基于深度学习和多源遥感数据的海洋异常中尺度涡识别方法

摘要

本发明公开了一种基于深度学习和多源遥感数据的海洋异常中尺度涡识别方法，首先构建异常中尺度涡样本库；再将SSHA和SSTA数据利用密集连接网络进行特征提取和学习，融合为包含SSH和SST信息的融合特征数据；通过改进U‑Net图像分割模型来构建识别模型；利用构建的异常中尺度涡样本库对识别模型进行训练，将所述融合特征数据输入到识别模型中进行特征提取，从而实现异常中尺度涡的识别。本发明利用多模态融合网络HyperDense‑Net实现了多源遥感数据的融合，充分挖掘多源遥感数据特征实现信息补充，为实现更加精准、有效的海洋中尺度涡异常的监测提供数据支持。