【技术实现步骤摘要】
一种在线提取视频卫星数据鉴别特征的方法
本专利技术涉及图像处理
，尤其涉及一种在线提取视频卫星数据鉴别特征的方法。
技术介绍
机器学习与计算机视觉应用领域普遍认为，机器理解世界有两种主流方式：“相似式”与“鉴别式”。虽然现有技术中利用深度学习理论对地面视频的图像进行检测处理已有成熟应用。但由于视频卫星数据与地面视频数据有本质不同，其中包括拍摄角度不同、观测角度不同、传感器搭载平台不同、空间分辨率不同、成像方式不同以及图像对比度不同，因而无法将计算机视觉应用领域的图像处理方法直接应用到视频卫星中。在现有视频图像检测处理技术方面，典型深度学习模型往往根源于“相似式”学习，注重目标自身特征的表示。而“鉴别式”学习，也注重目标特征，但此目标特征，是与背景不一致的、目标的专属特征，即鉴别特征。“鉴别特征”对于图像识别过程有着重要意义，目前对于“鉴别式”的学习应用相对而言较少。因此如何提高鉴别特征提取效率，准确提取出视频卫星数据的鉴别特征，将鉴别特征有效应用在图像处理过程，对视频对象中图像识别或目标检测具有重要意义。
【技术保护点】
1.一种在线提取视频卫星数据鉴别特征的方法，其特征在于，获取视频卫星数据的图像，对获取到的图像进行数据标注，然后将数据标注后的标注区域作为鉴别特征提取范围，在线训练对称语义分割模型，采用训练后的对称语义分割模型和自编码网络模型提取鉴别特征，具体包括以下步骤：/nS1，采用UC-MERCED数据集在线训练对称语义分割模型，以便更有效地获取到视频卫星数据中的影像特征；/nS2,利用训练后的对称语义分割模型对视频卫星数据进行语义分割，得到一系列的影像特征图，最终分割成具有一定语义含义的区域块，并识别出每个区域块的语义类别，从而得到具有逐像素语义标注的分割图像；/nS3，建立特征筛...
【技术特征摘要】
1.一种在线提取视频卫星数据鉴别特征的方法，其特征在于，获取视频卫星数据的图像，对获取到的图像进行数据标注，然后将数据标注后的标注区域作为鉴别特征提取范围，在线训练对称语义分割模型，采用训练后的对称语义分割模型和自编码网络模型提取鉴别特征，具体包括以下步骤：
S1，采用UC-MERCED数据集在线训练对称语义分割模型，以便更有效地获取到视频卫星数据中的影像特征；
S2,利用训练后的对称语义分割模型对视频卫星数据进行语义分割，得到一系列的影像特征图，最终分割成具有一定语义含义的区域块，并识别出每个区域块的语义类别，从而得到具有逐像素语义标注的分割图像；
S3，建立特征筛选机制，根据标注区域目标模板，从分割图像中筛选出含有语义的目标影像特征；
S4,将目标影像特征通过自编码网络模型进行语义信息优化与重构，得到与背景不一致的、目标的专属特征，从而提取得到视频卫星数据中目标的鉴别特征。
2.根据权利要求1所述的在线提取视频卫星数据鉴别特征的方法，其特征在于，步骤S1中具体包括：
S11，选取UC-MERCED数据集，所述UC-MERCED数据集中包括多种地物分类；
S12，对UC-MERCED数据集中的地物类别进行选择，有针对性地在线训练对称语义分割模型；
S13，最终获取已训练后的对称语义分割模型进入步骤S2。
3.根据权利要求2所述的在线提取视频卫星数据鉴别特征的方法，其特征在于，步骤S...
【专利技术属性】
技术研发人员：吕京国，曹逸飞，运则辉，耿宇，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。