面向高位宽航天侦察影像情报分析的数据智能重量化方法技术

本发明专利技术公开了一种面向高位宽航天侦察影像情报分析的数据智能重量化方法，属于数字图像处理技术领域，该方法包括：提取三波段的RGB遥感图像；分别计算RGB遥感图像的红绿蓝三通道直方图，并对直方图进行移动均值滤波处理；基于滤波结果得到三组裁切系数；根据裁切系数，对RGB遥感图像进行裁切，并利用线性拉伸法对裁切结果进行拉伸处理，生成三张8位图像；对8位图像进行归一化处理，并计算对比度矩阵、亮度矩阵和饱和度矩阵；根据上述矩阵计算权重矩阵并进行归一化处理；根据归一化处理后的权重矩阵，对8位图像进行Haar小波融合得到融合图像；对融合图像进行处理生成重量化图像。本发明专利技术有效解决了重量化方法容易出现颜色和细节失真的问题。

【技术实现步骤摘要】

本专利技术涉及数字图像处理，更具体的说是涉及一种面向高位宽航天侦察影像情报分析的数据智能重量化方法。

技术介绍

1、图像重量化是指通过一系列算法和技术将图像表示为更简单和更紧凑的形式，以减少图像的存储空间、提高处理速度或保护图像内容的隐私等目的。

2、在航天侦察领域，高位宽遥感影像因其能够提供更加丰富的辐射信息而备受关注。这类影像通常具有较高的动态范围，能够捕捉到地表与目标在极端光照条件下的细节。但在涉及目标识别、特征提取和遥感制图等下游任务时，直接分析高位宽影像会带来巨大的计算压力，通常需要将其重量化为8位常规图像进行处理和分析。因此，高位宽遥感影像智能重量化方法具有重大的研究价值。

3、现有的高位宽遥感影像重量化方法主要包含线性拉伸法和非线性拉伸法两类。线性拉伸法可能导致图像的局部对比度降低，导致画面细节损失，损害原图像包含的情报价值；而非线性拉伸法可以增加图像的局部对比度，但同时容易产生伪影和色彩失真，影响影像的真实性和分析的准确性。

4、针对现有技术的不足，亟需一种能够将高位宽遥感影像转换为适合情报分析的8位图像本文档来自技高网...

【技术保护点】

1.面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，S1中从高位宽多光谱遥感图像中提取红、绿、蓝三个可见光波段数据，其中，红光波段的波长参考范围为630-690nm，绿光波段的波长参考范围为520-590nm，蓝光波段的波长参考范围为450-520nm。

3.根据权利要求1所述的面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，S2中对每一个通道的直方图进行移动均值滤波处理，具体包括以下步骤：

4.根据权利要求1所述的面...

【技术特征摘要】

1.面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，s1中从高位宽多光谱遥感图像中提取红、绿、蓝三个可见光波段数据，其中，红光波段的波长参考范围为630-690nm，绿光波段的波长参考范围为520-590nm，蓝光波段的波长参考范围为450-520nm。

3.根据权利要求1所述的面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，s2中对每一个通道的直方图进行移动均值滤波处理，具体包括以下步骤：

4.根据权利要求1所述的面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，s3中根据滤波后的rgb遥感图像，计算得到三组裁切系数，具体的计算方法如下：

5.根据权利要求4所述的面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，步骤s4中，具体包括以下步骤：

6.根据权利...

【专利技术属性】
技术研发人员：徐其志，陈久宸，伊枭剑，李媛，邓宏彬，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：