System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于数据安全防护,更具体地,涉及一种卫星情报及训练数据仓库网络安全防护方法及系统。
技术介绍
1、图像处理技术正在不断发展和演进,涉及多个领域。以下是一些图像处理技术的现状:
2、深度学习与卷积神经网络(cnn):
3、深度学习已经在图像处理领域取得了显著的成就。卷积神经网络(cnn)是在图像分类、目标检测、分割等任务中表现出色的主流方法。
4、预训练的深度学习模型(如imagenet上的模型)可以用于迁移学习,加速许多图像处理任务的训练和执行。
5、图像生成与gan(生成对抗网络):
6、生成对抗网络(gan)是一种强大的技术,可用于图像生成、风格转换和图像增强。gan可以生成逼真的图像,甚至可以用于创造艺术作品。
7、超分辨率:
8、超分辨率技术旨在通过增加图像的空间分辨率来提高图像质量。深度学习方法在这方面取得了重要的进展,使得从低分辨率图像生成高分辨率图像成为可能。
9、但是现有技术中并没有一种技术方案,能够对图像进行处理,并且增加图像存储的安全性。
技术实现思路
1、为解决以上技术问题,本专利技术提出一种卫星情报及训练数据仓库网络安全防护方法,所述卫星情报为卫星遥感图像,所述训练数据为训练场的地形图像,包括:
2、将所述卫星遥感图像和所述地形图像作为原始图像,获取所述原始图像的像素,设置图像切割模型,根据所述原始图像的像素和预设切割后的图像块的长度和高度,
3、将切割后的图像块,分别存储在云端的多个存储区域,并为每个存储区域设置安全等级,并与用户自身的安全等级进行安全性校验,通过后才能提取存储区域中的图像块。
4、进一步的,所述图像切割模型包括:
5、,
6、其中,为切割后图像块在坐标处的像素值,为图像块的宽度,为图像块的长度,为原始图像中在坐标处的像素值,为在原始图像的横轴偏移量纵轴偏移量的插值函数,为在原始图像的横轴偏移量纵轴偏移量的自适应权重,为原始图像中在坐标处的图像校正函数。
7、进一步的,在原始图像的横轴偏移量纵轴偏移量的插值函数包括:
8、,
9、其中,为插值形状的控制因子。
10、进一步的,在原始图像的横轴偏移量纵轴偏移量的自适应权重包括:
11、,
12、其中,为原始图像中在坐标处的梯度,为原始图像中在坐标处的梯度,为用于调整权重分布宽度的调整因子,为另一横轴偏移量,为另一纵轴偏移量。
13、进一步的,原始图像中在坐标处的图像校正函数包括:
14、,
15、其中,为用于控制图像校正程度的调整因子。
16、本专利技术还提出一种卫星情报及训练数据仓库网络安全防护系统,所述卫星情报为卫星遥感图像,所述训练数据为训练场的地形图像,包括:
17、获取图像模块,用于将所述卫星遥感图像和所述地形图像作为原始图像,获取所述原始图像的像素,设置图像切割模型,根据所述原始图像的像素和预设切割后的图像块的长度和高度,将所述原始图像进行切割,生成多个切割后的图像块和每个图像块的像素值;
18、安全模块,用于将切割后的图像块,分别存储在云端的多个存储区域,并为每个存储区域设置安全等级,并与用户自身的安全等级进行安全性校验,通过后才能提取存储区域中的图像块。
19、进一步的,所述图像切割模型包括:
20、,
21、其中,为切割后图像块在坐标处的像素值,为图像块的宽度,为图像块的长度,为原始图像中在坐标处的像素值,为在原始图像的横轴偏移量纵轴偏移量的插值函数,为在原始图像的横轴偏移量纵轴偏移量的自适应权重,为原始图像中在坐标处的图像校正函数。
22、进一步的,在原始图像的横轴偏移量纵轴偏移量的插值函数包括:
23、,
24、其中,为插值形状的控制因子。
25、进一步的,在原始图像的横轴偏移量纵轴偏移量的自适应权重包括:
26、,
27、其中,为原始图像中在坐标处的梯度,为原始图像中在坐标处的梯度,为用于调整权重分布宽度的调整因子,为另一横轴偏移量,为另一纵轴偏移量。
28、进一步的,原始图像中在坐标处的图像校正函数包括:
29、,
30、其中,为用于控制图像校正程度的调整因子。
31、通过本专利技术所构思的以上技术方案与现有技术相比,具有以下有益效果:
32、本专利技术将所述卫星遥感图像和所述地形图像作为原始图像,获取所述原始图像的像素,设置图像切割模型,根据所述原始图像的像素和预设切割后的图像块的长度和高度,将所述原始图像进行切割,生成多个切割后的图像块和每个图像块的像素值;将切割后的图像块,分别存储在云端的多个存储区域,并为每个存储区域设置安全等级,并与用户自身的安全等级进行安全性校验,通过后才能提取存储区域中的图像块。本专利技术通过以上技术方案,能够对图像进行分割,并且分别存储在不同的存储区域,从而提高了安全能力。
本文档来自技高网...【技术保护点】
1.一种卫星情报及训练数据仓库网络安全防护方法,所述卫星情报为卫星遥感图像,所述训练数据为训练场的地形图像,其特征在于,包括:
2.如权利要求1所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,所述图像切割模型包括:
3.如权利要求2所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,在原始图像的横轴偏移量纵轴偏移量的插值函数包括:
4.如权利要求2所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,在原始图像的横轴偏移量纵轴偏移量的自适应权重包括:
5.如权利要求2所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,原始图像中在坐标处的图像校正函数包括:
6.一种卫星情报及训练数据仓库网络安全防护系统,所述卫星情报为卫星遥感图像,所述训练数据为训练场的地形图像,其特征在于,包括:
7.如权利要求6所述的一种卫星情报及训练数据仓库网络安全防护系统,其特征在于,所述图像切割模型包括:
8.如权利要求7所述的一种卫星情报及训练数据仓库网络安全防护系统,其特征在
9.如权利要求7所述的一种卫星情报及训练数据仓库网络安全防护系统,其特征在于,在原始图像的横轴偏移量纵轴偏移量的自适应权重包括:
10.如权利要求7所述的一种卫星情报及训练数据仓库网络安全防护系统,其特征在于,原始图像中在坐标处的图像校正函数包括:
...【技术特征摘要】
1.一种卫星情报及训练数据仓库网络安全防护方法,所述卫星情报为卫星遥感图像,所述训练数据为训练场的地形图像,其特征在于,包括:
2.如权利要求1所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,所述图像切割模型包括:
3.如权利要求2所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,在原始图像的横轴偏移量纵轴偏移量的插值函数包括:
4.如权利要求2所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,在原始图像的横轴偏移量纵轴偏移量的自适应权重包括:
5.如权利要求2所述的一种卫星情报及训练数据仓库网络安全防护方法,其特征在于,原始图像中在坐标处的图像校正函数包括:
...【专利技术属性】
技术研发人员:杨威,徐川,王涛,梅礼晔,王颖,叶昭毅,朱忠敏,张侠,杨帆,
申请(专利权)人:武昌首义学院,
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。