在軌計(jì)算成像方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于遙感成像領(lǐng)域，涉及在軌圖像處理、目標(biāo)檢測(cè)、目標(biāo)識(shí)別、數(shù)據(jù)壓縮等
技術(shù)領(lǐng)域，特別涉及在軌計(jì)算成像方法。
【背景技術(shù)】
[0002] 每種類型的傳感器往往只能獲取一種或幾種特征。但是，每種類型目標(biāo)都擁有多 種類型的特征，如外觀、結(jié)構(gòu)、溫度、材質(zhì)、類別，必須綜合利用多種特征才能準(zhǔn)確、全面的識(shí) 別目標(biāo)。為此，同一衛(wèi)星往往搭載不同類型的傳感器，例如可見(jiàn)光、紅外和高光譜，同時(shí)利用 多傳感器獲取的多源圖像進(jìn)行檢測(cè)和識(shí)別目標(biāo)。
[0003] 傳統(tǒng)的可見(jiàn)光、紅外、高光譜等傳感器成像過(guò)程是物理成像，物理成像通過(guò)元器件 將目標(biāo)及背景的某種特征原本地映射下來(lái)，是一種"數(shù)據(jù)級(jí)"的成像。多源圖像為目標(biāo)檢測(cè) 和識(shí)別提供了便利，但同時(shí)導(dǎo)致數(shù)據(jù)量劇增。傳統(tǒng)的遙感圖像處理是先將數(shù)據(jù)傳到地面，然 后在地面系統(tǒng)進(jìn)行處理。在傳統(tǒng)的處理模式下，海量數(shù)據(jù)給網(wǎng)絡(luò)傳輸、數(shù)據(jù)存儲(chǔ)、人工解譯 造成了很大的壓力，很多數(shù)據(jù)得不到及時(shí)處理。傳統(tǒng)的物理成像無(wú)法滿足實(shí)際應(yīng)用的需要， 嚴(yán)重地制約了遙感圖像的實(shí)際應(yīng)用。
[0004] 計(jì)算成像是利用硬件或軟件在物理成像基礎(chǔ)上，對(duì)目標(biāo)進(jìn)行特征圖像或?qū)ξ锢沓?像過(guò)程進(jìn)行快速處理，獲取"特征級(jí)"或"目標(biāo)級(jí)"的圖像。與傳統(tǒng)圖像相比，這些圖像容量 很小，可以快速傳輸?shù)降孛?；?jì)算成像過(guò)程包含了目標(biāo)信息，傳送到地面的特征圖像可以直 接為后續(xù)應(yīng)用所利用，大大縮短了數(shù)據(jù)獲取到?jīng)Q策生成的周期。
[0005] 計(jì)算成像具有很多優(yōu)點(diǎn)，但計(jì)算成像涉及目標(biāo)檢測(cè)、數(shù)據(jù)融合、數(shù)據(jù)壓縮等諸多步 驟；計(jì)算成像需要在星上在軌完成，計(jì)算資源受限，計(jì)算時(shí)效性要求較高，計(jì)算成像的關(guān)鍵 技術(shù)亟需深入研宄。
[0006] 本發(fā)明是一種基于多源圖像（包含全色圖像、多光譜圖像、紅外圖像、高光譜圖 像）的在軌計(jì)算成像方法，在物理成像基礎(chǔ)上利用目標(biāo)檢測(cè)、數(shù)據(jù)壓縮等技術(shù)進(jìn)行特征成 像。以目標(biāo)識(shí)別為目的，通過(guò)計(jì)算成像在星上完成多源圖像的目標(biāo)檢測(cè)和數(shù)據(jù)融合任務(wù)，只 將目標(biāo)區(qū)域及興趣區(qū)域的特征數(shù)據(jù)傳至地面，大大減少海量數(shù)據(jù)網(wǎng)絡(luò)傳輸壓力，提高了數(shù) 據(jù)利用的時(shí)效性。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明提供一種在軌計(jì)算成像方法，以提高數(shù)據(jù)利用時(shí)效性同時(shí)減輕遙感圖像傳 輸存儲(chǔ)壓力。
[0008] 本發(fā)明提供一種在軌計(jì)算成像方法，包括：
[0009] 在有地物類型標(biāo)注的高光譜訓(xùn)練圖像集上對(duì)高光譜特征字典模型進(jìn)行學(xué)習(xí)，獲得 高光譜分類字典；
[0010] 在軌查找待檢測(cè)高光譜圖像在所述高光譜分類字典中的地物類型，對(duì)待檢測(cè)高光 譜圖像和紅外圖像進(jìn)行異常目標(biāo)檢測(cè)和對(duì)多光譜圖像進(jìn)行視覺(jué)顯著性檢測(cè)，獲得目標(biāo)區(qū)域 數(shù)據(jù)；
[0011] 在軌生成全色圖像和多光譜圖像的融合圖像，對(duì)所述目標(biāo)區(qū)域數(shù)據(jù)對(duì)應(yīng)的所述融 合圖像進(jìn)行索引存儲(chǔ)得到壓縮成像數(shù)據(jù)。
[0012] 本發(fā)明的有益效果為：
[0013] 本發(fā)明在軌計(jì)算成像方法基于多源圖像通過(guò)訓(xùn)練、檢測(cè)、壓縮進(jìn)行在軌計(jì)算成像， 該方法所需計(jì)算資源少且能達(dá)到較理想的成像效果，因此能夠利用衛(wèi)星上有限的計(jì)算資源 對(duì)原始多源物理圖像進(jìn)行實(shí)時(shí)的線上處理，提高了數(shù)據(jù)利用時(shí)效性，能夠在線滿足計(jì)算成 像需求且減輕了大數(shù)據(jù)對(duì)數(shù)據(jù)傳輸存儲(chǔ)等造成的壓力。
【附圖說(shuō)明】
[0014] 圖1為本發(fā)明在軌計(jì)算成像方法實(shí)施例一的流程圖；
[0015] 圖2為本發(fā)明在軌計(jì)算成像方法實(shí)施例一中在軌目標(biāo)檢測(cè)的流程示意圖；
[0016] 圖3為本發(fā)明在軌成像計(jì)算方法實(shí)施例一中生成壓縮數(shù)據(jù)的流程示意圖。
【具體實(shí)施方式】
[0017] 圖1為本發(fā)明在軌計(jì)算成像方法實(shí)施例一的流程圖，圖2為本發(fā)明在軌計(jì)算成像 方法實(shí)施例一中在軌目標(biāo)檢測(cè)的流程示意圖，圖3為本發(fā)明在軌成像計(jì)算方法實(shí)施例一中 生成壓縮數(shù)據(jù)的流程示意圖，如圖1、圖2和圖3所示，本發(fā)明在軌計(jì)算成像方法包括：
[0018] S1、在有地物類型標(biāo)注的高光譜訓(xùn)練圖像集上對(duì)高光譜特征字典模型進(jìn)行離線學(xué) 習(xí)，獲得高光譜分類字典；需要說(shuō)明的是，這里在有類型標(biāo)注的歷史高光譜訓(xùn)練圖像集組成 的特征集上學(xué)習(xí)并生成的光譜特征字典模型具有低維度、可分性好的特點(diǎn)；考慮模型學(xué)習(xí)， 所述學(xué)習(xí)可以是在全地物類型標(biāo)注的圖像集上有監(jiān)督學(xué)習(xí)，也可以是在部分地物類型標(biāo)注 的圖像集上半監(jiān)督學(xué)習(xí)；考慮學(xué)習(xí)地點(diǎn)，所述學(xué)習(xí)可以是在軌學(xué)習(xí)，也可以是原始圖像數(shù)據(jù) 傳回地面上進(jìn)行離軌學(xué)習(xí)后再將高光譜分類字典傳回衛(wèi)星；
[0019] 優(yōu)選的，所述在有地物類型標(biāo)注的高光譜訓(xùn)練圖像集上對(duì)高光譜特征字典進(jìn)行學(xué) 習(xí)，獲得高光譜分類模型包括：
[0020] S11、創(chuàng)建高光譜特征字典模型<D，Z> :
[0021]
【主權(quán)項(xiàng)】
1. 一種在軌計(jì)算成像方法，其特征在于，包括： 在有地物類型標(biāo)注的高光譜訓(xùn)練圖像集上對(duì)高光譜特征字典模型進(jìn)行學(xué)習(xí)，獲得高光 譜分類字典； 在軌查找待檢測(cè)高光譜圖像在所述高光譜分類字典中的地物類型，對(duì)待檢測(cè)高光譜 圖像和紅外圖像進(jìn)行異常目標(biāo)檢測(cè)和對(duì)多光譜圖像進(jìn)行視覺(jué)顯著性檢測(cè)，獲得目標(biāo)區(qū)域數(shù) 據(jù)； 在軌生成全色圖像和多光譜圖像的融合圖像，對(duì)所述目標(biāo)區(qū)域數(shù)據(jù)對(duì)應(yīng)的所述融合圖 像進(jìn)行索引存儲(chǔ)得到壓縮成像數(shù)據(jù)。
2. 根據(jù)權(quán)利要求1所述的在軌計(jì)算成像方法，其特征在于，所述在有地物類型標(biāo)注的 高光譜訓(xùn)練圖像集上對(duì)高光譜特征字典進(jìn)行學(xué)習(xí)，獲得高光譜分類模型包括： 創(chuàng)建高光譜特征字典模型<D，Z> :
對(duì)所述高光譜特征字典模型進(jìn)行初始化，也即設(shè)定所述正則化參數(shù)A :和X 2，設(shè)置不 同地物類型的高光譜訓(xùn)練圖像的特征向量的并集為初始高光譜特征字典D?，對(duì)高光譜訓(xùn) 練圖像的表示系數(shù)設(shè)定初始值Zw= ([D - ; 對(duì)D與Z采用公式（2)和公式（3)交替迭代進(jìn)行更新直至達(dá)到分類需求，得到最后一 次迭代所得的高光譜特征字典即高光譜分類字典：
其中，X表示所有的訓(xùn)練圖像的特征向量集合，X的維數(shù)是M行N列，M表示高光譜 訓(xùn)練圖像的特征向量的維數(shù)，N為高光譜訓(xùn)練圖像的個(gè)數(shù)，D表示高光譜特征字典；Z = [Zl，Z2，…，zN]，表示X在D下的表示系數(shù)，Z k表示第k個(gè)高光譜訓(xùn)練圖像X k在D下的表示 系數(shù)，I I ? IIf表示Frobenius范數(shù)，A :和A 2分別表示稀疏正則化系數(shù)和可分性正則化系 數(shù)，W表示相似性權(quán)重矩陣，表示不同類型訓(xùn)練樣本的相似權(quán)重；t表示迭代次數(shù)，S表示
在第i行第k列的值，[Z(t)]T表示矩陣Z (t)的轉(zhuǎn)置。
3. 根據(jù)權(quán)利要求2所述的在軌計(jì)算成像方法，其特征在于，所述達(dá)到分類需求具體為： 迭代次數(shù)t達(dá)到迭代閾值； 或者，相鄰兩次迭代的均方誤差小于均方差閾值。
4. 根據(jù)權(quán)利要求1所述的在軌計(jì)算成像方法，其特征在于，所述在軌查找待檢測(cè)高光 譜圖像在所述高光譜分類字典中的地物類型，對(duì)待檢測(cè)高光譜圖像和紅外圖像進(jìn)行異常目 標(biāo)檢測(cè)和對(duì)多光譜圖像進(jìn)行視覺(jué)顯著性檢測(cè)，獲得目標(biāo)區(qū)域數(shù)據(jù)包括： 計(jì)算待檢測(cè)高光譜圖像的每個(gè)像素在所述高光譜分類字典D中的表示系數(shù)，確定待檢 測(cè)高光譜圖像的每個(gè)像素的地物類型； 確定待檢測(cè)高光譜圖像中滿足公式（4)的像素為異常目標(biāo)像素： Tp-UiI I ^3〇i (4); 獲得異常目標(biāo)像素組成的目標(biāo)區(qū)域； 計(jì)算待檢測(cè)多光譜圖像的平均波段圖像A，根據(jù)公式（5)在所述平均波段圖像A上計(jì)算 顯著特征圖像X:
根據(jù)公式（6)計(jì)算顯著特征映射圖像$ :
對(duì)所述顯著特征映射圖像進(jìn)行直方圖統(tǒng)計(jì)，提取頻數(shù)較少的像素組成的視覺(jué)顯著目 標(biāo)區(qū)域； 將目標(biāo)區(qū)域的掩碼以多光譜圖像為基準(zhǔn)進(jìn)行上采樣，獲得上采樣后的目標(biāo)區(qū)域的掩碼 和視覺(jué)顯著目標(biāo)區(qū)域的掩碼的并組成的目標(biāo)區(qū)域數(shù)據(jù)； 其中，i表示地物類型的索引，y JP 〇 i分別表示第i種地物類型的溫度的中位數(shù)和 方差，P表示像素，Tp表示紅外圖像上像素p的溫度；DCT( ?)和IDCT( ?)分別表示離散余 弦變換和離散余弦逆變換；〇表示Hadamard點(diǎn)乘運(yùn)算符，g表示高斯核函數(shù)，*表示卷積運(yùn) 算。
5. 根據(jù)權(quán)利要求1所述的在軌計(jì)算成像方法，其特征在于，所述在軌生成全色圖像和 多光譜圖像的融合圖像，對(duì)所述目標(biāo)區(qū)域數(shù)據(jù)對(duì)應(yīng)的所述融合圖像進(jìn)行索引存儲(chǔ)得到壓縮 成像數(shù)據(jù)包括： 對(duì)多光譜圖像以全色圖像為基準(zhǔn)進(jìn)行上采樣生成采樣后的多光譜圖像； 對(duì)所述采樣后的多光譜圖像執(zhí)行PCA融合得到偽彩色圖像； 對(duì)偽彩色圖像執(zhí)行HSV變換得到變換后的偽彩色圖像； 對(duì)所述變換后的偽彩色圖像進(jìn)行V分量替換得到替換后的偽彩色圖像； 對(duì)所述替換后的偽彩色圖像執(zhí)行HSV反變換得到目標(biāo)區(qū)域數(shù)據(jù)對(duì)應(yīng)的特征圖像； 將目標(biāo)區(qū)域數(shù)據(jù)全部保留，對(duì)目標(biāo)區(qū)域進(jìn)行索引存儲(chǔ)，得到壓縮成像數(shù)據(jù)。
6. 根據(jù)權(quán)利要求1所述的在軌計(jì)算成像方法，其特征在于，在所述生成全色圖像和多 光譜圖像的融合圖像，對(duì)所述目標(biāo)區(qū)域數(shù)據(jù)對(duì)應(yīng)的所述融合圖像進(jìn)行索引存儲(chǔ)之后，還包 括： 向地面?zhèn)鬏斔鰤嚎s成像數(shù)據(jù)，以使地面對(duì)所述壓縮成像數(shù)據(jù)進(jìn)行恢復(fù)。
7. 根據(jù)權(quán)利要求6所述的在軌成像方法，其特征在于，所述向地面?zhèn)鬏斔鰤嚎s成像 數(shù)據(jù)，以使地面對(duì)所述壓縮特征數(shù)據(jù)進(jìn)行恢復(fù)包括： 向地面?zhèn)鬏斔鰤嚎s成像數(shù)據(jù)； 地面對(duì)壓縮成像數(shù)據(jù)特征進(jìn)行圖像還原和上采樣得到目標(biāo)區(qū)域圖像。
【專利摘要】本發(fā)明提供一種在軌計(jì)算成像方法，包括：在有地物類型標(biāo)注的高光譜訓(xùn)練圖像集上對(duì)高光譜特征字典模型進(jìn)行學(xué)習(xí)，獲得高光譜分類字典；在軌查找待檢測(cè)高光譜圖像在所述高光譜分類字典中的地物類型，對(duì)待檢測(cè)高光譜圖像和紅外圖像進(jìn)行異常目標(biāo)檢測(cè)和對(duì)多光譜圖像進(jìn)行視覺(jué)顯著性檢測(cè)，獲得目標(biāo)區(qū)域數(shù)據(jù)；在軌生成全色圖像和多光譜圖像的融合圖像，對(duì)所述目標(biāo)區(qū)域數(shù)據(jù)對(duì)應(yīng)的所述融合圖像進(jìn)行索引存儲(chǔ)得到壓縮成像數(shù)據(jù)。本發(fā)明所述方法能夠提高數(shù)據(jù)利用的時(shí)效性且減輕遙感圖像傳輸存儲(chǔ)壓力。
【IPC分類】G06K9-46, G06T3-40, G06K9-00, G06K9-62
【公開(kāi)號(hào)】CN104820967
【申請(qǐng)?zhí)枴緾N201510275742
【發(fā)明人】霍春雷, 潘春洪, 周志鑫
【申請(qǐng)人】中國(guó)科學(xué)院自動(dòng)化研究所
【公開(kāi)日】2015年8月5日
【申請(qǐng)日】2015年5月26日