【技术实现步骤摘要】
一种面向软件定义卫星的成像系统及成像方法
[0001]本申请涉及数字图像处理领域，具体而言本申请实施例涉及一种面向软件定义卫星的成像系统及成像方法。
技术介绍
[0002]基于数字图像处理的航天相机成像控制系统架构与一般相机类似，在成像过程中通过内置算法调节光圈、感光度、曝光时间、焦距等核心参数以获取更高质量的图像，主要研究集中在自动曝光(AE)、自动对焦(AF)和自动白平衡(AWB)三个领域，通常称为3A技术。
[0003]近年来随着深度学习技术的兴起，也有学者尝试将神经网络应用于最佳曝光参数的求解问题中，但由于各相机型号及成像场景的差异巨大，且目前缺乏公开可用的训练数据集，相关数据驱动的算法模型迁移性较差，实际的使用价值和落地场景有限。
技术实现思路
[0004]本申请实施例的目的在于提供一种面向软件定义卫星的成像系统及成像方法，通过本申请实施例的可移动的自适应曝光成像系统以及方法使得相机载荷在成像过程中，每次迭代阶段都无需进行评价值估计，加速了成像过程。
[0005]第一方面，本申请的一...
【技术保护点】
【技术特征摘要】
1.一种面向软件定义卫星的成像系统，其特征在于，所述成像系统包括：相机载荷，被配置为：根据初始化成像参数获取RGB三通道图像；以及根据曝光值增量确定目标成像参数的值，并根据所述目标成像参数的值生成新的RGB三通道图像，其中，所述的相机载荷包括镜头组件、感光器件以及图像处理器ISP；成像决策智能体，被配置为：接收所述RGB三通道图像；根据所述RGB三通道图像得到所述曝光值增量并提供给所述相机载荷；以及，确认达到设定的循环次数，向空间视觉处理任务提供目标RGB三通道图像；其中，所述目标成像参数的类型包括：曝光时间、感光度、增益或者光圈。2.如权利要求1所述的成像系统，其特征在于，通过曝光仿真图像集训练智能体，得到所述成像决策智能体，其中，所述曝光仿真图像集是通过伽玛校正理论对多曝光遥感图像进行合成得到的。3.如权利要求2所述的成像系统，其特征在于，通过如下方法获取用于训练所述智能体的标注数据：选择遥感数据集中的图像作为初始样本数据，并将所述图像的像素值归一化到[0,1]空间；对所述初始样本数据中的每幅图像，根据第一伽马值应用伽马校正将所述每幅图像映射到线形空间，得到第一校正图像集，其中，所述第一伽马值为2.2；通过乘法的方式对所述第一校正图像集中的图像的亮度值进行线形调整，以模拟不同的曝光量，得到多曝光量图像集；根据第二伽马值，再次应用伽马校正将所述多曝光量图像集中的图像复原到非线形空间中，得到所述曝光仿真图像集，其中，所述第二伽马值为1/2.2；根据空间感知任务的不同，为所述曝光仿真图像集中图像合成相应的任务数据标注。4.如权利要求3所述的成像系统，其特征在于，所述选择遥感数据集中的图像作为初始样本数据，包括：选择所述遥感数据集中的图像作为基础元数据；对所述基础元数据中的图像进行数据增强操作，得到所述初始样本数据，其中，所述数据增强操作包括：翻转、裁剪、旋转、伸缩、位移和噪声添加中的至少一种。5.如权利要求1
‑
2任一项所述的成像系统，其特征在于，所述成像决策智能体是通过如下策略训练得到的：通过将训练中的智能体与空间环境交互，探索和积累不同成像参数组合的历史经验数据，并基于反馈控制的认知学习机制来拟合逼近评价函数与曝光值之间的非线性映射关系，以挖掘出适用于目标空间感知任务的最优RGB三通道图像与曝光值增量之间的对应关系，得到自适应的曝光决策。6.如权利要求2所述的成像系统，其特征在于，通过如下策略训练所述智能体：随机初始化状态，选择一张由第一种类的相机载荷输出的RGB图像；重复执行循环过程直至目标空间感知任务对应的智能体的模型收敛，得到所述成像决策智能体，其中，所述循环过程包括：
将所述RGB图像输入所述智能体，由所...
【专利技术属性】
技术研发人员：赵军锁，林翊钧，吴凤鸽，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：
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。