《基於夜光遙感的黃東海漁業監測及其時空動態研究》是依託中國海洋大學，由高峰擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於夜光遙感的黃東海漁業監測及其時空動態研究
- 項目類別：青年科學基金項目
- 項目負責人：高峰
- 依託單位：中國海洋大學
中文摘要,結題摘要,
中文摘要
海洋漁業監測及其時空動態規律是國家在實施海洋戰略過程中亟待解決的重要科學問題。本項目基於夜光遙感技術和GIS空間分析方法，以“海洋漁船檢測-變化信息提取-時空過程分析-海洋漁情預測”為主線，發展適用於新型夜光遙感影像的海洋漁業監測新方法，並在黃東海水域開展套用研究。在技術層面，研究基於組稀疏的海洋漁船特徵子集構建方法，快速檢測海洋漁船分布信息；研究基於深度PCA網路的海洋漁船變化信息提取方法，準確提取海洋漁船動態信息；發展基於時空多指標模型的漁場預測方法，及時預測海洋漁情信息。在套用層面，重建黃東海水域近20年漁業時空信息，認識和理解其空間格局、演變過程及發展趨勢，為促進海洋漁業格局最佳化與可持續發展提供有力的決策支持。
結題摘要
海洋漁業監測及其時空動態規律是國家在實施海洋戰略過程中亟待解決的重要科學問題。本項目基於夜光遙感技術和GIS空間分析方法，以“海洋漁船檢測-變化信息提取-時空過程分析-海洋漁情預測”為主線，發展適用於新型夜光遙感影像的海洋漁業監測新方法，並在黃東海水域開展套用研究。本項目主要完成了如下四方面的研究工作：（1）基於多特徵組稀疏的漁船快速檢測方法本項目提出使用目標在頻率域上的顯著性快速得到漁船的潛在區域， 然後使用組稀疏方法選擇對目標描述最為有效的特徵， 最後使用偏最小二乘法構建對於目標描述最為有效的特徵子集，準確高效的剔除虛警，檢測出海洋中的漁船。（2）基於深度PCA網路的漁船變化信息提取方法本項目首先使用Gabor對圖像進行預分類，然後把粗分類結果做為訓練樣本輸入深度PCA網路，進而得到準確的海洋漁船分布變化信息。通過利用PCA對原始數據進行處理，可以通過多層卷積，實現變化區域的精細分類。（3）基於卷積小波神經網路的漁船變化信息提取方法本項目將離散小波變換引入卷積神經網路，在池化中把輸入的特徵圖分解為8個成分（包含2個低頻成分，和6個高頻成分），在後續操作中，使用低頻成分的平均值來取代池化層的輸入。經過這樣的操作，可以顯著濾除圖像中的噪聲，顯著提高變化分析的準確率。（4）基於深度級聯融合網路的漁船變化信息提取方法為了有效緩解梯度爆炸問題，本項目使用多層次特徵融合與殘差學習來改善學習效率，同時，建立了一個有效的通道級注意力機制模組，強調重要的信息，抑制無效的信息，有效緩解特徵冗餘問題。通過上述手段，可以有效提高變化信息分析的準確率。
