一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法技术

本发明专利技术一种基于卫星正射影像全姿态的深度学习样本制备方法及目标识别方法，(1)利用目标的卫星正射影像数据，使用光线追踪的方法，生成飞行器与目标在不同距离、不同方位角、不同高低角下的目标区图像(也是待参与深度学习训练的样本)；(2)将所述目标区图像进行灰度反转处理，得到样本；(3)将所述目标区图像进行高斯模糊处理，得到样本；(4)将所述目标区图像进行对数变换，得到样本；(5)调整所述目标区图像亮度，得到样本；(6)对所述目标区图像进行直方图均衡化，得到样本；(7)将步骤(1)～(6)的样本形成最终的待参与深度学习训练的样本集；有利于提高对飞行器实际拍摄的目标图像进行识别的准确率。

【技术实现步骤摘要】
一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法
本专利技术涉及一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法以及制备系统及识别系统，属于图像处理

技术介绍
决定深度学习检测识别效果的好坏的因素之一就是样本的数量，如果样本数量足够的多，那么检测识别效果越好，目前对于车辆、人、飞机、船，猫和狗等这一类可分类目标现有样本是足够丰富的，所以检测效果取得了比较令人满意的结果。传统的对于某些特定建筑物这种目标，一般采用模板匹配的方式进行建筑物的识别，但是由于惯组的误差以及大机动的要求等种种因素，导致在这种情况下用模板匹配的方式进行某种特定建筑物的识别变得异常困难或很难实现，寄希望于用深度学习的方法去解决这个问题，但是使用深度学习首先要解决样本数量的问题，通常打击某个特定建筑物，如果想使用深度学习的方法进行检测识别，需要用照相机去采集目标在不同时间段，不同天候条件，不同距离，不同方位角、高低角条件下的图像作为训练样本，但是在实际操作中很难去实现，而且花费很大，目前能利用的只有一张卫星正射影像数据的信息，识别出的目标概本文档来自技高网...

【技术保护点】
1.一种基于卫星正射影像全姿态的深度学习样本制备方法，其特征在于步骤如下：/n(1)利用目标的卫星正射影像数据，使用光线追踪的方法，生成飞行器与目标在不同距离、不同方位角、不同高低角下的目标区图像；/n(2)将所述目标区图像进行灰度反转处理，得到待参与深度学习训练的样本；/n(3)将所述目标区图像进行高斯模糊处理，得到待参与深度学习训练的样本；/n(4)将所述目标区图像进行对数变换，得到待参与深度学习训练的样本；/n(5)调整所述目标区图像亮度，得到待参与深度学习训练的样本；/n(6)对所述目标区图像进行直方图均衡化，得到待参与深度学习训练的样本；/n(7)将步骤(1)～(6)的待参与深度学习...

【技术特征摘要】
1.一种基于卫星正射影像全姿态的深度学习样本制备方法，其特征在于步骤如下：
(1)利用目标的卫星正射影像数据，使用光线追踪的方法，生成飞行器与目标在不同距离、不同方位角、不同高低角下的目标区图像；
(2)将所述目标区图像进行灰度反转处理，得到待参与深度学习训练的样本；
(3)将所述目标区图像进行高斯模糊处理，得到待参与深度学习训练的样本；
(4)将所述目标区图像进行对数变换，得到待参与深度学习训练的样本；
(5)调整所述目标区图像亮度，得到待参与深度学习训练的样本；
(6)对所述目标区图像进行直方图均衡化，得到待参与深度学习训练的样本；
(7)将步骤(1)～(6)的待参与深度学习训练的样本形成最终的待参与深度学习训练的样本集。


2.根据权利要求1所述的一种基于卫星正射影像全姿态的深度学习样本制备及识别方法，其特征在于：目标为地面固定目标。


3.根据权利要求1所述的一种基于卫星正射影像全姿态的深度学习样本制备及识别方法，其特征在于：目标区，是指以目标为中心，设定的正方形区域，目标区的像素优选为300*300像素。


4.根据权利要求1所述的一种基于卫星正射影像全姿态的深度学习样本制备及识别方法，其特征在于：飞行器与目标的要求为：飞行器和目标的距离的偏差大于500米，方位角偏差大于20°，高低角偏差大于10°。


5.根据权利要求1所述的一种基于卫星正射影像全姿态的深度学习样本制备及识别方法，其特征在于：待识别的目标，其大小要求为大于10*10个像素。


6.一种基于卫星正射影像全姿态的深度学习样本制备的目标识别方法，其特征在于步骤如下：
(1)根据权利要求1所述的方法，得到最终的待参与深度学习训练的样本集；

【专利技术属性】
技术研发人员：郑文娟，靳松直，刘严羊硕，张辉，王亚辉，周斌，郝梦茜，丛龙剑，康旭冰，傅绍文，
申请(专利权)人：北京航天自动控制研究所，
类型：发明
国别省市：北京;11