一种基于多层感知机的遥感影像色彩评价方法和系统技术方案

本发明专利技术公开了一种基于多层感知机的遥感影像色彩评价方法和系统，该方法包括：构建携带有标签信息的遥感影像缩略图样本库；对遥感影像缩略图样本库中的各缩略图样本进行特征提取；构建用于二分类的待训练多层感知机神经网络模型；根据遥感影像缩略图样本库中的各缩略图样本和提取的特征，对待训练多层感知机神经网络模型进行训练，得到网络参数；根据得到的网络参数，对待训练多层感知机神经网络模型进行参数更新，得到多层感知机神经网络模型；根据多层感知机神经网络模型，对待测试遥感影像进行色彩评价。通过本发明专利技术实现了对遥感影像的自动检测识别，给出了色彩是否正常的预测结果。

A method and system of remote sensing image color evaluation based on multi-layer perceptron

【技术实现步骤摘要】
一种基于多层感知机的遥感影像色彩评价方法和系统
本专利技术属于可见光遥感图像
，尤其涉及一种基于多层感知机的遥感影像色彩评价方法和系统。
技术介绍
遥感即遥感地感知，一般是指运用传感器对物体的电磁波的辐射、反射特性的非接触的、远距离的探测，并通过分析，揭示出物体的特征性质及其变化的综合性探测技术。光学遥感属于遥感的一种，其产品一般为多波段的遥感影像。目前，我国已经发射了多颗高分辨率光学卫星，在轨运行的多达几十颗，每天的遥感影像生产任务比较繁重。在影像生产过程中，由于传感器异常、数据传输异常、处理程序缺陷等多种原因，可能导致小部分遥感影像存在偏色、像素值异常、数据缺失等问题。对这些问题影像的检测是遥感影像质量控制的重要一环，如果全部由人工完成，时间成本、人力成本较大，且会大大影响遥感影像发布的实时性。因此，自动化的遥感影像色彩评价显得非常有必要。而且，由于色彩异常的影像的类型多种多样，例如偏色影像就有偏蓝、偏紫、偏绿、偏红等多种问题，因此，使用单一的问题导向的直接分析计算方式来进行异常检测效果较差。
技术实现思路
本专利技术的技术解决问题：克服现有技术的不足，提供一种基于多层感知机的遥感影像色彩评价方法和系统，实现了对遥感影像的自动检测识别，给出了色彩是否正常的预测结果。为了解决上述技术问题，本专利技术公开了一种基于多层感知机的遥感影像色彩评价方法，包括：构建携带有标签信息的遥感影像缩略图样本库；对遥感影像缩略图样本库中的各缩略图样本进行特征提取；构建用于二分类的待训练多层感知机神经网络模型；根据遥感影像缩略图样本库中的各缩略图样本和提取的特征，对待训练多层感知机神经网络模型进行训练，得到网络参数；根据得到的网络参数，对待训练多层感知机神经网络模型进行参数更新，得到多层感知机神经网络模型；根据多层感知机神经网络模型，对待测试遥感影像进行色彩评价。相应的，本专利技术还公开了一种基于多层感知机的遥感影像色彩评价系统，包括：样本构建模块，用于构建携带有标签信息的遥感影像缩略图样本库；特征提取模块，用于对遥感影像缩略图样本库中的各缩略图样本进行特征提取；模型构建模块，用于构建用于二分类的待训练多层感知机神经网络模型；参数训练模块，用于根据遥感影像缩略图样本库中的各缩略图样本和提取的特征，对待训练多层感知机神经网络模型进行训练，得到网络参数；模型更新模块，用于根据得到的网络参数，对待训练多层感知机神经网络模型进行参数更新，得到多层感知机神经网络模型；色彩评价模块，用于根据多层感知机神经网络模型，对待测试遥感影像进行色彩评价。本专利技术具有以下优点：(1)本专利技术公开了一种基于多层感知机的遥感影像色彩评价方案，通过抽取维特征输入多层感知机神经网络模型，对影像色彩情况进行预测，实现了基于多层感知机的遥感影像自动化色彩评价，且模型搭建、训练简单，浅层的模型就可以很好地解决问题。(2)本专利技术公开了一种基于多层感知机的遥感影像色彩评价方案，多层感知机神经网络模型不关注色彩异常问题本身，只要输入的特征有足够的表达能力，其内部的非线性机制可以较好地拟合各种色彩异常问题，所以能够有效地统一检测所有色彩异常类型。(3)本专利技术公开了一种基于多层感知机的遥感影像色彩评价方案，检测精度和自动化程度高，能够大幅度提高检测效率，降低人工成本，适合部署于影像生产系统中，进行长期自动检测。附图说明图1是本专利技术实施例中一种基于多层感知机的遥感影像色彩评价方法的步骤流程图；图2是本专利技术实施例中一种多层感知机结构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术公开的实施方式作进一步详细描述。实施例1如图1，在本实施例中，该基于多层感知机的遥感影像色彩评价方法，包括：步骤101，构建携带有标签信息的遥感影像缩略图样本库。在本实施例中，样本库的构建方式可以如下：获取遥感卫星多光谱相机采集到的多光谱遥感图像；对所述多光谱遥感图像进行下采样和真彩色合成处理，得到jpg格式的遥感影像缩略图；根据得到的jpg格式的遥感影像缩略图的色彩状态信息，对得到的jpg格式的遥感影像缩略图进行标签化处理；根据标签化处理后的jpg格式的遥感影像缩略图，构建得到所述携带有标签信息的遥感影像缩略图样本库。步骤102，对遥感影像缩略图样本库中的各缩略图样本进行特征提取。在本实施例中，对遥感影像缩略图样本库中的各缩略图样本进行了包含Lab色彩空间色偏因子等的27维的特征提取。其中，27维的特征如下：BlackRatio：黑像素比；WhiteRatio：白像素比；cast：色偏因子；da：Lab色彩空间a分量均值，db：Lab色彩空间b分量均值；D：Lab色彩空间等价圆心与原点间距离；M：Lab色彩空间等价圆半径；cast_NNO：中性灰区域色偏因子；da_NNO：Lab色彩空间中性灰区域a分量均值；db_NNO：Lab色彩空间中性灰区域b分量均值；D_NNO：Lab色彩空间中性灰区域等价圆心与原点间距离；M_NNO：Lab色彩空间中性灰区域等价圆半径；D_cr：Lab色彩空间等价圆心与原点间距离变化幅度；M_cr：Lab色彩空间等价圆半径变化幅度；CCI：色彩度；Mean_R：R波段像素均值；Dev_R：R波段标准差；Avg_R：R波段平均梯度；Entropy_R：R波段熵值；Mean_G：G波段像素均值；Dev_G：G波段标准差；Avg_G：G波段平均梯度；Entropy_G：G波段熵值；Mean_B：B波段像素均值；Dev_B：B波段标准差；Avg_B：B波段平均梯度；Entropy_B：B波段熵值。优选的，特征提取的具体流程可以如下：计算得到遥感影像缩略图样本库中的各缩略图样本的黑像素掩膜和白像素掩膜，分别除以总像素数得到黑像素比和白像素比共计2维特征；将遥感影像缩略图样本库中的各缩略图样本从RGB色彩空间转换至Lab色彩空间，并结合黑像素掩膜和白像素掩膜，计算得到cast、da、db、D、M、cast_NNO、da_NNO、db_NNO、D_NNO、M_NNO、D_cr和M_cr，共计12维特征；根据黑像素与白像素掩膜，计算得到色彩度CCI；根据黑像素与白像素掩膜，逐波段计算得到R波段、G波段和B波段各自对应的像素均值、标准差、平均梯度与熵值，共计3×4＝12维特征。优选的，色偏因子cast、Lab色彩空间等价圆心与原点间距离D、Lab色彩空间等价圆半径M的计算公式可以如下：cast＝(D-M)/M其中，σa表示Lab色彩空间a分量的标准差，σb表示Lab色彩空间b分量的标准差。优选的，cast_NNO、da_NNO、db_NNO、D_NNO、M_NNO的计算流程如下：若I(i,j)像素为NNO区域(nearneutralobjects，NNO，中性灰区域)本文档来自技高网...

【技术保护点】
1.一种基于多层感知机的遥感影像色彩评价方法，其特征在于，包括：/n构建携带有标签信息的遥感影像缩略图样本库；/n对遥感影像缩略图样本库中的各缩略图样本进行特征提取；/n构建用于二分类的待训练多层感知机神经网络模型；/n根据遥感影像缩略图样本库中的各缩略图样本和提取的特征，对待训练多层感知机神经网络模型进行训练，得到网络参数；/n根据得到的网络参数，对待训练多层感知机神经网络模型进行参数更新，得到多层感知机神经网络模型；/n根据多层感知机神经网络模型，对待测试遥感影像进行色彩评价。/n

【技术特征摘要】
1.一种基于多层感知机的遥感影像色彩评价方法，其特征在于，包括：
构建携带有标签信息的遥感影像缩略图样本库；
对遥感影像缩略图样本库中的各缩略图样本进行特征提取；
构建用于二分类的待训练多层感知机神经网络模型；
根据遥感影像缩略图样本库中的各缩略图样本和提取的特征，对待训练多层感知机神经网络模型进行训练，得到网络参数；
根据得到的网络参数，对待训练多层感知机神经网络模型进行参数更新，得到多层感知机神经网络模型；
根据多层感知机神经网络模型，对待测试遥感影像进行色彩评价。


2.根据权利要求1所述的基于多层感知机的遥感影像色彩评价方法，其特征在于，构建携带有标签信息的遥感影像缩略图样本库，包括：
获取遥感卫星多光谱相机采集到的多光谱遥感图像；
对所述多光谱遥感图像进行下采样和真彩色合成处理，得到jpg格式的遥感影像缩略图；
根据得到的jpg格式的遥感影像缩略图的色彩状态信息，对得到的jpg格式的遥感影像缩略图进行标签化处理；
根据标签化处理后的jpg格式的遥感影像缩略图，构建得到所述携带有标签信息的遥感影像缩略图样本库。


3.根据权利要求1所述的基于多层感知机的遥感影像色彩评价方法，其特征在于，对遥感影像缩略图样本库中的各缩略图样本进行特征提取，包括：
计算得到遥感影像缩略图样本库中的各缩略图样本的黑像素掩膜和白像素掩膜，分别除以总像素数得到黑像素比和白像素比共计2维特征；
将遥感影像缩略图样本库中的各缩略图样本从RGB色彩空间转换至Lab色彩空间，并结合黑像素掩膜和白像素掩膜，计算得到cast、da、db、D、M、cast_NNO、da_NNO、db_NNO、D_NNO、M_NNO、D_cr和M_cr，共计12维特征；
根据黑像素与白像素掩膜，计算得到色彩度CCI；
根据黑像素与白像素掩膜，逐波段计算得到R波段、G波段和B波段各自对应的像素均值、标准差、平均梯度与熵值，共计3×4＝12维特征。


4.根据权利要求3所述的基于多层感知机的遥感影像色彩评价方法，其特征在于，黑像素为：RGB三波段均为零的像素，白像素为：RGB三波段像素值均大于253的像素。


5.根据权利要求1所述的基于多层感知机的遥感影像色彩评价方法，其特征在于，待训练多层感知机神经网络模型包含2个隐藏层，每个隐藏层含有50个神经元，激活函数为ReLU函数。

【专利技术属性】
技术研发人员：王海波，尤江彬，徐文，喻文勇，王巍霖，李晓进，
申请(专利权)人：中国资源卫星应用中心，
类型：发明
国别省市：北京;11