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。