[發明專利]一種面向衛星在軌應用的空間信息智能一體化生成方法

在審

• 申請號: 202010699241.5
• 申請日: 2020-07-20
• 公開（公告）號: CN111832504A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 董正宏;夏魯瑞;李森;王俊鋒;楊帆;林郁;鄧忠杰
• 申請（專利權）人: 中國人民解放軍戰略支援部隊航天工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 長沙市護航專利代理事務所(特殊普通合伙) 43220
• 代理人: 莫曉齊

1.一種面向衛星在軌應用的空間信息智能一體化生成方法，其特征在于，包括如下步驟：

S0、通過地面天線向衛星發送任務指令；

S1、衛星采集地面目標的遙感影像；

S2、基于視覺顯著性模型提取遙感影像的目標區域；

S3、根據上下文信息采用編碼解碼模型自動生成語義文本信息；

S4、發送給地面用戶關注的遙感影像中目標區域對應的語義文本信息。

2.根據權利要求1所述的面向衛星在軌應用的空間信息智能一體化生成方法，其特征在于，所述步驟S2具體表現為：

S21、通過視覺顯著性模型生成顯著圖；

S22、對顯著圖做二值化處理并進行標記；

S23、計算疑似目標區域位置；

S24、根據計算結果提取目標切片，選出相關度最高的區域作為目標區域。

3.根據權利要求2所述的面向衛星在軌應用的空間信息智能一體化生成方法，其特征在于，所述步驟S21中視覺顯著性模型融合頻域變換顯著性模型和邊緣梯度特征顯著性模型，所述頻域變換顯著性模型從頻域出發，利用高斯低通濾波，計算Lab顏色空間中單個像素點和輸入影像所有像素點平均值的歐氏距離，并將所述歐氏距離作為該像素點的顯著值；所述邊緣梯度特征顯著性模型基于Sobel邊緣檢測算子對輸入影像進行邊緣檢測，進而得到邊緣信息影像。

4.根據權利要求3所述的面向衛星在軌應用的空間信息智能一體化生成方法，其特征在于，所述頻域變換顯著性模型的計算過程為：

①求取輸入影像在Lab空間中的特征分量的均值；

②計算輸入影像高斯濾波后的影像：

f_G＝f*G (3)

式中，f為輸入影像，G為高斯濾波器，f_G為輸入影像高斯濾波后的影像；

③計算顯著圖，定義輸入影像在像素點(x,y)處的顯著值為S(x,y)：

式中，I_μ為輸入影像f的平均特征，使用Lab顏色特征，為像素點(x,y)在高斯平滑后的Lab顏色特征，表示I_μ和在Lab顏色空間的歐氏距離。

5.根據權利要求4所述的面向衛星在軌應用的空間信息智能一體化生成方法，其特征在于，所述邊緣梯度特征顯著性模型的計算過程為：

(1)設定Sobel邊緣檢測算子包含兩組矩陣，分別為橫向模板及縱向模板；

(2)檢測水平邊沿橫向模板G_x；

(3)檢測垂直邊沿縱向模板G_y；

(4)輸入影像每一個像素點的橫向模板及縱向梯度近似值均通過以下公式來計算梯度的大?。?/p>

式中，G表示每個像素點的梯度大??；

(5)輸入影像中像素點參照式(7)產生對應的梯度矢量或其法矢量；

(6)邊緣信息影像中每一個像素點的亮度值代表了其邊緣強度值。

6.根據權利要求5所述的面向衛星在軌應用的空間信息智能一體化生成方法，其特征在于，所述頻域變換顯著性模型和邊緣梯度特征顯著性模型通過二維高斯型混合函數進行融合，所述二維高斯型混合函數定義為：

式中，S_edge表示邊緣梯度特征圖，S_GBVS表示計算得到的顯著圖，σ表示方差，exp表示以e為底的指數函數。

7.根據權利要求2至6中任一項所述的面向衛星在軌應用的空間信息智能一體化生成方法，其特征在于，所述步驟S22與步驟S23之間還包括以下過程：

進行形態學腐蝕運算，消除目標區域附近的細小突出，去除點狀噪聲；

利用膨脹運算將目標區域內部的狹縫去掉，使目標區域更完整；

利用形態學重構填充目標區域內部的孔洞，得到精確的目標區域檢測結果。