[发明专利]一种基于机器学习的航空影像匀光方法及系统

说明书

本发明公开了一种基于机器学习的航空影像匀光方法及系统，解决了在匀光过程中由于不同航空影像拍摄过程中带来的影像差异，从而导致匀光效果不能满足影像曝光度一致性的要求。该方法包括获取航空影像，确定匀光参数，其中该匀光参数为高斯模糊半径参数；采用不同的匀光参数值对所述航空影像进行匀光操作，并结合机器学习中的线性回归算法，进行拟合计算后得到航空影像不同匀光效果的拟合误差曲线图；然后根据拟合误差曲线图中曲线线性变化确定航空影像的最佳匀光参数值，最后采用最佳匀光参数值对航空影像对匀光处理。

技术领域

本发明涉及航空影像匀光技术领域，特别涉及一种基于机器学习的航空影像匀光方法及系统。

背景技术

在航空照片获取过程中，由于拍摄条件、光照情况、拍摄地物类别、大气条件、镜头设计等因素的影响，航空照片中会出现亮度分布不均匀的现象，严重的可直接影响航空照片质量，对后期航空照片处理，数字正射影像制作等工作增加了处理难度。为了改善此类问题的发生，需要对航空照片进行匀光处理，以得到亮度均匀的高质量航空照片。

目前，对于航空照片的匀光处理，一般分为两类：一类是数学模型法，但是该方法仅适用于亮度变化缓和的遥感影像的匀光处理；另一类是滤波法，选择出合适的滤波器是这类算法的一个难题。

MASK匀光算法为滤波方法的一种，它通过增强高频信息，抑制低频信息，从而增强影像的细节反差，抑制影像的异常亮度变化，达到匀光目的。一般采用MASK匀光算法对航空照片进行处理时，由于匀光参数相对固定，在进行匀光时对于特殊航空影像不能有效进行处理，匀光效果较差，不能满足需求。

发明内容

本发明的目的是提供一种基于机器学习的航空影像匀光方法及系统，解决在匀光过程中由于不同航空影像拍摄过程中带来的影像差异，从而导致匀光效果不能满足影像曝光度一致性的要求。

为实现上述目的，本发明提供了如下方案：

一种基于机器学习的航空影像匀光方法，所述航空影像匀光方法具体包括：

获取航空影像；

确定匀光参数；所述匀光参数为高斯模糊半径参数；

采用不同的匀光参数值对所述航空影像进行匀光操作，并结合机器学习中的线性回归算法，进行拟合计算后得到航空影像不同匀光效果的拟合误差曲线图；所述拟合误差曲线图的横坐标为匀光参数值，所述拟合误差曲线图的纵坐标为匀光后拟合值的回归误差值；

根据所述拟合误差曲线图中曲线线性变化，确定所述航空影像的最佳匀光参数值。

可选的，所述航空影像为农村地区航空影像、城市地区航空影像、占据50％以上水体的航空影像或者多拼相机出现光带的航空影像。

可选的，在执行采用不同的匀光参数值对所述航空影像进行匀光操作之前，所述航空影像匀光方法还包括：

确定线性回归模型。

可选的，所述确定线性回归模型，具体包括：

采用最小二乘法估算回归模型及所述回归模型的参数；

根据所述回归模型及所述回归模型的参数，建立线性回归模型。

可选的，在执行确定线性回归模型之前，所述航空影像匀光方法还包括：

确定匀光参数集合；所述匀光参数集合包括多个不同的匀光参数值。

可选的，所述采用不同的匀光参数值对所述航空影像进行匀光操作，并结合机器学习中的线性回归算法，进行拟合计算后得到航空影像不同匀光效果的拟合误差曲线图，具体包括：

采用不同的匀光参数值对所述航空影像进行匀光操作，得到多个不同匀光参数值的匀光航空影像；