[发明专利]影像噪声定位方法及系统

权利要求书

1.一种影像噪声定位方法，其特征在于，包括以下步骤：S10、采集光谱影像作为样本数据并进行预处理；

S20、构建条带噪声判别模型，基于所述样本数据对所述条带噪声判别模型进行机器学习训练；

所述S20包括：

S21、基于卷积神经网络组建条带噪声分类模型，

S22、基于所述样本数据对所述条带噪声分类模型进行训练，根据训练结果与样本数据进行对比，进行损失修正，得到条带噪声判别模型，

S23、判断所述条带噪声判别模型是否拟合，若是则模型训练完成，否则返回执行步骤S22，

S24、构建分类激活热力图模型，并将所述条带噪声判别模型作为前置模型，

S25、将所述条带噪声判别模型输出的一维特征作为所述分类激活热力图模型的输入源，

S26、所述分类激活热力图模型对所述输入源进行热力图计算，获取置信度，

S27、基于所述置信度对所述一维特征进行加权求和，得到一维的类激活热力图；

S30、将待定位的光谱影像作为所述条带噪声判别模型的输入源，经过所述模型判别后生成判别结果，根据所述判别结果得到条带噪声的位置信息以及噪声值；

所述S30包括：

S31、基于所述分类激活热力图模型，以所述待定位的光谱影像作为输入源进行计算，获得条带判断结果及对应的激活热力图；

S32、设置阈值，根据所述激活热力图获取热力值，基于所述阈值对所述热力值进行筛选，确定条带边界；

S33、基于所述条带边界获取条带噪声位置信息，并将所述样本数据进行拼接，根据判别结果进行噪声值分级；

S34、基于所述判别结果及噪声值分级，得到对应样本数据的条带位置信息及噪声值。

2.根据权利要求1所述的影像噪声定位方法，其特征在于，所述S10包括：

S11、通过光学遥感卫星进行光谱影像数据采集，获得一定数量的原始遥感数据；

S12、对所述原始遥感数据分类并按指定尺寸进行裁剪；

S13、将裁剪后的所述遥感数据按照有无条带噪声进行分类，得到样本数据集。

3.根据权利要求1所述的影像噪声定位方法，其特征在于，所述S21包括：基于卷积神经网络分别组建输入模型、条带噪声特征提取模型以及分类输出模型。

4.根据权利要求3所述的影像噪声定位方法，其特征在于，所述S22包括：基于所述样本数据经过多层卷积网络计算得到预测标签，根据所述预测标签判断是否存在条带；

根据预测标签的判断结果与真实样本数据标签进行计算，获得预测损失值；

将所述预测损失值作为所述多层卷积网络的各个网络中的反馈输入，用以更新所述输入模型、所述条带噪声特征提取模型以及分类输出模型的参数。