【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。