申请/专利权人：山东产研卫星信息技术产业研究院有限公司

申请日：2023-09-01

公开（公告）日：2024-06-25

公开（公告）号：CN117197682B

主分类号：G06V20/13

分类号：G06V20/13;G01J5/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2023.12.26#实质审查的生效;2023.12.08#公开

摘要：本发明公开了一种长波红外遥感影像进行盲元检测与去除的方法，涉及卫星遥感影像图像处理技术领域，包括以下步骤：获取多场景连续帧长波红外遥感影像；构建3D‑CNN像素分类模型；将待进行盲元检测的影像输入模型；使用3D‑CNN网络模型进行分类；获取盲元像素所在的像素位置坐标，制作红外影像盲元位置表；遍历与盲元位置相邻的非盲元像素所属的分类类别；计算每一个分类类别中所有像素的均值；获取所有均值的中值；使用中值替代盲元点像素的灰度值；以此类推，完成所有盲元的像素值替代，获取盲元补偿后的红外影像。本发明的优点在于：基于多场景连续帧影像进行建模，通过基于像素级别分类的思想，分类出盲元类别，实现盲元的自动检测与去除。

主权项：1.一种长波红外遥感影像进行盲元检测与去除的方法，其特征在于，包括以下步骤：S1、获取多场景连续帧的长波红外遥感影像；所述长波红外遥感影像中同时包含空间信息和时间信息；S2、将所述长波红外遥感影像中的空间信息和时间信息整合在一起，以构建空间-时间联合的3D-CNN像素分类模型，其中盲元所属像素归为一类，其他像素根据像素灰度值的大小DN，划分为5类；若其他像素灰度值最大为Max，最小为Min，记i＝Max-Min+15，则分类规则如下： S3、提取所述长波红外遥感影像中的W×W×H的空间-时间立方体作为样本数据，其中W×W为空间邻域大小，H为所述长波红外遥感影像中连续帧的数量，并按照1:1:8的比例将所述样本数据划分为验证集、测试集和训练集；S4、将所述样本数据输入至所述3D-CNN像素分类模型中，对所述3D-CNN像素分类模型进行训练，得到训练好的3D-CNN像素分类模型；所述训练集进入四个卷积层，卷积核大小均为3×3×7，步长为2，在最后一个卷积层后加入比率为0.3的Dropout，然后进入全连接层，所述全连接层将三维的特征立方体变成一维的特征向量，最后使用Logistic回归分类器中针对多任务的softmax，输出所述样本数据的所属类别；所述3D-CNN像素分类模型的损失函数为：式中，m表示mini-batch的大小，xj和zj分别表示每个批量中第j个样本数据的预测值和真实值；loss为所述损失函数；S5、将待进行盲元检测的影像输入训练好的3D-CNN像素分类模型进行分类，输出分类后像素所属的类别，其中包含盲元所在类别；S6、获取盲元像素所在的像素位置坐标，制作红外影像盲元位置Excel表；Excel表中包含三列，第一列为序号，值为1至n，n为盲元总个数，第二列为盲元像素坐标的横坐标值，第三列为盲元像素坐标的横坐标值对应的纵坐标值；S7、遍历与盲元位置相邻的非盲元像素所属的分类类别，具体为：根据盲元位于图像的位置判断盲元所在的邻域区域；根据所述邻域区域确定非盲元像素，根据确定好的非盲元像素确定从属于分类类别中的具体类别；S8、计算每一个分类类别中所有像素的均值；S8、获取所有均值的中值；S9、使用中值替代盲元点像素的灰度值；S10、以此类推，完成所有盲元的像素值替代，以获取盲元补偿后的红外影像。

全文数据：

权利要求：

百度查询： 山东产研卫星信息技术产业研究院有限公司 一种长波红外遥感影像进行盲元检测与去除的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD