[发明专利]一种基于标记点过程的撞击坑提取后处理方法

说明书

本发明涉及一种基于标记点过程的撞击坑提取后处理方法，该方法包括以下步骤：步骤S1、根据撞击坑在影像中的纹理以及几何特征，建立Gibbs能量模型；通过撞击坑之间的拓扑性质建立模型的先验项，利用撞击坑边缘在一定光照条件下的相位大小以及相位方向构建针对撞击坑边缘的局部相位加权的相位方向密度函数，并基于相位方向密度函数构建模型的似然项；步骤S2、利用可逆跳转马尔科夫蒙特卡洛算法和模拟退火算法对Gibbs能量模型进行优化求解，得到优化后的撞击坑图像。与现有技术相比，本发明的方法能有效地剔除误提取撞击坑并优化候选撞击坑的位置和大小。

技术领域

本发明涉及卫星影像处理技术领域，尤其是涉及一种基于标记点过程的撞击坑提取后处理方法。

背景技术

撞击坑是行星表面的重要地物之一，其位置分布以及大小信息对于行星探测任务的规划与实施具有极大的研究价值与实用价值，如安全着陆选址以及避障等工程应用中，障碍物的位置和尺寸准确信息十分重要。

基于影像的撞击坑提取方法也可分为基于传统的模式识别方法以及机器学习方法。基于传统的模式识别方法通常使用大量的先验几何或纹理分布规则来进行撞击坑的边缘检测或亮-暗分布特征检测，通常使用的技术包括：Hough变换、模板匹配、可能性聚类、椭圆拟合以及马尔可夫链蒙特卡罗算法等。机器学习和深度学习方法也在基于影像的撞击坑提取算法中发挥了重要作用，如基于卷积神经网络的方法、遗传算法、随机森林和支持向量机等。在实际应用中，以上这些算法多集中于统计提取撞击坑的数量，而缺少对撞击坑位置和大小准确度的讨论。

在现有的撞击坑提取算法中，对于正确提取撞击坑的定义多通过IOU因子来衡量，即认为当前提取到的撞击坑与地面真值的相对覆盖率达到即认为是正确提取的，或者在深度学习中多为方框标注，忽略了对每一个提取到撞击坑的精确定位和大小的精确确定。

综上，现有技术并未在标记点过程时充分利用目标纹理和几何特征的优势，难以有效剔除误提取撞击坑，且得到的候选撞击坑的位置和大小也不够准确。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种基于标记点过程的撞击坑提取后处理方法，能有效地剔除误提取撞击坑并优化候选撞击坑的位置和大小。

本发明的目的可以通过以下技术方案来实现：

本发明给出了一种基于标记点过程的撞击坑提取后处理方法，该方法包括以下步骤：

步骤S1、根据撞击坑在影像中的纹理以及几何特征，建立Gibbs能量模型；通过撞击坑之间的拓扑性质建立模型的先验项，利用撞击坑边缘在一定光照条件下的相位大小以及相位方向构建针对撞击坑边缘的局部相位加权的相位方向密度函数，并基于相位方向密度函数构建模型的似然项；

步骤S2、利用可逆跳转马尔科夫蒙特卡洛算法和模拟退火算法对Gibbs能量模型进行优化求解，得到优化后的撞击坑图像。

优选地，结合撞击坑在影像中的形状，将椭圆作为撞击坑的标记；每个撞击坑由一个五元组C_i＝(v_i,u_i,l_i,w_i,α_i)描述，(v_i,u_i)代表椭圆的中心，即属于实现点过程中的一个点，而其他三个是标记，对应于主轴、次轴和方向；

五元组的取值范围为：

S＝[0,M]×[0,N]×[a_m,a_M]×[b_m,b_M]×[0,π]                    (1)