【技术实现步骤摘要】
本专利技术涉及可见光图像处理与人工智能的交叉领域，具体而言，涉及一种数据驱动的可见光成像卫星识别效能评估方法及装置。
技术介绍
1、随着航天遥感技术的飞速发展，大量亚米级分辨率的空间可见光成像卫星相继出现，使得可见光成像技术扮演着越来越重要的角色，目前在评估可见光成像卫星识别效能时通常以识别准确率指标来衡量，传统的识别准确率度量方式多为静态量化、基于蒙特卡洛试验的统计量化等，尤其是蒙特卡洛试验方式大量样本且计算时效性不高，若样本数不多将会导致目标识别准确率计算不准确。
2、为了解决蒙特卡洛计算目标识别准确率的缺点，考虑平台、传感器和环境等影响因素，通过理论建模方式构建目标识别准确率的量化解析式，大大提升了计算时效性，但是理论模型与实际应用时的性能差距较大，无法准确的对可见光成像卫星识别能力进行准确评估与量化，因此如何准确快速度量成像卫星识别效能是急需研究攻克的难题。
技术实现思路
1、本专利技术旨在提供一种数据驱动的可见光成像卫星识别效能评估方法及装置，以能准确、快速的度量出可见光成像传感器的识别效能。
2、本专利技术提供的一种数据驱动的可见光成像卫星识别效能评估方法，包括如下步骤：
3、步骤1，接入可见光成像卫星图像数据、环境数据和卫星状态数据，对所述可见光成像卫星图像数据、环境数据和卫星状态数据进行预处理，形成综合数据；
4、步骤2，对综合数据的识别效能因子进行量化；
5、步骤3，基于识别效能因子和目标识别算法标签标注
6、步骤4：实时接入可见光成像传感器的图像数据、环境数据和卫星状态数据，基于识别效能度量模型动态评估可见光成像传感器对不同种类目标的识别效能。
7、进一步地，步骤1中：
8、对可见光卫星图像数据的预处理包括：将可见光传感器成像数据以目标为中心选取9倍目标面积的周围背景区域划分目标背景区域，形成的目标背景图像数据按照目标种类和时间先后顺序进行分类排序；
9、对环境数据及卫星状态数据的预处理包括：将环境数据按照地理位置进行组织，然后针对不同地理位置，按时间先后顺序进行排序；卫星状态数据按照时间先后顺序进行排序。
10、在一个实施例中，步骤2中，对综合数据的识别效能因子进行量化包括曝光效能、云层效能、颜色效能、卫星振动效能。
11、在一个实施例中，所述曝光效能为为：通过图像数据获取曝光量量化曝光效能因子。
12、在一个实施例中，所述云层效能为：通过云层厚度与云量等级的对应关系，量化云层效能。
13、在一个实施例中，根据人为主观判断目标和背景的区分程度，量化图像数据中的目标和背景的颜色对比度等级，基于颜色对比度等级计算颜色效能。
14、在一个实施例中，所述卫星振动效能为：基于卫星横向振动的影响，考虑卫星低频振动和高频振动的不同情形，量化卫星振动效能。
15、进一步地，所述卫星振动效能需要根据卫星振动频率和振幅进行区别计算。
16、进一步地，步骤3包括：
17、基于目标图像背景数据、环境数据、卫星状态数据的综合数据，计算不同目标种类综合数据的曝光效能因子，大气效能因子、颜色效能因子和卫星振动效能因子；
18、将各效能因子取值范围分别等分为若干区间，通过排列组合方式生成针对不同目标种类不同效能因子区间组合类别；
19、运用典型目标识别算法进行目标识别，统计不同目标种类不同效能因子区间组合类别下的目标识别准确率；
20、将各组合类别下的数据赋上对应的目标识别准确率作为标签，形成模型训练数据；
21、按照可变步长滑动时间窗口方式，以新增数据时间段为变步长，从最新时间的数据起依次倒序选择若干个目标种类的可见光成像样本作为模型训练数据；
22、将模型训练数据划分为训练集和测试集，构建bp神经网络，设置包括目标误差、学习率和最大迭代次数的网络参数，最终将训练集和测试集输入构建的bp神经网络训练，训练完成后生成识别效能度量模型。
23、本专利技术还提供一种数据驱动的可见光成像卫星识别效能评估装置，包括：
24、可见光传感器成像数据预处理模块，用于接入可见光成像卫星图像数据、环境数据和卫星状态数据，对所述可见光成像卫星图像数据、环境数据和卫星状态数据进行预处理，形成综合数据；
25、识别效能因子度量模块，用于对综合数据的识别效能因子进行量化；
26、识别效能度量模型训练模块，用于基于识别效能因子和目标识别算法标签标注结果生成模型训练数据，通过bp神经网络训练生成可见光成像传感器针对不同种类目标的识别效能度量模型；
27、识别准确率计算模块，用于实时接入可见光成像传感器的图像数据、环境数据和卫星状态数据，基于识别效能度量模型动态评估可见光成像传感器对不同种类目标的识别效能。
28、综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
29、1、本专利技术从可见光成像与目标识别原理出发，考虑了传感器、平台和环境等影响因素，分析构建了曝光效能因子、大气效能因子、颜色效能因子和卫星振动效能因子度量模型，使得卫星针对不同目标识别效能量化更具有科学性。
30、2、本专利技术将传感器成像识别效能因子作为识别效能度量模型输入，基于实际图像数据、环境数据、卫星状态数据等关联标注结果，通过bp神经网络线下训练，使得生成的量化模型在计算识别准确率时比通过蒙特卡洛试验的传统方式更加快速且更贴近于实际。
本文档来自技高网...【技术保护点】
1.一种数据驱动的可见光成像卫星识别效能评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，步骤1中：
3.根据权利要求1所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，步骤2中，对综合数据的识别效能因子进行量化包括曝光效能、云层效能、颜色效能、卫星振动效能。
4.根据权利要求4所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，所述曝光效能为为：通过图像数据获取曝光量量化曝光效能因子。
5.根据权利要求4所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，所述云层效能为：通过云层厚度与云量等级的对应关系，量化云层效能。
6.根据权利要求4所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，根据人为主观判断目标和背景的区分程度，量化图像数据中的目标和背景的颜色对比度等级，基于颜色对比度等级计算颜色效能。
7.根据权利要求4所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，所述卫星振动效能为：基于卫星横
8.根据权利要求7所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，所述卫星振动效能需要根据卫星振动频率和振幅进行区别计算。
9.根据权利要求1所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，步骤3包括：
10.一种数据驱动的可见光成像卫星识别效能评估装置，其特征在于，包括：
...【技术特征摘要】
1.一种数据驱动的可见光成像卫星识别效能评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，步骤1中：
3.根据权利要求1所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，步骤2中，对综合数据的识别效能因子进行量化包括曝光效能、云层效能、颜色效能、卫星振动效能。
4.根据权利要求4所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，所述曝光效能为为：通过图像数据获取曝光量量化曝光效能因子。
5.根据权利要求4所述的数据驱动的可见光成像卫星识别效能评估方法，其特征在于，所述云层效能为：通过云层厚度与云量等级的对应关系，量化云层效能。
6.根据权利要求4所...
【专利技术属性】
技术研发人员：孙文，曹开臣，葛萌萌，王一豪，程娟，
申请(专利权)人：中国电子科技集团公司第十研究所，
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。