一种景象适配性准则训练样本集生成方法

    公开(公告)号:CN109063731A

    公开(公告)日:2018-12-21

    申请号:CN201810665397.4

    申请日:2018-06-26

    IPC分类号: G06K9/62

    摘要: 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。

    一种景象适配性准则训练样本集生成方法

    公开(公告)号:CN109063731B

    公开(公告)日:2020-11-10

    申请号:CN201810665397.4

    申请日:2018-06-26

    IPC分类号: G06K9/62

    摘要: 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。

    一种用于SAR匹配的特征区域检测方法

    公开(公告)号:CN105335765A

    公开(公告)日:2016-02-17

    申请号:CN201510685263.5

    申请日:2015-10-20

    IPC分类号: G06K9/64

    CPC分类号: G06K9/64 G06K2209/21

    摘要: 公开了一种用于SAR匹配的特征区域检测方法,包括:选取待检测图像中的任一点为观测点,获取以所述观测点为中心的初始窗口对应区域的标准差;逐次递增所述初始窗口的尺寸,获取每个递增窗口对应区域的标准差;对初始窗口对应区域的标准差以及每个递增窗口对应区域的标准差进行显著性分析,当显著性大于预设阈值时,判定所述待检测图像适于匹配。本发明能够避开基于阈值分割方法面临的对整幅待检测图像的阈值设定难、分割难的问题,且不受观测点散射特性强或弱的影响,适用范围广,尤其适用于斑点噪声较大、地物散射特性值间有较大重叠的SAR影像。