【技术实现步骤摘要】
本申请涉及图像处理相关领域，尤其涉及基于多模数据融合的打猎相机成像质量优化方法及系统。
技术介绍
1、在野生动物监测和打猎活动中，打猎相机的成像质量至关重要。高质量的成像能够清晰地捕捉动物的活动瞬间，为科研和娱乐提供宝贵的数据。然而，由于野外环境的复杂性和多变性，打猎相机的成像质量往往受到多种因素的影响，如光照条件、天气状况、动物行为等。在现有的打猎相机成像质量优化方法中，主要依赖于对单一成像模式的数据进行处理和分析，这些方法通常包括图像增强、去噪、色彩校正等步骤，旨在提高图像的清晰度和色彩还原度。然而，这些方法忽视了其他成像模式所提供的信息，导致在夜间或恶劣天气条件下，成像质量大幅下降。
2、现阶段相关技术中，打猎相机成像质量存在优化效果有限，成像质量的鲁棒性和准确性不足的技术问题。
技术实现思路
1、本申请通过提供基于多模数据融合的打猎相机成像质量优化方法及系统，采用收集来自不同成像模式的数据，对每种成像模式的数据进行成像特征分析，建立成像特征与成像模式的映射关系，构建一个包含成像特征标识的多模数据特征描述库，对打猎相机的成像质量进行解析，识别出影响成像质量的组成因子，通过对这些因子进行层次分解，获得成像系统的不同层级，对每个成像层级识别出影响成像质量的关键维度，拟合关键维度与成像层级的成像影响关系，识别出正向质量因子和反向质量因子，将多模数据特征描述库中的特征与成像层级中的质量因子进行匹配，分析每个特征如何影响正向质量因子和反向质量因子，建立它们之间的补偿效应关系
2、本申请提供基于多模数据融合的打猎相机成像质量优化方法，包括：
3、获取多模数据的数据源特征，建立多模数据特征描述库；解析成像组成因子，对所述成像组成因子进行层次分解，获得成像层级；对所述成像层级进行成像质量维度关联性分析，获得成像层级的正向质量因子、反向质量因子；建立所述多模数据特征描述库中各数据特征与所述正向质量因子、反向质量因子的补偿效应关系；基于所述补偿效应关系，对所述多模数据特征描述库中各数据特征进行成像补偿优化。
4、在可能的实现方式中，所述建立多模数据特征描述库，执行以下处理：
5、所述多模数据至少包括可见光成像数据、红外成像数据、热成像数据，分别对多模数据进行成像优势特征、成像劣势特征分析，获得各多模数据的成像特征；建立所述成像特征与成像层级的映射关系、所述成像特征与多模数据的映射关系；基于所述映射关系进行成像特征、成像层级和多模数据进行映射整合，构建所述多模数据特征描述库，其中所述多模数据特征描述库具有成像优势特征、成像劣势特征的特征标识。
6、在可能的实现方式中，所述解析成像组成因子，对所述成像组成因子进行层次分解，获得成像层级，执行以下处理：
7、按照传感器性能、光学系统特征、环境条件对打猎相机进行成像质量因子解析，获得成像组成因子；按照物理、信号处理、空间、时间、光谱、感知多层次对所述成像组成因子进行分解，建立所述成像组成因子与多层次的关联关系；基于所述关联关系，将所述成像组成因子投射至对应的多层次中，获得所述成像层级。
8、在可能的实现方式中，对所述成像层级进行成像质量维度关联性分析，获得成像层级的正向质量因子、反向质量因子，执行以下处理：
9、对每个成像层级识别影响成像质量的关键维度；拟合所述关键维度与所在层级的单层成像影响关系，识别单层正向质量因子、单层反向质量因子；拟合各成像层级之间的层间成像影响关系，识别层间正向质量因子、层间反向质量因子；基于所述成像层级，对所述单层正向质量因子、单层反向质量因子、层间正向质量因子、层间反向质量因子进行质量影响关系融合，获得各成像层级的正向质量因子、反向质量因子。
10、在可能的实现方式中，建立所述多模数据特征描述库中各数据特征与所述正向质量因子、反向质量因子的补偿效应关系，执行以下处理：
11、获得所述正向质量因子、反向质量因子对所述成像层级的质量影响关系，对所述质量影响关系进行基础梯度转换，得到各质量因子的成像影响梯度；根据所述多模数据特征描述库，提取成像层级对应多模数据的成像特征；基于成像特征与质量因子的对应关系，将各成像层级的多模数据成像特征进行成像影响梯度投射，得到多模数据的成像影响梯度；基于所述多模数据的成像影响梯度进行成像质量补偿分析，获得补偿效应关系，所述补偿效应关系具有梯度标识。
12、在可能的实现方式中，基于所述补偿效应关系，对所述多模数据特征描述库中各数据特征进行成像补偿优化，执行以下处理：
13、基于所述梯度标识，对所述多模数据特征描述库中各数据特征进行特征梯度分割，构建多尺度特征；根据梯度标识对应的所述补偿效应关系，对所述多尺度特征进行尺度特征映射交互，按照多尺度交互关系进行成像补偿优化，获得层级成像参数。
14、在可能的实现方式中，对所述多尺度特征进行尺度特征映射交互，按照多尺度交互关系进行成像补偿优化，获得层级成像参数，执行以下处理：
15、按照多尺度特征的参数大小关系进行排序，确定尺度邻接关系；根据所述尺度邻接关系，依次进行相邻尺度特征交互，其中进行相邻尺度特征交互包括：将两个相邻尺度的特征输入特征增强层通过注意力机制进行特征增强，获得第一增强特征、第二增强特征；将所述第一增强特征、第二增强特征进行内积计算及一次softmax计算，获得两个相邻尺度特征的对应关系，基于对应关系进行两个尺度特征融合，得到融合特征；按照尺度邻接关系完成所有相邻尺度的特征交互，对所述融合特征进行成像补偿优化评价，获得所述层级成像参数，所述层级成像参数为成像补偿优化评价结果最佳的各层级特征。
16、本申请还提供了基于多模数据融合的打猎相机成像质量优化系统，包括：
17、多模数据特征描述库建立模块，所述多模数据特征描述库建立模块用于获取多模数据的数据源特征，建立多模数据特征描述库；成像组成因子层次分解模块，所述成像组成因子层次分解模块用于解析成像组成因子，对所述成像组成因子进行层次分解，获得成像层级；成像质量维度关联性分析模块，所述成像质量维度关联性分析模块用于对所述成像层级进行成像质量维度关联性分析，获得成像层级的正向质量因子、反向质量因子；补偿效应关系建立模块，所述补偿效应关系建立模块用于建立所述多模数据特征描述库中各数据特征与所述正向质量因子、反向质量因子的补偿效应关系；成像补偿优化模块，所述成像补偿优化模块用于基于所述补偿效应关系，对所述多模数据特征描述库中各数据特征进行成像补偿优化。
18、拟通过本申请提出的基于多模数据融合的打猎相机成像质量优化方法及系统，首先获取多模数据的数据源特征，建立多模数据特征描述库，然后解析成像组成因子，对成像组成本文档来自技高网...
【技术保护点】
1.基于多模数据融合的打猎相机成像质量优化方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，所述建立多模数据特征描述库包括：
3.如权利要求2所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，所述解析成像组成因子，对所述成像组成因子进行层次分解，获得成像层级，包括：
4.如权利要求3所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，对所述成像层级进行成像质量维度关联性分析，获得成像层级的正向质量因子、反向质量因子，包括：
5.如权利要求4所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，建立所述多模数据特征描述库中各数据特征与所述正向质量因子、反向质量因子的补偿效应关系，包括：
6.如权利要求5所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，基于所述补偿效应关系，对所述多模数据特征描述库中各数据特征进行成像补偿优化，包括：
7.如权利要求6所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于
8.基于多模数据融合的打猎相机成像质量优化系统，其特征在于，所述系统用于实施权利要求1-7任一项所述的基于多模数据融合的打猎相机成像质量优化方法，所述系统包括：
...【技术特征摘要】
1.基于多模数据融合的打猎相机成像质量优化方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，所述建立多模数据特征描述库包括：
3.如权利要求2所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，所述解析成像组成因子，对所述成像组成因子进行层次分解，获得成像层级，包括：
4.如权利要求3所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在于，对所述成像层级进行成像质量维度关联性分析，获得成像层级的正向质量因子、反向质量因子，包括：
5.如权利要求4所述的基于多模数据融合的打猎相机成像质量优化方法，其特征在...
【专利技术属性】
技术研发人员：齐晓辰，叶广明，周泽桢，
申请(专利权)人：深圳市斯远电子技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。