一种基于自回归模型和扩散模型的遥感场景生成方法技术

本发明专利技术提出一种基于自回归模型和扩散模型的遥感场景生成方法，基于自回归模型的遥感目标合理布局预测，采用自回归的思路预测目标出现的合理位置、大小和朝向，即每次仅预测一个目标的位置、大小和朝向，而之前的所有预测结果将成为下一次预测的条件输入。该方式将一个复杂的多元问题(目标之间彼此会有影响)化简，使得问题的解决变得更加容易。随后基于预测得到的位置、大小和朝向挖取遥感背景图像，在此基础上进行可控遥感目标生成。该方法分为四个步骤：步骤一：遥感场景图像收集并处理；步骤二：预测单个目标出现的位置、大小和朝向；步骤三：自回归采样。步骤四：遥感目标在背景中的生成并嵌入。

【技术实现步骤摘要】

本专利技术涉及一种基于自回归模型和扩散模型的遥感场景生成方法，属于遥感领域。

技术介绍

1、主流遥感图像目标检测、跟踪和轨迹预测模型基于数据驱动，然而现实应用场景中的遥感图像数据往往呈现长尾分布，现有深度学习模型的训练可以视为一个极大似然/后验估计的过程，对这样长尾分布的数据效果不佳，并且在面对战时或灾后这样的关键稀缺场景时精度不足。因此，需要生成各种遥感场景对深度学习模型进行训练和测试。

2、自回归模型(autoregressive model，简称ar模型)是一种时间序列分析模型，其主要特点是利用时间序列自身的过去值来预测未来值。

3、unet是一种流行的卷积神经网络架构，主要用于生物医学图像分割任务。它最初由olaf ronneberger等人在2015年提出，旨在通过一种高效的端到端训练方法在少量的训练数据上获得精确的分割结果。unet采用对称的u形结构，unet的名字来源于其对称的u形架构。网络分为编码器(下采样路径)和解码器(上采样路径)两个部分。编码器负责逐步减小图像尺寸并提取特征，而解码器则逐步恢复图像尺寸并进行精细本文档来自技高网...

【技术保护点】

1.一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于，包括步骤如下：

2.根据权利要求1所述的一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于：所有在图像中使用的坐标均采用像素坐标系；某个像素的坐标采用x或者(x，y)T；目标出现的位置指代其中心坐标；size指目标大小，为了与生成目标的方法对齐，其含义为将目标框住的最小水平框大边长的两倍；θ指目标的朝向，采用角度制，其定义与坐标下定义的角度一致，为了与生成目标的方法对齐。

3.根据权利要求1或2所述的一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于：θ和size的取值是连续的，为了简...

【技术特征摘要】

1.一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于，包括步骤如下：

2.根据权利要求1所述的一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于：所有在图像中使用的坐标均采用像素坐标系；某个像素的坐标采用x或者(x，y)t；目标出现的位置指代其中心坐标；size指目标大小，为了与生成目标的方法对齐，其含义为将目标框住的最小水平框大边长的两倍；θ指目标的朝向，采用角度制，其定义与坐标下定义的角度一致，为了与生成目标的方法对齐。

3.根据权利要求1或2所述的一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于：θ和size的取值是连续的，为了简化问题，对其进行离散化处理，将θ和size的预测处理为分类问题，各离散化为12个类别。

4.根据权利要求1所述的一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于：在步骤二中，具体步骤为：

5.根据权利要求4所述的一种基于自回归模型和扩散模型的遥感场景生成方法，其特征在于：步骤2.6中，unet的输入为形状4×h×w的xt,xt是由3×h×w的原始输入数据xdata在通道维度连接1×h×w的条件图condition_map得到；对于条件图condition...

【专利技术属性】
技术研发人员：邹征夏，张元睿，刘丽芹，史振威，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：