[發明專利]基于星載云檢測的光學圖像有效壓縮方法

有效

• 申請號: 202111035620.5
• 申請日: 2021-09-06
• 公開（公告）號: CN113470127B
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 周舒婷;羅欽瀚;徐康
• 申請（專利權）人: 成都國星宇航科技有限公司
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06T5/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 衡滔

1.基于星載云檢測的光學圖像有效壓縮方法，其特征在于，包括：

步驟S1，獲取待壓縮圖像，從所述待壓縮圖像中識別出關注區域以及非關注區域；

步驟S2，根據預設的第一壓縮策略對包含關注區域的圖像進行壓縮，根據預設的第二壓縮策略對包含非關注區域的圖像進行壓縮；所述第一壓縮策略的保真度高于所述第二壓縮策略；其中：

步驟S1具體包括：

步驟S101，獲取待測的光學圖像；

步驟S102，將所述待測的光學圖像進行切片處理，得到多個切片圖像，并記錄每一個所述切片圖像在所述待測的光學圖像中的位置信息；

步驟S103，識別出每一個所述切片圖像中的子關注區域以及子非關注區域；

步驟S104，根據每一個所述切片圖像在所述待測的光學圖像中的位置信息，對所有的切片圖像子關注區域進行拼接得到關注區域圖像，對子非關注區域進行拼接得到非關注區域圖像，關注區域圖像和非關注區域圖像均為所述待壓縮圖像；

其中，所述多個切片圖像通過多個進程并行處理；

步驟S103中識別每一個所述切片圖像中的子關注區域和非子關注區域，具體識別方法為：

判斷所述切片圖像的圖像類型；所述圖像類型包括關注類切片圖像和非關注類切片圖像；

若所述切片圖像為關注類切片圖像，則確定所述切片圖像中所有的像素點組成的區域均屬于所述子關注區域；

若所述切片圖像為非關注類切片圖像，則識別所述切片圖像中的各個像素點為所述子關注區域內的像素點，或為所述子非關注區域內的像素點。

2.如權利要求1所述的基于星載云檢測的光學圖像有效壓縮方法，其特征在于，所述非關注區域為云掩膜區域；所述關注區域為非云掩膜區域；

所述云掩膜區域表征為所述待壓縮圖像中云層的區域，所述非云掩膜區域為所述待壓縮圖像中除所述云掩膜區域以外的區域。

3.如權利要求1所述的基于星載云檢測的光學圖像有效壓縮方法，其特征在于，判斷所述切片圖像的圖像類型，包括：

將每一個所述切片圖像輸入預設的分類算法判別模型中，得到每一個所述切片圖像的圖像類型；其中，所述分類算法判別模型為云判別模型。

4.如權利要求1所述的基于星載云檢測的光學圖像有效壓縮方法，其特征在于，步驟S103中，若所述切片圖像為非關注類切片圖像，則識別所述切片圖像中的各個像素點為所述子關注區域內的像素點或為所述子非關注區域內的像素點的具體處理過程包括：

利用所述非關注類切片圖像中各像素點的光譜信息，對所述非關注類切片圖像中的各像素點進行測試；

所述測試包括：藍色通道值測試、濕度測試、熱度測試、歸一化植被指數測試、歸一化水指數測試中的至少一種；

當所述非關注類切片圖像中的像素點滿足預設條件時，確定滿足所述預設條件的像素點組成的區域為所述子非關注區域；當所述測試結果不滿足預設條件時，確定不滿足所述預設條件的像素點組成的區域為所述子關注區域。

5.如權利要求3所述的基于星載云檢測的光學圖像有效壓縮方法，其特征在于，在步驟S2之后，所述方法還包括：

發送壓縮后的圖像；

接收最新模型參數，并將所述分類算法判別模型中的模型參數更新為所述最新模型參數；

所述最新模型參數為：基于所述壓縮后的圖像進行圖像處理，并對圖像處理后的圖像進行切片獲得多個樣本切片，且對每一所述樣本切片進行標記，利用標記后的所述樣本切片對與所述分類算法判別模型完全相同的模型進行訓練后確定出的模型參數。

6.如權利要求1所述的基于星載云檢測的光學圖像有效壓縮方法，其特征在于，步驟S101包括：

步驟S101-1，獲取原始光學圖像；

步驟S101-2，根據預設的輻射校正參數對所述原始光學圖像進行輻射校正，得到所述待測的光學圖像；

在步驟S2之后，所述方法還包括：

發送壓縮后的圖像；

接收最新輻射校正參數，并將所述預設的輻射校正參數更新為所述最新輻射校正參數；

所述最新輻射校正參數為：對所述壓縮后的圖像進行圖像處理后，根據圖像處理后的圖像重新確定出的輻射校正參數。