一种基于合成孔径雷达图像的数据融合增强算法制造技术

本发明专利技术公开了一种基于合成孔径雷达图像的数据融合增强算法，具体包括如下计算流程：获取SAR图像数据集；图像噪点等级划分；标签提取存储；图像底图制作；计算标签存在位置；按比例进行融合；重复迭代处理，本发明专利技术将SAR图像的标签提取并制作底图，并通过随机的方法计算融合的位置，再通过均方误差判断计算的位置是否符合图像使用标准，最后将所选位置与标签进行融合生成新数据集，能够在增强SAR图像数据集的同时，还可以保留SAR图像的独特特征信息，避免当前大部分数据增强算法改变SAR图像的独特特征信息，从而保证了SAR图像原有的信息不会被损坏，同时，本发明专利技术根据SAR图像在深度学习领域所存在的数据集匮乏问题。域所存在的数据集匮乏问题。域所存在的数据集匮乏问题。

【技术实现步骤摘要】
一种基于合成孔径雷达图像的数据融合增强算法


[0001]本专利技术涉及图像数据处理
，具体为一种基于合成孔径雷达图像的数据融合增强算法。

技术介绍

[0002]合成孔径雷达（SAR）是一种高分辨率成像雷达，可以在能见度极低的气象条件下得到类似光学照相的高分辨雷达图像，利用雷达与目标的相对运动把尺寸较小的真实天线孔径用数据处理的方法合成一较大的等效天线孔径的雷达，也称综合孔径雷达，合成孔径雷达的特点是分辨率高，能全天候工作，能有效地识别伪装和穿透掩盖物，所得到的高方位分辨力相当于一个大孔径天线所能提供的方位分辨力，当前的合成孔径雷达具有高穿透力、全天候的优点，所以此项遥感数据被广泛的应用在多个领域中，随着遥感领域的发展，SAR图像的应用也被引入到深度学习领域，在一些特定的应用场景中，SAR图像充分的发挥其所具备的优势；然而，目前由于获取SAR图像的渠道有限，数据集极度缺乏，导致SAR图像在深度学习领域中发展缓慢，使得SAR图像在深度学习领域存在数据集匮乏的问题，并且现有适用在深度学习上的数据增强算法大部分都是几何变换类和颜色变换类，由于SAR图像是通过天线给物体发射信号，再接收信号，在这个信号发射和接收的过程分为水平发射接收和垂直发射接收，所以SAR图像成像后都会带有大部分的噪点信息，因此深度学习上的大部分数据增强算法会改变SAR图像的独特特征信息，导致无法保留SAR图像的独特特征信息，使SAR图像原有的信息不被损坏。

技术实现思路

[0003]本专利技术提供一种基于合成孔径雷达图像的数据融合增强算法，可以有效解决上述
技术介绍
中提出目前由于获取SAR图像的渠道有限，数据集极度缺乏，导致SAR图像在深度学习领域中发展缓慢，使得SAR图像在深度学习领域存在数据集匮乏的问题，并且现有适用在深度学习上的数据增强算法大部分都是几何变换类和颜色变换类，由于SAR图像是通过天线给物体发射信号，再接收信号，在这个信号发射和接收的过程分为水平发射接收和垂直发射接收，所以SAR图像成像后都会带有大部分的噪点信息，因此深度学习上的大部分数据增强算法会改变SAR图像的独特特征信息，导致无法保留SAR图像的独特特征信息，使SAR图像原有的信息不被损坏的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于合成孔径雷达图像的数据融合增强算法，将SAR图像的标签提取并制作底图，通过随机的方法计算融合的位置，再通过均方误差判断计算的位置是否符合图像使用标准，最后将所选位置与标签进行融合生成新数据集；具体包括如下计算流程：S1、获取SAR图像数据集；
S2、图像噪点等级划分；S3、标签提取存储；S4、图像底图制作；S5、计算标签存在位置；S6、按比例进行融合；S7、重复迭代处理。
[0005]根据上述技术方案，所述S1中，获取SAR图像数据集主要是指准备好SAR图像的数据集以及SAR图像边框的标签信息。
[0006]根据上述技术方案，所述S2中，图像噪点等级划分是指在获取SAR图像的数据集以及边框的标签信息后，对SAR图像通过计算图像的均方误差的范围从而实现对图像噪点等级进行划分处理。
[0007]根据上述技术方案，在S2中，在实现对图像噪点进行等级划分时，主要依照图像内存在的噪点信息的数量来进行划分，具体将图像噪点的等级划分为无噪点、少噪点和多噪点三个等级。
[0008]根据上述技术方案，所述S3中，标签提取存储具体是指通过SAR图像的边框信息将标签所在区域进行提取单独，并将单独提取后的信息进行保存。
[0009]根据上述技术方案，所述S4中，图像底图制作具体是指在S3中对标签所在的区域进行单独提取后，在原图上随机裁剪其他区域的同等大小的图斑进行覆盖，从而生成一张新的图像底图以做备用。
[0010]根据上述技术方案，所述S5中，计算标签存在位置具体指通过随机抽取的方式来提取标签图斑和底图，并在图像底图上随机选择一个位置。
[0011]根据上述技术方案，在S5中，在图像底图位置确定后，通过均方误差计算所选区域是否符合标签存在的位置；若所选区域不符合标签存在的位置，则重新执行步骤S4进行重复操作，若所选区域符合标签存在的位置，则进入步骤S6。
[0012]根据上述技术方案，所述S6中，按比例进行融合具体指在S5中，当所选区域符合标签存在的位置后，将标签与所选区域用OpenCv库以8：2的比例进行融合处理，并在按照比你融合处理后，再镶嵌进底图对应的位置上。
[0013]根据上述技术方案，所述S7中，重复迭代处理具体是指重复迭代步骤S4到步骤S6的处理过程，直到SAR图像数据全部迭代完成。
[0014]与现有技术相比，本专利技术的有益效果：本专利技术结构科学合理，使用安全方便：1、本专利技术将SAR图像的标签提取并制作底图，并通过随机的方法计算融合的位置，再通过均方误差判断计算的位置是否符合图像使用标准，最后将所选位置与标签进行融合生成新数据集，能够在增强SAR图像数据集的同时，还可以保留SAR图像的独特特征信息，避免当前大部分数据增强算法改变SAR图像的独特特征信息，从而保证了SAR图像原有的信息不会被损坏；同时，本专利技术根据SAR图像在深度学习领域所存在的数据集匮乏问题，能够基于数据集增强算法来解决当前数据集缺乏导致模型泛化能力不强的问题，以此使得SAR图像在增强处理后的后续应用过程中能够充分的发挥出其所具备的优势。
附图说明
[0015]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。
[0016]在附图中：图1是本专利技术增强算法的流程框图；图2是本专利技术增强算法的步骤流程图；图3是本专利技术提取出标签图的示意图；图4是本专利技术生成新的数据集的示意图。
具体实施方式
[0017]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0018]实施例1：如图1
‑
4所示，本专利技术提供一种技术方案，一种基于合成孔径雷达图像的数据融合增强算法，将SAR图像的标签提取并制作底图，通过随机的方法计算融合的位置，再通过均方误差判断计算的位置是否符合图像使用标准，最后将所选位置与标签进行融合生成新数据集；具体包括如下计算流程：S1、获取SAR图像数据集；S2、图像噪点等级划分；S3、标签提取存储；S4、图像底图制作；S5、计算标签存在位置；S6、按比例进行融合；S7、重复迭代处理。
[0019]基于上述技术方案，所述S1中，获取SAR图像数据集主要是指准备好SAR图像的数据集以及SAR图像边框的标签信息。
[0020]基于上述技术方案，所述S2中，图像噪点等级划分是指在获取SAR图像的数据集以及边框的标签信息后，对SAR图像通过计算图像的均方误差的范围从而实现对图像噪点等级进行划分处理。
[0021]基于上述技术方案，在S2中，在实现对图像噪点进行等级划分时，主要依照图像内存在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于合成孔径雷达图像的数据融合增强算法，其特征在于：将SAR图像的标签提取并制作底图，通过随机的方法计算融合的位置，再通过均方误差判断计算的位置是否符合图像使用标准，最后将所选位置与标签进行融合生成新数据集；具体包括如下计算流程：S1、获取SAR图像数据集；S2、图像噪点等级划分；S3、标签提取存储；S4、图像底图制作；S5、计算标签存在位置；S6、按比例进行融合；S7、重复迭代处理。2.根据权利要求1所述的一种基于合成孔径雷达图像的数据融合增强算法，其特征在于：所述S1中，获取SAR图像数据集主要是指准备好SAR图像的数据集以及SAR图像边框的标签信息。3.根据权利要求2所述的一种基于合成孔径雷达图像的数据融合增强算法，其特征在于：所述S2中，图像噪点等级划分是指在获取SAR图像的数据集以及边框的标签信息后，对SAR图像通过计算图像的均方误差的范围从而实现对图像噪点等级进行划分处理。4.根据权利要求3所述的一种基于合成孔径雷达图像的数据融合增强算法，其特征在于：在S2中，在实现对图像噪点进行等级划分时，主要依照图像内存在的噪点信息的数量来进行划分，具体将图像噪点的等级划分为无噪点、少噪点和多噪点三个等级。5.根据权利要求1所述的一种基于合成孔径雷达图像的数据融合增强算法，其特征在于：所述S3中，标签提取存储具体是指通过SAR图像的边框信息将标签所在区域进行提取单独，并...

【专利技术属性】
技术研发人员：程福健，
申请(专利权)人：地卫二空间技术杭州有限公司，
类型：发明
国别省市：