[發(fā)明專利]一種溯源仿真模型關(guān)鍵影響因素的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110829364.0
• 申請(qǐng)日: 2021-07-22
• 公開(kāi)（公告）號(hào): CN113553708B
• 公開(kāi)（公告）日: 2023-04-25
• 發(fā)明（設(shè)計(jì)）人: 林娟;吳開(kāi)峰;馬靜;朱希娟;劉興潤(rùn);李霞;周越;段然;吳杰
• 申請(qǐng)（專利權(quán)）人: 北京環(huán)境特性研究所
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06T7/00
• 代理公司: 北京格允知識(shí)產(chǎn)權(quán)代理有限公司 11609
• 代理人: 周嬌嬌

1.一種溯源仿真模型關(guān)鍵影響因素的方法，其特征在于，包括：

基于待識(shí)別區(qū)域所包括的原始參數(shù)數(shù)據(jù)，生成至少兩個(gè)參數(shù)矩陣；其中，所述原始參數(shù)數(shù)據(jù)中包括至少兩個(gè)影響因素，每一個(gè)影響因素具有對(duì)應(yīng)的參數(shù)范圍，且任意兩個(gè)參數(shù)矩陣之間至少存在一個(gè)不同參數(shù)；

利用預(yù)先構(gòu)建的仿真模型，針對(duì)所述至少兩個(gè)參數(shù)矩陣得到所述待識(shí)別區(qū)域的至少兩個(gè)仿真圖像；所述至少兩個(gè)仿真圖像與所述至少兩個(gè)參數(shù)矩陣一一對(duì)應(yīng)；

針對(duì)所述至少兩個(gè)仿真圖像中每一個(gè)仿真圖像分別進(jìn)行特征計(jì)算，得到每一個(gè)仿真圖像的特征評(píng)價(jià)結(jié)果；

識(shí)別所述至少兩個(gè)仿真圖像中每一個(gè)仿真圖像是否包括指定目標(biāo)，得到每一個(gè)仿真圖像的識(shí)別結(jié)果；

根據(jù)所述至少兩個(gè)參數(shù)矩陣、每一個(gè)仿真圖像的特征評(píng)價(jià)結(jié)果和每一個(gè)仿真圖像的識(shí)別結(jié)果，從所述至少兩個(gè)影響因素中確定出關(guān)鍵影響因素；

所述根據(jù)所述至少兩個(gè)參數(shù)矩陣、每一個(gè)仿真圖像的特征評(píng)價(jià)結(jié)果和每一個(gè)仿真圖像的識(shí)別結(jié)果，從所述至少兩個(gè)影響因素中確定出關(guān)鍵影響因素，包括：

將所述至少兩個(gè)參數(shù)矩陣劃分成若干個(gè)矩陣組；其中，每一個(gè)矩陣組中包括的各參數(shù)矩陣對(duì)應(yīng)相同影響因素的不同參數(shù)；

針對(duì)每一個(gè)矩陣組，確定該矩陣組中包括的各參數(shù)矩陣的特征評(píng)價(jià)結(jié)果和識(shí)別結(jié)果，計(jì)算該矩陣組中各特征評(píng)價(jià)結(jié)果之間的離散度和各識(shí)別結(jié)果對(duì)應(yīng)的識(shí)別率，根據(jù)所述離散度和所述識(shí)別率確定是否將該矩陣組對(duì)應(yīng)的影響因素確定為所述關(guān)鍵影響因素；其中，通過(guò)對(duì)該關(guān)鍵影響因素調(diào)節(jié)獲得更接近于實(shí)測(cè)紅外圖像的仿真圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述離散度和所述識(shí)別率確定是否將該矩陣組對(duì)應(yīng)的影響因素確定為所述關(guān)鍵影響因素，包括：

當(dāng)所述離散度大于預(yù)設(shè)離散度閾值且所述識(shí)別率小于預(yù)設(shè)識(shí)別率閾值時(shí)，確定該離散度對(duì)應(yīng)的該矩陣組的影響因素為關(guān)鍵影響因素。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算該矩陣組中各特征評(píng)價(jià)結(jié)果之間的離散度，包括：

獲取該矩陣組各特征評(píng)價(jià)結(jié)果中用于表征相同特征元素的不同數(shù)值；

利用預(yù)設(shè)的算法對(duì)獲取的該不同數(shù)值進(jìn)行計(jì)算，得到離散度。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述從所述至少兩個(gè)影響因素中確定出關(guān)鍵影響因素之后，還包括：

基于與所述關(guān)鍵影響因素對(duì)應(yīng)的矩陣組，重新確定所述關(guān)鍵影響因素的參數(shù)范圍；

利用重新確定的所述關(guān)鍵影響因素的參數(shù)范圍以及所述仿真模型，得到對(duì)應(yīng)所述待識(shí)別區(qū)域的優(yōu)化后的仿真圖像。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述針對(duì)所述至少兩個(gè)仿真圖像中每一個(gè)仿真圖像分別進(jìn)行特征計(jì)算，得到每一個(gè)仿真圖像的特征評(píng)價(jià)結(jié)果，包括：

針對(duì)每一個(gè)仿真圖像，確定該仿真圖像的至少一個(gè)特征元素；所述特征元素包括對(duì)應(yīng)所述仿真圖像的輻射特征、位置特征、形狀特征、背景對(duì)比度特征和圖像質(zhì)量特征；

基于該仿真圖像的至少一個(gè)特征元素生成圖像特征矩陣，將所述圖像特征矩陣確定為該仿真圖像的特征評(píng)價(jià)結(jié)果。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述針對(duì)所述至少兩個(gè)仿真圖像中每一個(gè)仿真圖像分別進(jìn)行特征計(jì)算，得到每一個(gè)仿真圖像的特征評(píng)價(jià)結(jié)果，包括：

針對(duì)每一個(gè)仿真圖像，利用預(yù)先訓(xùn)練好的識(shí)別模型中的模型參數(shù)，計(jì)算該仿真圖像的特征向量，將該特征向量確定為該仿真圖像的特征評(píng)價(jià)結(jié)果；其中，所述特征向量中包括至少一個(gè)特征元素；該仿真圖像的識(shí)別結(jié)果是利用所述識(shí)別模型識(shí)別得到的。