[發明專利]一種景象適配性準則訓練樣本集生成方法

有效

• 申請號: 201810665397.4
• 申請日: 2018-06-26
• 公開（公告）號: CN109063731B
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 云紅全;鞠雯;姜山;肖利平;徐力;張伯川;章啟恒;田振坡
• 申請（專利權）人: 北京航天自動控制研究所;中國運載火箭技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 徐輝

本發明涉及一種景象適配性準則訓練樣本集生成方法。對從保障數據中截取的參考圖進行直方圖對比度拉伸、高斯濾波，旋轉、插值、高斯模糊變換和傅里葉噪聲添加，生成特征參考圖；用特征參考圖和截取的基準圖進行相關面計算，獲得相關面參數集；對參考圖進行特征提取計算，得到特征參數集；將相關面參數集和特征參數集劃分為正負樣本，分別加入訓練樣本集。本發明可以基于可見光衛星影像快速生成大量的訓練樣本集數據，而不再拘泥于對大量實時圖像的依賴，這提高了工程的可實現性和可操作性，使得工程化的難度降低，同時也使得基于該訓練樣本集挖掘出的知識準則具有泛化能力。本發明效率高、一致性好且無需人工交互。

技術領域

本發明涉及景象適配性準則訓練樣本集生成方法，屬于圖像處理技術領域。

背景技術

在景象匹配輔助導航系統中，為了能夠實現精確定位，減少偏航的可能性，在進行基準圖的制備過程中，要選擇那些具有明顯特征和容易匹配定位的區域作為最佳匹配區，使其具有較高的匹配概率和匹配精度，為實現精確導航奠定基礎。景象最佳匹配區的選擇是指按照一定的要求和準則在已確定大小的眾多景象圖中選取特征明顯、信息量大、可匹配性高的數字地圖作為制導基準圖，這一過程也稱作景象適配性分析。當景象匹配數據量大時，人工選取匹配區工作量大，速度慢，而且受操作人的知識水平、經驗等主觀因素的影響，往往難以找出令人滿意的匹配區。最新的技術是基于大數據挖掘的方法自動生成適配性分析準則。因此需要形成訓練樣本集，進行大數據挖掘訓練，得到景象適配性分析準則，進行最佳匹配區的選擇。

基于大數據挖掘的方案對訓練樣本集的總數量、目標類型覆蓋種類都有一定要求，現實工作中實時掛飛數據的數量難以滿足基于大數據挖掘準則訓練的需求，因此提出一套基于基礎遙感保障數據的訓練樣本集生成方法，彌補掛飛數據的不足。

發明內容

本發明的目的在于克服現有技術的不足，提供一種景象適配性準則訓練樣本集生成方法，該方法效率高、一致性好且無需人工交互。

本發明目的通過如下技術方案予以實現：

提供一種景象適配性準則訓練樣本集生成方法，步驟如下：

(1)獲取可見光衛星影像數據集合，令q為1；

(2)從衛星影像數據集合中，獲取第q幅場景圖像，設置掃描窗口及掃描步長；令f＝1；

(3)對第f個掃描位置，截取掃描窗口大小的參考圖I，并且以參考圖I為中心，截取大于參考圖I的基準圖M；

(4)對參考圖I進行預處理，生成特征參考圖Z；

(5)特征參考圖Z和基準圖M進行相關面計算，并獲得相關面參數集；對參考圖I進行特征提取計算，得到特征參數集；

(6)將相關面參數集和特征參數集劃分為正負樣本，并加入訓練樣本集；

(7)判斷是否完成第q幅場景圖像所有掃描位置的掃描，如果沒有完成，則令f加1，返回步驟(3)；如果完成則進入步驟(8)；

(8)判斷是否完成衛星影像數據集中所有圖像的掃描，如果完成，則確定該訓練樣本集；如果沒有則令q值加1，返回步驟(2)。

優選的，掃描步長為8的整數倍像素單位。

優選的，基準圖M為參考圖I的2～4倍大小。

優選的，進行預處理的具體方法為：

4.1對參考圖I，進行對比度拉伸消除光照對圖像的影響，生成圖像I₁；

4.2對圖像I₁進行高斯濾波，生成圖像I₂；

4.3對圖像I₂進行旋轉，生成圖像I₃；