[發明專利]單極對象圖像成像方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110579326.4
• 申請日: 2021-05-26
• 公開（公告）號: CN113313729A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 向天翔
• 申請（專利權）人: 惠州中國科學院遙感與數字地球研究所空間信息技術研究院
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06K9/62;G06T3/40
• 代理公司: 惠州知儂專利代理事務所(普通合伙) 44694
• 代理人: 劉羽

本申請提供一種單極對象圖像成像方法、裝置、計算機設備和存儲介質。所述方法包括獲取單極對象圖像；根據所述單極對象圖像獲取景圖參數；對所述景圖參數進行交替變損操作，得到焦損狀態值；對所述焦損狀態值以及預設焦損值進行差余操作，得到焦損差分值；根據所述焦損差分值調整焦損調節因子，以使所述焦損狀態值與所述預設焦損值匹配。通過對單極對象圖像獲取焦損狀態值，通過焦損狀態值以及預設焦損值的比較，得到的焦損差分值是對當前單極對象圖像的分辨率與清晰圖像的分辨率的差異體現，最后根據焦損差分值調整焦損調節因子，有效地調整焦損狀態值，使得單極對象圖像成像后的焦損降低，從而使得單極對象圖像的成像率提高。

技術領域

本發明涉及無人機航拍技術領域，特別是涉及一種單極對象圖像成像方法、裝置、計算機設備和存儲介質。

背景技術

無人機偵查正在逐步替代人工偵查，降低了人工成本，而且，提高了偵查效率。傳統的無人機在航行過程中，會通過航拍器對地面進行航拍，以得到地面的航拍圖像，其中，對于航拍圖像的解析，通常采用對象檢測器，目前精度最高的對象檢測器的工作原理是基于RCNN(Region Convolutional Neural Networks，區域卷積神經網絡)推廣的兩階段方法，其中分類器應用及其廣泛，單極探測器應用于規則密集的可能的目標，有益于更好的取樣。

然而，傳統的單極探測器在準確性方面則較為落后，當檢測時，密集的目標采樣速度快，但其精度過低，導致無效成像，從而導致最終用于辨識的圖像的成像率下降，使得圖像成像無法正確識別。

發明內容

本發明的目的是克服現有技術中的不足之處，提供一種提高圖像成像率的單極對象圖像成像方法、裝置、計算機設備和存儲介質。

本發明的目的是通過以下技術方案來實現的：

一種單極對象圖像成像方法，所述方法包括：

獲取單極對象圖像；

根據所述單極對象圖像獲取景圖參數；

對所述景圖參數進行交替變損操作，得到焦損狀態值；

對所述焦損狀態值以及預設焦損值進行差余操作，得到焦損差分值；

根據所述焦損差分值調整焦損調節因子，以使所述焦損狀態值與所述預設焦損值匹配。

在其中一個實施例中，所述根據所述單極對象圖像獲取景圖參數，包括：根據所述單極對象圖像獲取前景圖像參數；對所述前景圖像參數標定對應的第一分類值。

在其中一個實施例中，所述根據所述單極對象圖像獲取景圖參數，還包括：根據所述單極對象圖像獲取背景圖像參數；對所述背景圖像參數標定對應的第二分類值。

在其中一個實施例中，所述對所述景圖參數進行交替變損操作，得到焦損狀態值，包括：對所述景圖參數進行交叉熵損處理，得到熵損值以及對應的分類概率。

在其中一個實施例中，所述對所述景圖參數進行交叉熵損處理，得到熵損值以及對應的分類概率，之后還包括：對所述熵損值以及所述分類概率進行焦損處理，得到焦損狀態值。

在其中一個實施例中，所述根據所述焦損差分值調整焦損調節因子，包括：檢測所述焦損差分值是否大于預設差分值；當所述焦損差分值大于所述預設差分值時，增大所述焦損調節因子。

在其中一個實施例中，所述檢測所述焦損差分值是否大于預設差分值，之后還包括：當所述焦損差分值小于或等于所述預設差分值時，獲取并維持當前的焦損調節因子。

一種單極對象圖像成像裝置，所述裝置包括：

圖像采集模塊，用于獲取單極對象圖像；

圖像轉換模塊，用于根據所述單極對象圖像獲取景圖參數；