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】
本专利技术涉及多光谱数据处理,特别涉及一种伪装目标的识别方法、装置、设备及介质。
技术介绍
1、目前已知的各项技术中,常见的是使用热红外或单一指数高低两个阈值的划分来区别特定的伪装目标与背景,近年来随着人工智能技术的发展,基于目标检测与深度学习方法进行伪装目标检测的技术也得到了一定的发展,但这些技术都有自身的缺陷,前者受限于热红外、短波红外设备造价高昂或指数的精度不稳定,后者则是受到算力的制约使得目标的发现具有滞后性。并且现有的伪装目标的识别方法也存在一定的缺点,例如对设备与应用环境的要求较为苛刻,难以进行普及、实时监测极为困难、无法适用于多种场景多种目标的需求。
2、由上可见,如何适用于多场景多种目标的需求,提高伪装目标识别的效率和准确性,降低对实时监测的设备算力的要求是本领域有待解决的问题。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种伪装目标的识别方法、装置、设备及介质,能够适用于多场景多种目标的需求,提高伪装目标识别的效率和准确性,降低对实时监测的设备算力的要求。其具体方案如下:
2、第一方面,本申请公开了一种伪装目标的识别方法,包括:
3、获取可见光近红外波段的多光谱数据;
4、使用所述多光谱数据分别进行荒漠迷彩增强指数计算、海洋迷彩增强指数计算、丛林迷彩增强指数计算、褐色裸土指数计算、暗红色目标去除指数计算以及阴影植被指数计算,以得到荒漠迷彩增强指数、海洋迷彩增强指数、丛林迷彩增强指数、褐色裸土指数、暗红色目标
5、以所述荒漠迷彩增强指数、所述海洋迷彩增强指数、所述丛林迷彩增强指数、所述褐色裸土指数、所述暗红色目标去除指数以及所述阴影植被指数为核心,并结合预设的波段间相对关系及特定反射率区间为待识别的伪装目标建立各决策层;
6、按照预设决策树构建顺序并基于各所述决策层构建决策树,利用所述决策树对所述伪装目标进行识别。
7、可选的,使用所述多光谱数据进行荒漠迷彩增强指数计算,以得到荒漠迷彩增强指数,包括:
8、将二次比指数与增强型比值指数作为基础,并使用双曲正切函数对值域进行收敛,以构建荒漠迷彩增强指数计算公式;
9、按照所述荒漠迷彩增强指数计算公式使用所述多光谱数据中的蓝波段反射率、绿波段反射率、红波段反射率、近红外波段反射率进行计算,以得到所述荒漠迷彩增强指数;所述荒漠迷彩增强指数计算公式为:
10、
11、其中,blue、green、red、nir分别为所述蓝波段反射率、所述绿波段反射率、所述红波段反射率、所述近红外波段反射率,d、e、h、i为常数。
12、可选的,使用所述多光谱数据进行海洋迷彩增强指数计算,以得到海洋迷彩增强指数,包括:
13、将二次比值乘以差值的指数作为定量基础,将海洋伪装目标在可见光近红外波段间的相互关系通过非线性的方式进行量化,以构建指数定性基础,结合所述定量基础和所述指数定性基础,并使用双曲正切函数对值域进行收敛,以构建海洋迷彩增强指数计算公式;
14、按照所述海洋迷彩增强指数计算公式使用所述多光谱数据中的绿波段反射率、红波段反射率以及近红外波段反射率进行计算,以得到所述海洋迷彩增强指数;所述海洋迷彩增强指数计算公式为:
15、
16、其中,green、red、nir分别为所述绿波段反射率、所述红波段反射率以及所述近红外波段反射率,a、c为常数。
17、可选的,使用所述多光谱数据进行丛林迷彩增强指数计算,以得到丛林迷彩增强指数,包括:
18、利用比值算法和最小二乘拟合法对植被与绿色伪装目标进行界限分割,然后使用双曲正切函数收敛阈值,以构建丛林迷彩增强指数计算公式;
19、按照所述丛林迷彩增强指数计算公式使用所述多光谱数据中的蓝波段反射率、绿波段反射率、红波段反射率、红边波段反射率、近红外波段反射率进行计算,以得到所述丛林迷彩增强指数;所述丛林迷彩增强指数计算公式为:
20、
21、其中,blue、green、red、redg、nir分别为所述蓝波段反射率、所述绿波段反射率、所述红波段反射率、所述红边波段反射率、所述近红外波段反射率,k、l、m、o、p、q、i、s为常数。
22、可选的,使用所述多光谱数据进行褐色裸土指数计算,以得到褐色裸土指数,包括:
23、构建褐色裸土指数计算公式;
24、按照所述褐色裸土指数计算公式使用所述多光谱数据中的红波段反射率、红边波段反射率、近红外波段反射率进行计算,以得到所述褐色裸土指数;所述褐色裸土指数计算公式为:
25、
26、其中,red、redg、nir分别为所述红波段反射率、所述红边波段反射率、所述近红外波段反射率,j为常数。
27、可选的,使用所述多光谱数据进行暗红色目标去除指数计算,以得到暗红色目标去除指数,包括:
28、构建暗红色目标去除指数计算公式;
29、按照所述暗红色目标去除指数计算公式使用所述多光谱数据中的绿波段反射率、红波段反射率、红边波段反射率、近红外波段反射率进行计算,以得到所述暗红色目标去除指数;所述暗红色目标去除指数计算公式为:
30、
31、其中,green、red、redg、nir分别为所述绿波段反射率、所述红波段反射率、所述红边波段反射率、所述近红外波段反射率,u为常数。
32、可选的,使用所述多光谱数据进行阴影植被指数计算,以得到阴影植被指数,包括:
33、按照阴影植被指数计算公式使用所述多光谱数据中的红波段反射率和近红外波段反射率进行计算,以得到阴影植被指数;所述阴影植被指数计算公式为:
34、
35、其中,red和nir分别为红波段反射率和近红外波段反射率。
36、第二方面,本申请公开了一种伪装目标的识别装置,包括:
37、数据获取模块,用于获取可见光近红外波段的多光谱数据;
38、计算模块,用于使用所述多光谱数据分别进行荒漠迷彩增强指数计算、海洋迷彩增强指数计算、丛林迷彩增强指数计算、褐色裸土指数计算、暗红色目标去除指数计算以及阴影植被指数计算,以得到荒漠迷彩增强指数、海洋迷彩增强指数、丛林迷彩增强指数、褐色裸土指数、暗红色目标去除指数以及阴影植被指数;
39、决策层建立模块,用于以所述荒漠迷彩增强指数、所述海洋迷彩增强指数、所述丛林迷彩增强指数、所述褐色裸土指数、所述暗红色目标去除指数以及所述阴影植被指数为核心,并结合预设的波段间相对关系及特定反射率区间为待识别的伪装目标建立各决策层;
40、识别模块,用于按照预设决策树构建顺序并基于各所述决策层构建决策树,利用所述决策树对所述伪装目标进行识别。
41、第三方面,本申请公开了一种电子设备,包括:
42、存储器,用于保本文档来自技高网...
【技术保护点】
1.一种伪装目标的识别方法,其特征在于,包括:
2.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行荒漠迷彩增强指数计算,以得到荒漠迷彩增强指数,包括:
3.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行海洋迷彩增强指数计算,以得到海洋迷彩增强指数,包括:
4.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行丛林迷彩增强指数计算,以得到丛林迷彩增强指数,包括:
5.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行褐色裸土指数计算,以得到褐色裸土指数,包括:
6.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行暗红色目标去除指数计算,以得到暗红色目标去除指数,包括:
7.根据权利要求1至6任一项所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行阴影植被指数计算,以得到阴影植被指数,包括:
8.一种伪装目标的识别装置,其特征在于,包括:
9.一种电子
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的伪装目标的识别方法。
...【技术特征摘要】
1.一种伪装目标的识别方法,其特征在于,包括:
2.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行荒漠迷彩增强指数计算,以得到荒漠迷彩增强指数,包括:
3.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行海洋迷彩增强指数计算,以得到海洋迷彩增强指数,包括:
4.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行丛林迷彩增强指数计算,以得到丛林迷彩增强指数,包括:
5.根据权利要求1所述的伪装目标的识别方法,其特征在于,使用所述多光谱数据进行褐色裸土指数计算,以...
【专利技术属性】
技术研发人员:李先峰,张军强,田粉粉,杨斌,李原,王华东,马桂仓,
申请(专利权)人:长光禹辰信息技术与装备青岛有限公司,
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。