面向天基目标检测机器学习的海量多波段图像生成方法技术

本发明专利技术涉及一种面向天基目标检测机器学习的海量多波段图像生成方法，所述方法通过三维目标的光学特性计算，将目标光学成像融合到二维背景中，并能快速完成多波段的光学图像仿真。本文针对多波段机器学习的目标检测算法中缺乏大量训练样本的问题，提出一种目标与背景融合的快速计算方法，该方法中包含对背景在多波段的光学图像仿真，以及利用三维模型光学特性计算方法向背景中添加具有阴影效果的目标光学特性图像，并通过气象参数设置和温度计算实现不同时项条件下的模拟。实验表明，本方法在保证光学特性计算精度的同时，可以快速仿真出融合三维目标的多波段光学图像。出融合三维目标的多波段光学图像。出融合三维目标的多波段光学图像。

【技术实现步骤摘要】
面向天基目标检测机器学习的海量多波段图像生成方法


[0001]本专利技术涉及图像处理技术和辐射计算技术，具体为一种面向天基目标检测机器学习的海量多波段图像生成方法。

技术介绍

[0002]遥感图像无论在民用领域或军事领域都具有十分重要的作用，随着深度神经网络的快速发展，遥感图像在目标检测、分割、跟踪和识别等方面的应用得到了有力推动。但由于硬件水平和成本的限制，目前某些波段(如中红外波段)的遥感图像会存在获取难度大和分辨率过低的问题，且对深度学习中海量训练样本的需求也无法满足。
[0003]目前主流的遥感图像仿真方式是采用仿真软件平台进行场景仿真，通过对目标和场景进行分析建模得到三维模型，然后根据光学辐射理论和遥感成像链路模型计算感兴趣波段光学图像。相比采用外场实拍图像的方式，图像仿真软件不仅减少了成本，还能进行任意参数条件下的仿真。但是该方法要对背景和目标都进行建模，其中大尺度背景的建模和计算十分耗时耗力；而深度学习的目标检测方法主要针对目标的特征进行提取，所以背景的高精度光学特征仿真往往会造成时间和计算成本的浪费，不适用于快速生成面向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向天基目标检测机器学习的海量多波段图像生成方法，其特征在于，所述方法包括：步骤1：输入遥感底图并判断图像类型，根据地物反射率数据库完成类别判定和感兴趣波段反射率查询，对全色底图进行地物分类和感兴趣波段反射率人工设定；步骤2：根据所述遥感底图的地物分类结果，建立包括目标在内的典型场景简化模型，结合所需的气候条件与时项参数在热仿真软件中计算，确定目标和各类地物的气象条件和温度分布；步骤3：输入探测器和地面坐标数据，结合步骤1得到的感兴趣波段反射率底图，通过载荷几何成像模块得到相机成像范围下的背景反射率图像，根据步骤2中的气象条件与温度分布结果，计算出背景辐射亮度图像；步骤4：输入三维目标模型和地面模型，结合步骤3中的坐标数据、步骤2中气象条件和温度分布，通过三维模型光学特性计算模块得到模型的反射太阳辐射亮度和热辐射亮度，利用MODTRAN计算大气辐射亮度和模型反射环境辐射亮度，将所有辐射部分叠加得到具有阴影效果的三维目标辐射亮度图像；步骤5：将步骤3与4得到的背景和三维目标辐射亮度图像进行空间上的融合，并利用调制传递函数为探测器入瞳的目标及背景辐射亮度图像附加探测器性能影响，最终得到感兴趣波段的仿真图像。2.根据权利要求1所述的面向天基目标检测机器学习的海量多波段图像生成方法，其特征在于，所述步骤4具体为：步骤4.1，输入三维目...

【专利技术属性】
技术研发人员：张寅，李正稳，夏翀翔，章琪琪，范亦唯，闫钧华，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：