巡检时间、。

13、 空间覆 盖率不足的重要技术辅助手段， 对有效监控山地密林等交通不便区域的火灾隐患具有极其 重要的意义。 0004 高分4号卫星是中国第1颗地球静止轨道高分辨率对地观则卫星， 2015年12月29日 0时04分从西昌卫星发射中心， 由长征三号乙运输火箭成功发射。 轨道高度为36000km， 采用 面阵凝视方式成像， 具备可见光、 多光谱和红外成像能力， 可见光和多光谱分辨率优于50m， 红外谱段分辨率优于400m， 设计寿命8年， 通过指向控制， 实现对中国及周边地区的观测。 高 分四号观测星下点定位于东经110度的赤道上空， 即海南岛的正南方， 利用长期驻留固定区 域上空的优势， 在国际上也。

14、处于先进行列。 由于优异的空间、 时间观测条件， 使得高分4号在 监测森林火灾、 洪涝灾害等方面发挥重要作用， 为我国减灾、 林业、 地震、 气象等应用提供快 速、 可靠、 稳定的光学遥感数据， 为灾害风险预警预报、 林火灾害监测、 地震构造信息提取、 气象天气监测等业务补充了全新的技术手段， 开辟了我国地球同步轨道高分辨率对地观测 的新领域。 同时， 高分四号卫星在环保、 海洋、 农业、 水利等行业以及区域应用方面， 也具有 巨大潜力和广阔空间。 0005 受数据来源、 监测思路的影响， 目前的山火监测算法多基于葵花8、 MODIS等国外卫 星影像进行， 这一类卫星影像虽然具有很高的光谱分辨。

15、率(葵花8目前开放14个光谱通道， 空间分辨率2km， 时间分辨率10分钟； MODIS免费开放36个波段， 空间分辨率从250m到1km， 时 间分辨率每天4景图像)， 但空间分辨率有限， 使得火点检测往往只能通过和温度相关的红 外波段亮温值反演推算得到， 严重限制了火点检测方法的检测空间精度和识别准确性。 以 高分4号卫星为代表的地球静止轨道卫星影像， 具有精确红外亮温响应值的红外波段， 和高 空间分辨率的5波段多光谱影像信息， 虽然时间分辨率不及葵花8、 光谱分辨率不及MODIS， 但是高分本身的红外波段对于山火亮温有着明确的亮温值响应效果， 对于提高火点检测精 度、 准确定位起火点和起。

16、火范围具有数据精度优势， 但也对红外波段火点确定方法、 多光谱 波段火点特征分析算法提出了较高的要求， 需要算法能够充分利用红外和多光谱波段在起 火点上的空间关联、 波段影像特征关联， 进行有效的多源影像数据编码和特征学习， 从而实 现最终的火点准确识别和定位。 发明内容 0006 为了解决现阶段山火检测方法以高分4号卫星为代表的高分辨率、 多光谱波段的 说明书 1/7 页 5 CN 110569797 A 5 地球静止轨道卫星影像在成像光谱分辨率上的不足， 以及火点亮温值分析的光谱波段数量 少， 直接光谱计算分析难度大， 空间范围和位置估计准确性不高等问题， 本发明目的是提升 火点检测算法的。

17、火点空间定位精度和识别准确率， 为此， 本发明提供一种地球静止轨道卫 星影像山火检测方法、 系统及其存储介质。 0007 为了实现所述目的， 本发明的地球静止轨道卫星影像山火检测方法， 步骤如下： 0008 步骤S1： 红外波段中疑似火点的分析模块： 利用灰度影像分析法， 基于红外波段亮 温和灰度级数的关联关系， 实现中等分辨率影像上的疑似火点区域的识别与提取； 0009 步骤S2： 红外-多光谱火点范围映射模块： 利用红外波段影像和多光谱影像的地理 坐标空间关联关系， 完成红外波段中疑似火点到多光谱波段中对应空间地理位置的映射； 0010 步骤S3： 红外/多光谱影像火点识别模型的构建模块：。

18、 根据同空间地理位置区域所 提取的红外和多光谱影像， 以非局部特征编码的深度卷积网络为识别模型构建框架， 构建 面向红外/多光谱高维影像特征分析的精确山火识别模型； 0011 步骤S4： 红外/多光谱叠加影像火点识别模块： 基于所得训练模型的红外+多光谱 波段影像的分析与火点识别模型的应用， 得到分类影像的局部区域火点存在性识别结果， 完成最终的火情和着火点的确认。 0012 具体地， 所述红外波段中的疑似火点分析模块包括如下步骤： 0013 步骤S11： 采用局部自适应灰度纠正法对红外波段进行预处理， 完成红外灰度影像 的对比度调整； 0014 步骤S12： 利用影像局部极值分析手段， 获得。

19、具有极高亮温值、 具有局部极值数值 特性的高亮温区域， 从而判定为可能的疑似着火点； 0015 步骤S13： 在所提取的疑似火点联通区域中， 对联通区域各项属性进行分析、 过滤， 最终得到亮温值适中、 火点面积大小适中、 火点区域合理的着火区域， 过滤规则为： 0016 A)火点区域的长宽对比度符合公式 0017 1/3Rhwh/(w+1)3 (式1) 0018 其中， h、 w表示火点区域包括矩形的像素高度和像素宽度； 0019 B)火点区域的紧致度符合公式 0020 1Cfirerfire/(h*w)2 (式2) 0021 其中， h、 w表示火点区域包括矩形的像素高度和像素宽度， rfi。

20、re表示火点区域的实 际像素面积。 0022 所述局部自适应灰度纠正法包括影像灰度范围自适应拉伸、 灰度自适应调整等技 术。 0023 所述局部自适应灰度纠正法对红外波段进行预处理包括以下步骤： 0024 步骤S111： 使用SLIC对影像区域进行切分， 提取面积、 形状合适， 局部灰度值过度 平缓、 内部纹理均匀规则的遥感影像区域； 其原理相当于在图像的像素空间中做影像的相 似度聚类， 根据人为指定预分割的超像素个数K以及图像中所有像素数N， 得到每个超像素 的大小为N/K， 相邻超像素之间的距离为由S来选定K个初始聚类中心Cili, ai,bi,xi,yi； 0025 步骤S112： 计算。

21、从每个聚类中心到2S2S区域内的像素的距离， 距离公式符合 说明书 2/7 页 6 CN 110569797 A 6 0026 0027 0028 其中， dcolor表示颜色距离， dspace表示空间距离； 距离度量公式符合 0029 0030 其中m表示权衡颜色相似性空间和空间邻近度之间的重要性； 0031 步骤S113： 进行全红外灰度影像I的对比度校正， 对于各个局部区域而言， 其影像 的对比度校正迭代过程可以表示为： a)选一个初始估计值T； b)根据T值将超像素区域分为 R1和R2两个子区域； c)对子区域R1和R2中的所有像素计算平均灰度值 1和 2； d)最终计算得 到新的分。

22、割阈值T； 0032 步骤S114： 在灰度差异的基础上， 根据Gamma曲线定义函数或矫正公式y(x)xr对 子区域中的高低灰度值进行补偿或矫正， 其中r是Gamma的校正参数； 当r取1时， 其公式表示 为线性变换； 当r1时， 超像素 区域中灰度较低的子区域对比度得到增强。 0033 所述影像局部极值分析手段包括中值滤波、 标准差滤波， 所述标准差滤波的算法 符合公式 0034 0035其中， xi为单个像素的像素值大小， 为滤波器处理窗口中的像素值中值， r为滤波 器的高度， c为滤波器的宽度。 0036 具体地， 所述红外-多光谱火点范围映射模块包括以下步骤： 0037 步骤S21：。

23、 设红外影像的空间坐标映射系数为A、 B、 C、 D、 E、 F， 其中A、 D表示像素坐标 宽度的横向大小、 纵向大小， B、 E表示像素高度的横向大小和纵向大小， C、 F表示像素转坐标 的左上角经纬度， 从红外影像像素点到经纬度的转换关系为： 0038 0039 步骤S22： 多光谱影像的空间映射系数为A、 B、 C、 D、 E、 F， 其中A表示x像素的横向地 理坐标距离， B、 D表示旋转参数， C、 F为横向和纵向偏移量， E为y像素的负数部分， 从经纬度 到像素坐标的转换关系为： 0040 0041 0042 具体地， 所述红外/多光谱影像火点识别模型的构建模块包括以下步骤： 0。

24、043 步骤S31： 红外和多光谱火点局部影像的精准配位： 利用SIFT提取得到的高维影像 说明书 3/7 页 7 CN 110569797 A 7 特征进行局部空间对齐， 对齐距离符合Hamming距离公式 0044 0045 其中， a和b分别表示为对应特征点SIFT描述符； mi和ni分别为待匹配SIFT描述符a 和b中的一位， 其中am1m2.m512， bn1n2.n512； 并将配准后的影像进行空间叠加； 0046 步骤S32： 红外和多光谱火点影像作为模型输入训练， 进行着火区域的分析与建 模， 得到最终的识别模型。 0047 为达上述目的， 本发明还提供一种地球静止轨道卫星影像。

25、山火检测系统， 包括存 储器， 处理器， 以及存储于存储器上并可在处理器上运行的计算机程序， 所述处理器执行所 述计算机程序时实现上述所述方法的步骤。 0048 为达上述目的， 本发明还提供一种计算机可读存储介质， 其上存储有计算机程序， 所述程序被处理器执行时实现上述方法的步骤。 0049 本发明的有益效果 0050 (1)本发明通过构建一套具有地理空间位置关联的红外/多光谱火点识别流程， 将 红外影像灰度图高亮温区域识别方法与多光谱波段火点影像分析计算过程相结合， 完成了 经典遥感影像物理属性分析算法和高分辨率火点特征深度卷积网络模型训练过程的融合， 有效提升了算法框架对火点的识别准确率。。

26、 0051 (2)本发明充分发挥了以高分4号卫星为代表的高分辨率、 多光谱波段的地球静止 轨道卫星的在成像分辨率、 成像波段范围上的观测优势， 综合利用红外波段亮温点分析和 多光谱波段火点区域烟雾影像纹理分析等手段， 弥补了卫星影像在波段分辨率上的不足， 并且有效提升了火点检测算法的火点空间定位精度和识别准确率。 附图说明 0052 图1为本发明具体实施例整体的系统框图。 0053 图2为本发明具体实施例红外波段中疑似火点的分析模块的流程图。 0054 图3为本发明具体实施例局部自适应灰度纠正过程的流程图。 具体实施方式 0055 下面将结合本发明的附图， 对本发明实施例中的技术方案进行清楚、。

27、 完整地描述， 显然， 所描述的实施例仅仅是本发明一部分的实施例， 而不是全部的实施例。 基于本发明中 的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。 0056 图1为本发明具体实施例提供地球静止轨道卫星影像山火检测方法的流程图。 如 图1所示， 在本实施例中的地球静止轨道卫星影像山火检测方法的流程图可以包括以下步 骤： 0057 步骤S1： 红外波段中疑似火点的分析模块： 利用灰度影像分析法， 基于红外波段亮 温和灰度级数的关联关系， 实现中等分辨率影像上的疑似火点区域的识别与提取， 便于火 点检测和定位。 0058 图2为本发明具。

28、体实施例红外波段中疑似火点的分析模块的流程图， 在本步骤中， 说明书 4/7 页 8 CN 110569797 A 8 首先采用局部自适应灰度纠正法对红外波段进行预处理， 即影像灰度范围自适应拉伸、 灰 度自适应调整等技术， 完成红外灰度影像的对比度调整， 以便于代表高温火点的疑似火点 区域有更高的亮温值。 图3为本发明具体实施例局部自适应灰度纠正法对红外波段进行预 处理过程的流程图， 由图3可以看出， 预处理的过程主要是先使用SLIC对影像区域进行切 分， 提取到面积、 形状合适， 局部灰度值过度平缓、 内部纹理均匀规则的遥感影像区域， 其原 理相当于在图像的像素空间中做影像的相似度聚类， 。

29、根据人为指定预分割的超像素个数K 以及图像中所有像素数N， 得到每个超像素的大小为N/K， 相邻超像素之间的距离为 由S来选定K个初始聚类中心Cili,ai,bi,xi,yi； 然后计算从每个聚类中心到 2S2S区域内的像素的距离， 距离公式符合 其中： dcolor表示颜色距 离， dspace表示空间距离， 距离度量公式符合其中m表示权衡 颜色相似性空间和空间邻近度之间的重要性； 接下来， 进行全红外灰度影像I的对比度校 正， 对于各个局部区域而言， 其影像的对比度校正迭代过程可以表示为： a)选一个初始估计 值T； b)根据T值将超像素区域分为R1和R2两个子区域； c)对子区域R1和R。

30、2中的所有像素计算 平均灰度值 1和 2； d)最终计算得到新的分割阈值T； 在此灰度差异的基础上， 根据Gamma曲 线定义函数或矫正公式y(x)xr对子区域中的高低灰度值进行补偿或矫正， 其中r是Gamma 的校正参数； 当r取1时， 其公式表示为线性变换； 当r1时， 超像素区域中灰度较低的子区域对比度得到增强。 0059 然后， 在经过预处理的红外波段影像上， 利用包括中值滤波、 标准差滤波在内的影 像局部极值分析手段， 获得具有极高亮温值、 具有局部极值数值特性的高亮温区域， 完成高 亮温值点的分析与提取， 从而判定为可能的疑似着火点； 其中， 标准差滤波的算法符合公式 式中， xi。

31、为单个像素的像素值大小， 为滤波器处理窗口中的像素值 中值， r为滤波器的高度， c为滤波器的宽度； 0060 接下来， 在所提取的疑似火点联通区域中， 对联通区域的各项属性进行分析、 过 滤， 最终得到亮温值适中、 火点面积大小适中、 火点区域合理的着火区域， 过滤规则为： 0061 A)火点区域长宽对比度： h、 w表示火点区域包括矩形的像素高度和像素宽度， 则火 点区域的长宽对比度符合公式 0062 0063 由于火点区域形状接近正方形， 所以Rhw选择阈值范围在1/3Rhw3； 0064 B)火点区域的紧致度： h、 w表示火点区域包括矩形的像素高度和像素宽度， rfire表 示火点区。

32、域的实际像素面积， 则火点区域的紧致度符合公式 0065 0066 由于火点的范围形状将近似为圆形， 所以其紧致度大致会接近1， 本算法中将取值 说明书 5/7 页 9 CN 110569797 A 9 范围限定为1Cfire2； 0067 步骤S2： 红外-多光谱火点范围映射模块： 利用红外波段影像和多光谱影像的地理 坐标空间关联关系， 完成红外波段中疑似火点到多光谱波段中对应空间地理位置的映射， 由此获得多光谱波段中的疑似火点周围的可能着火区域影像， 便于后续的详细火情分析。 0068 在本步骤中， 首先， 设红外影像的空间坐标映射系数为A、 B、 C、 D、 E、 F， 其中A、 D表示。

33、 像素坐标宽度的横向大小、 纵向大小， B、 E表示像素高度的横向大小和纵向大小， C、 F表示像 素转坐标的左上角经纬度， 从红外影像像素点到经纬度的转换为： 0069 0070 然后， 多光谱影像的空间映射系数为A、 B、 C、 D、 E、 F， 其中A表示x像素的横向地理坐 标距离， B、 D表示旋转参数， C、 F为横向和纵向偏移量， E为y像素的负数部分， 从经纬度到像 素坐标的转换为： 0071 0072 0073 步骤S3： 红外/多光谱影像火点识别模型的构建模块： 根据同空间地理位置区域所 提取的红外和多光谱影像， 以非局部特征编码的深度卷积网络为识别模型构建框架， 构建 面向。

34、红外/多光谱高维影像特征分析的精确山火识别模型。 0074 在本步骤中， 首先进行红外和多光谱火点局部影像的精准配位： 使用SIFT描述子 进行红外和近红外波段中的影像特征提取， 利用SIFT提取得到的高维影像特征进行局部空 间对齐， 对齐距离符合Hamming距离公式其中， a和b分别表示为对应 特征点SIFT描述符； mi和ni分别为待匹配SIFT描述符a和b中的一位， 其中am1m2.m512， b n1n2.n512； 并将配准后的影像进行空间叠加。 0075 然后将红外和多光谱火点影像作为模型输入训练， 进行着火区域的分析与建模， 得到最终的识别模型； 相比于普通的卷积网络而言， 在。

35、非局部特征编码卷积网络中， 其多了 一种具有空间位置无关的卷积操作符， 如下： 0076 0077 其中i表示输出空间位置的坐标， 而该位置坐标处的输出响应则是j表示的所有滤 波器范围内的卷积数值计算结果， x表示为卷积网络的输入影像信号。 其中的f函数则表示 输出位置i和输入位置j之间的关联关系， g则表示j位置处的影像； 最终的输出响应值将会 用C(x)进行正则化表示。 正是由于f函数的存在， 使得最终的卷积输入中j局部位置的相关 性得以被调节， 从而增加了网络的输入空间无关性。 0078 步骤S4： 红外/多光谱叠加影像火点识别模块： 基于所得训练模型的红外+多光谱 波段影像的分析与火点。

36、识别模型的应用， 从而最终得到分类影像的局部区域火点存在性识 别结果， 完成最终的火情和着火点的确认。 说明书 6/7 页 10 CN 110569797 A 10 0079 为达上述目的， 本发明还提供一种地球静止轨道卫星影像山火检测系统， 包括存 储器， 处理器， 以及存储于存储器上并可在处理器上运行的计算机程序， 所述处理器执行所 述计算机程序时实现上述所述方法的步骤。 0080 为达上述目的， 本发明还提供一种计算机可读存储介质， 其上存储有计算机程序， 所述程序被处理器执行时实现上述方法的步骤。 0081 以上所述， 仅为本发明的具体实施方式， 但本发明的保护范围并不局限于此， 任何 熟悉该技术的人在本发明所揭露的技术范围内， 可理解想到的变换或更替， 都应涵盖在本 发明的包含范围之内， 因此， 本发明的保护范围应该以权力要求书的保护范围为准。 说明书 7/7 页 11 CN 110569797 A 11 图1 图2 说明书附图 1/2 页 12 CN 110569797 A 12 图3 说明书附图 2/2 页 13 CN 110569797 A 13 。