[发明专利]一种景象适配性准则训练样本集生成方法

说明书

本发明涉及一种景象适配性准则训练样本集生成方法。对从保障数据中截取的参考图进行直方图对比度拉伸、高斯滤波，旋转、插值、高斯模糊变换和傅里叶噪声添加，生成特征参考图；用特征参考图和截取的基准图进行相关面计算，获得相关面参数集；对参考图进行特征提取计算，得到特征参数集；将相关面参数集和特征参数集划分为正负样本，分别加入训练样本集。本发明可以基于可见光卫星影像快速生成大量的训练样本集数据，而不再拘泥于对大量实时图像的依赖，这提高了工程的可实现性和可操作性，使得工程化的难度降低，同时也使得基于该训练样本集挖掘出的知识准则具有泛化能力。本发明效率高、一致性好且无需人工交互。

技术领域

本发明涉及景象适配性准则训练样本集生成方法，属于图像处理技术领域。

背景技术

在景象匹配辅助导航系统中，为了能够实现精确定位，减少偏航的可能性，在进行基准图的制备过程中，要选择那些具有明显特征和容易匹配定位的区域作为最佳匹配区，使其具有较高的匹配概率和匹配精度，为实现精确导航奠定基础。景象最佳匹配区的选择是指按照一定的要求和准则在已确定大小的众多景象图中选取特征明显、信息量大、可匹配性高的数字地图作为制导基准图，这一过程也称作景象适配性分析。当景象匹配数据量大时，人工选取匹配区工作量大，速度慢，而且受操作人的知识水平、经验等主观因素的影响，往往难以找出令人满意的匹配区。最新的技术是基于大数据挖掘的方法自动生成适配性分析准则。因此需要形成训练样本集，进行大数据挖掘训练，得到景象适配性分析准则，进行最佳匹配区的选择。

基于大数据挖掘的方案对训练样本集的总数量、目标类型覆盖种类都有一定要求，现实工作中实时挂飞数据的数量难以满足基于大数据挖掘准则训练的需求，因此提出一套基于基础遥感保障数据的训练样本集生成方法，弥补挂飞数据的不足。

发明内容

本发明的目的在于克服现有技术的不足，提供一种景象适配性准则训练样本集生成方法，该方法效率高、一致性好且无需人工交互。

本发明目的通过如下技术方案予以实现：

提供一种景象适配性准则训练样本集生成方法，步骤如下：

(1)获取可见光卫星影像数据集合，令q为1；

(2)从卫星影像数据集合中，获取第q幅场景图像，设置扫描窗口及扫描步长；令f＝1；

(3)对第f个扫描位置，截取扫描窗口大小的参考图I，并且以参考图I为中心，截取大于参考图I的基准图M；

(4)对参考图I进行预处理，生成特征参考图Z；

(5)特征参考图Z和基准图M进行相关面计算，并获得相关面参数集；对参考图I进行特征提取计算，得到特征参数集；

(6)将相关面参数集和特征参数集划分为正负样本，并加入训练样本集；

(7)判断是否完成第q幅场景图像所有扫描位置的扫描，如果没有完成，则令f加1，返回步骤(3)；如果完成则进入步骤(8)；

(8)判断是否完成卫星影像数据集中所有图像的扫描，如果完成，则确定该训练样本集；如果没有则令q值加1，返回步骤(2)。

优选的，扫描步长为8的整数倍像素单位。

优选的，基准图M为参考图I的2～4倍大小。

优选的，进行预处理的具体方法为：

4.1对参考图I，进行对比度拉伸消除光照对图像的影响，生成图像I₁；

4.2对图像I₁进行高斯滤波，生成图像I₂；

4.3对图像I₂进行旋转，生成图像I₃；