[发明专利]一种基于金字塔影像分割的陨石坑自动提取方法

说明书

本发明涉及人工智能的技术领域，公开了一种基于金字塔影像分割的陨石坑自动提取方法，其特征在于：以均分方式对待检月球DEM影像进行裁剪，构建多尺度金字塔影像，并将金字塔影像的所有层影像调整至统一尺寸，然后从底层至顶层将各层影像逐一输入U‑Net神经网络模型进行陨石坑的边缘分割，再利用模板匹配算法提取各个陨石坑的基于当前金字塔影像像素矩阵的像素中心坐标和大小，最后利用转换关系，计算各个陨石坑实际对应的经纬度中心坐标和半径。对现有陨石坑分割提取方法进行改进，使之适用于月球DEM中多尺度陨石坑的准确提取，为更完整的陨石坑目录集和航天器选址着陆提供支持。

技术领域

本发明属于人工智能的技术领域，具体涉及一种基于金字塔影像分割的陨石坑自动提取方法。

背景技术

撞击活动形成的陨石坑是许多天体的重要视觉特征，为恒星演化和年龄评估提供了参考，也为陨石坑下降状态的逆向推理提供了依据。随着深空探测活动的发展，天体表面密集分布着形状不同、年代不同的陨石坑，成为探测器着陆的自然标志，研究弹坑的大小和分布对于保证着陆器避开这些障碍物具有重要意义。

在传统方法中，目视解译主要用于基于视觉特征的弹坑识别，该方法耗时耗力，生成的数据集不能覆盖月球所有的陨石坑，而且不同的研究者对陨石坑的评价标准不同，对陨石坑目录数据产生影响。为了实现陨石坑识别的自动化，已出现了许多陨石坑检测算法(CAS)，包括边缘检测,分类器和卷积神经网络等。与传统的目视解译相比，这些CAS极大地提高了检测效率，但前两种方法的提取效果容易受到非陨石坑边缘、光照、重叠等因素的影响，对复杂的，特别是退化程度严重的陨石坑坑的检测性能较低，而卷积神经网络的方法减少了这些因素的影像，由于具有通过迭代训练自动提取特征的能力，在弹坑提取领域取得了良好的表现。

现有的基于卷积神经网络的陨石坑检测算法主要分为目标检测和语义分割。目标检测是基于陨石坑的许多特征来判断的，不利于准确提取中心和半径；语义分割可以通过识别边缘像素来直接确定坑的位置和大小，而以往基于语义分割的陨石坑检测方法中，对于大尺度的特别是10km以上的陨石坑提取效果下降，并由于投影转换的影像，使得在对大尺度影像中陨石坑位置的准确提取上产生偏移。因此，应着重考虑提升多尺度陨石坑的准确提取的技术。

发明内容

本发明提供一种基于金字塔影像分割的陨石坑自动提取方法，通过构建金字塔影像、以及创建陨石坑的基于当前金字塔影像像素矩阵的像素坐标和实际经纬度坐标的转换关系，对现有陨石坑分割提取方法进行改进，使之适用于月球DEM中多尺度陨石坑的提取，为更完整的陨石坑目录集和航天器选址着陆提供支持。

本发明可通过以下技术方案实现：

一种基于金字塔影像分割的陨石坑自动提取方法，以均分方式对待检月球DEM影像进行裁剪，构建多尺度金字塔影像，并将金字塔影像的所有层影像调整至统一尺寸，然后从底层至顶层将各层影像逐一输入U-Net神经网络模型进行陨石坑的边缘分割，再利用模板匹配算法提取各个陨石坑的基于当前金字塔影像像素矩阵的像素中心坐标和大小，最后利用转换关系，计算各个陨石坑实际对应的经纬度中心坐标和半径。

进一步，所述金字塔影像从底层至顶层的影像依次设置为待检月球DEM影像的原始影像、一次均分后的所有影像、二次均分后的所有影像…N次均分后的所有影像，依次采用四的指数倍递增方式进行均分。

进一步，所述待检月球DEM影像设置为正方形，构建三层金字塔影像，从底层到顶层依次设置为原始影像、四均分后的四个影像、十六均分后的十六个影像，然后金字塔影像的所有层影像调整至256×256像素大小。