CN109101990A - 一种图像数据处理方法与系统 - Google Patents

一种图像数据处理方法与系统 Download PDF

Info

Publication number
CN109101990A
CN109101990A CN201810725720.2A CN201810725720A CN109101990A CN 109101990 A CN109101990 A CN 109101990A CN 201810725720 A CN201810725720 A CN 201810725720A CN 109101990 A CN109101990 A CN 109101990A
Authority
CN
China
Prior art keywords
image
removal
classification
background
global
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810725720.2A
Other languages
English (en)
Other versions
CN109101990B (zh
Inventor
张婷婷
唐仁超
马玲玲
石昊
李嫱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Agricultural University
Original Assignee
Shenyang Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang Agricultural University filed Critical Shenyang Agricultural University
Priority to CN201810725720.2A priority Critical patent/CN109101990B/zh
Publication of CN109101990A publication Critical patent/CN109101990A/zh
Application granted granted Critical
Publication of CN109101990B publication Critical patent/CN109101990B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种图像数据处理方法及系统，该方法包括：通过传感器接收高质量卫星数据，获得去除干扰后的全局图像；利用滤波器进行背景去除，形成目标图像数据库；对目标图像数据库中的图像进行特征提取和分类，对分类进行验证和调整；对验证结果和调整后的分类进行输出和显示。该系统包括：接收装置，全局图像数据库形成装置，目标图像数据库形成装置，特征提取和分类装置，验证装置，输出和显示装置。该方法和系统能够将多样化信息去除干扰和背景去除，使得数据处理高效准确，通过分类验证提高精度和准确度，从而提高多数据的特征利用，提高数据的处理效率和质量。

Description

一种图像数据处理方法与系统
技术领域
本发明属于数据处理技术领域，具体地，涉及一种图像数据处理方法和装置。
背景技术
大数据时代，各种信息量大，在数据图像处理技术领域中，尤其是遥感图像数据处理，数据量大，受各种因素的干扰严重，对目标物的分类和验证均存在精度低、准确度低的不足，亟需开发一种图像数据处理方法和装置，对图像数据进行去干扰、背景去除，特征提取和分类，验证建模等，以提高精度和准确度。
发明内容
为了解决上述问题，本发明的目的在于提供一种图像数据处理方法和装置，接收卫星数据，对全局数据的信息去除干扰，再进行背景去除，再进行特征提取和分类，并对分类进行验证和调整，对分类和验证结果进行输出和显示。该方法和装置能够将多样化信息进行去干扰和优化，使得数据处理对象质量高，不受干扰和背景因素的影响，对处理后的高质量图像进行特征提取、分类和验证，提高特征提取和分类的精度和准确度，提高多数据的特征利用，提高数据的分类效率和准确度。
本发明采用的技术方案如下：
本发明公开了一种图像数据处理方法，该方法包括：
通过传感器接收高质量卫星数据，针对全局数据信息去除干扰后，获得去除干扰后的全局图像，形成全局图像数据库。
对去除干扰后的全局图像利用滤波器进行背景去除，得到背景去除后图像，形成目标图像数据库。
对目标图像数据库中的图像进行特征提取和分类，并对分类进行验证：选均匀区域，通过面积最优法聚合，提取高纯度像元作为训练及验证样本，所述样本随机n等分，训练样本用一份，验证样本用n-1 份，交互验证共n次，取其均值与方差，得到验证结果，再对分类进行调整；
对验证结果和调整后的分类进行输出和显示。
本发明还公开了一种图像数据处理装置，该装置包括：
该系统包括：
接收装置，用于通过传感器接收高质量卫星数据。
全局图像数据库形成装置，用于针对全局数据信息去除干扰后，获得去除干扰后的全局图像，形成全局图像数据库。
目标图像数据库形成装置，用于对去除干扰后的全局图像利用滤波器进行背景去除，得到背景去除后图像，形成目标图像数据库。
特征提取和分类装置，用于对目标图像数据库中的图像进行特征提取和分类，
验证装置，用于对分类进行验证：选均匀区域，通过面积最优法聚合，提取高纯度像元作为训练及验证样本，所述样本随机n等分，训练样本用一份，验证样本用n-1份，交互验证共n次，取其均值与方差，得到验证结果，再对分类进行调整；
输出和显示装置，用于对验证结果和调整后的分类进行输出和显示。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明：
图1为数据处理方法的流程图。
图2为数据处理装置的示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
应当理解的是，在说明书和权利要求书中使用的术语或词语不应当理解为具有在字典中限定的含义，而应理解为在以下原则的基础上具有与其在本发明上下文中的含义一致的含义：术语的概念可以适当地由发明人为了对本发明的最佳说明而限定。
本发明公开了一种图像数据处理方法，该方法包括：
通过传感器接收高质量卫星数据，针对全局数据信息去除干扰后，获得去除干扰后的全局图像，形成全局图像数据库。
进一步地，针对全局数据信息去除干扰后，获得去除干扰后的全局图像F(x,y)：
其中t0为光线透射率t(x,y)的阈值，AF为多通道中图像的亮度最大值，A(x,y)为AF相应通道对应的灰度图像。
对去除干扰后的全局图像利用滤波器进行背景去除，得到背景去除后图像，形成目标图像数据库。
进一步地，对去除干扰后的全局图像利用滤波器进行背景去除：假设B(x,y)为一幅与地面背景图域相同，大小相同的非纯地面背景图像，经过变换可得其频谱数据为FB(a,b)，利用平滑背景滤波器H(a,b)，将非纯地面背景图中的地面背景频谱数据滤除，经过变换得到地面背景去除后的灰度图像，再对经过滤除的非纯地面背景频谱数据F(a,b) 进行反变化得到背景去除后图像f(x,y)，其中，F(a,b)＝FB(a,b)H(a,b)， f(x,y)＝F-1(F(a,b))，F-1为反变换。
对目标图像数据库中的图像进行特征提取和分类，并对分类进行验证和调整；
进一步地，选均匀区域，通过面积最优法聚合，提取高纯度像元作为训练及验证样本，所述样本随机n等分，训练样本用一份，验证样本用n-1份，交互验证共n次，取其均值与方差，得到验证结果，再对分类进行调整；
对验证结果和调整后的分类进行输出和显示。
本发明还公开了一种图像数据处理装置，该装置包括：
该系统包括：
接收装置，用于通过传感器接收高质量卫星数据。
全局图像数据库形成装置，用于针对全局数据信息去除干扰后，获得去除干扰后的全局图像，形成全局图像数据库。
进一步地，针对全局数据信息去除干扰后，获得去除干扰后的全局图像F(x,y)：
其中t0为光线透射率t(x,y)的阈值，AF为多通道中图像的亮度最大值，A(x,y)为AF相应通道对应的灰度图像。
目标图像数据库形成装置，用于对去除干扰后的全局图像利用滤波器进行背景去除，得到背景去除后图像，形成目标图像数据库。
进一步地，对去除干扰后的全局图像利用滤波器进行背景去除：假设B(x,y)为一幅与地面背景图域相同，大小相同的非纯地面背景图像，经过变换可得其频谱数据为FB(a,b)，利用平滑背景滤波器H(a,b)，将非纯地面背景图中的地面背景频谱数据滤除，经过变换得到地面背景去除后的灰度图像，再对经过滤除的非纯地面背景频谱数据F(a,b) 进行反变化得到背景去除后图像f(x,y)，其中，F(a,b)＝FB(a,b)H(a,b)， f(x,y)＝F-1(F(a,b))，F-1为反变换。
特征提取和分类装置，用于对目标图像数据库中的图像进行特征提取和分类，
验证装置，用于对分类进行验证和调整；
进一步地，选均匀区域，通过面积最优法聚合，提取高纯度像元作为训练及验证样本，所述样本随机n等分，训练样本用一份，验证样本用n-1份，交互验证共n次，取其均值与方差，得到验证结果，再对分类进行调整；
输出和显示装置，用于对验证结果和调整后的分类进行输出和显示。
以上描述了本发明优选实施方式，然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。

Claims (8)

1.一种图像数据处理方法，其特征在于，该方法包括：
通过传感器接收高质量卫星数据，针对全局数据信息去除干扰后，获得去除干扰后的全局图像，形成全局图像数据库。
对去除干扰后的全局图像利用滤波器进行背景去除，得到背景去除后图像，形成目标图像数据库。
对目标图像数据库中的图像进行特征提取和分类，并对分类进行验证和调整；
对验证结果和调整后的分类进行输出和显示。
2.根据权利要求1所述的一种图像数据处理方法，所述针对全局数据信息去除干扰后，获得去除干扰后的全局图像F(x,y)：
其中t0为光线透射率t(x,y)的阈值，AF为多通道中图像的亮度最大值，A(x,y)为AF相应通道对应的灰度图像。
3.根据权利要求1所述的一种图像数据处理方法，所述对去除干扰后的全局图像利用滤波器进行背景去除：假设B(x,y)为一幅与地面背景图域相同，大小相同的非纯地面背景图像，经过变换可得其频谱数据为FB(a,b)，利用平滑背景滤波器H(a,b)，将非纯地面背景图中的地面背景频谱数据滤除，经过变换得到地面背景去除后的灰度图像，再对经过滤除的非纯地面背景频谱数据F(a,b)进行反变化得到背景去除后图像f(x,y)，其中，F(a,b)＝FB(a,b)H(a,b)，f(x,y)＝F-1(F(a,b))。
4.根据权利要求1所述的一种图像数据处理方法，所述对分类进行验证的步骤为：选均匀区域，通过面积最优法聚合，提取高纯度像元作为训练及验证样本，所述样本随机n等分，训练样本用一份，验证样本用n-1份，交互验证共n次，取其均值与方差，得到验证结果，再对分类进行调整。
5.一种图像数据处理系统，其特征在于，该系统包括：
接收装置，用于通过传感器接收高质量卫星数据。
全局图像数据库形成装置，用于针对全局数据信息去除干扰后，获得去除干扰后的全局图像，形成全局图像数据库。
目标图像数据库形成装置，用于对去除干扰后的全局图像利用滤波器进行背景去除，得到背景去除后图像，形成目标图像数据库。
特征提取和分类装置，用于对目标图像数据库中的图像进行特征提取和分类，
验证装置，用于对分类进行验证和调整；
输出和显示装置，用于对验证结果和调整后的分类进行输出和显示。
6.根据权利要求5所述的一种图像数据处理系统，所述针对全局数据信息去除干扰后，获得去除干扰后的全局图像F(x,y)：
其中t0为光线透射率t(x,y)的阈值，AF为多通道中图像的亮度最大值，A(x,y)为AF相应通道对应的灰度图像。
7.根据权利要求5所述的一种图像数据处理系统，所述对去除干扰后的全局图像利用滤波器进行背景去除：假设B(x,y)为一幅与地面背景图域相同，大小相同的非纯地面背景图像，经过变换可得其频谱数据为FB(a,b)，利用平滑背景滤波器H(a,b)，将非纯地面背景图中的地面背景频谱数据滤除，经过变换得到地面背景去除后的灰度图像，再对经过滤除的非纯地面背景频谱数据F(a,b)进行反变化得到背景去除后图像f(x,y)，其中，F(a,b)＝FB(a,b)H(a,b)，f(x,y)＝F-1(F(a,b))。
8.根据权利要求5所述的一种图像数据处理方法，所述对分类进行验证和调整为：选均匀区域，通过面积最优法聚合，提取高纯度像元作为训练及验证样本，所述样本随机n等分，训练样本用一份，验证样本用n-1份，交互验证共n次，取其均值与方差，得到验证结果，再对分类进行调整。
CN201810725720.2A 2018-07-04 2018-07-04 一种遥感数据处理系统与方法 Expired - Fee Related CN109101990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810725720.2A CN109101990B (zh) 2018-07-04 2018-07-04 一种遥感数据处理系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810725720.2A CN109101990B (zh) 2018-07-04 2018-07-04 一种遥感数据处理系统与方法

Publications (2)

Publication Number Publication Date
CN109101990A true CN109101990A (zh) 2018-12-28
CN109101990B CN109101990B (zh) 2020-03-27

Family

ID=64845698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810725720.2A Expired - Fee Related CN109101990B (zh) 2018-07-04 2018-07-04 一种遥感数据处理系统与方法

Country Status (1)

Country Link
CN (1) CN109101990B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020644A (zh) * 2012-12-14 2013-04-03 中国科学院对地观测与数字地球科学中心 一种目标识别方法及装置
CN107330440A (zh) * 2017-05-17 2017-11-07 天津大学 基于图像识别的海洋状态计算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020644A (zh) * 2012-12-14 2013-04-03 中国科学院对地观测与数字地球科学中心 一种目标识别方法及装置
CN107330440A (zh) * 2017-05-17 2017-11-07 天津大学 基于图像识别的海洋状态计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张辉: "《光学卫星遥感图像舰船目标ROI提取技术研究》", 《中国优秀硕士学位论文全文数据库》 *

Also Published As

Publication number Publication date
CN109101990B (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
Zhang et al. Single image defogging based on multi-channel convolutional MSRCR
US11645735B2 (en) Method and apparatus for processing image, device and computer readable storage medium
CN109583483B (zh) 一种基于卷积神经网络的目标检测方法和系统
CN108597003A (zh) 一种文章封面生成方法、装置、处理服务器及存储介质
EP3114687A1 (en) Method and device for processing a picture
CN115345790A (zh) 基于窗口的自注意力神经网络的探地雷达图像增强方法
CN106156691A (zh) 复杂背景图像的处理方法及其装置
US10521918B2 (en) Method and device for filtering texture, using patch shift
CN109816596A (zh) 一种图像去噪方法及装置
CN104616035B (zh) 基于图像全局特征及SURF算法的Visual Map快速匹配方法
CN101584204A (zh) 用于数字画面的内容自适应细节滤波的方法和装置
CN109101990A (zh) 一种图像数据处理方法与系统
CN102542278A (zh) 基于dwt的自适应特征点提取和图像匹配
CN115393868B (zh) 文本检测方法、装置、电子设备和存储介质
CN104102911A (zh) 一种基于aoi的子弹表观缺陷检测系统的图像处理算法
CN115546766B (zh) 车道线生成方法、装置、电子设备和计算机可读介质
CN115689947A (zh) 一种图像锐化的方法、系统、电子装置和存储介质
CN104794445A (zh) 一种基于arm平台的动态人脸虹膜采集方法
Quan et al. Efficient and robust: A cross-modal registration deep wavelet learning method for remote sensing images
CN103513288A (zh) 一种二维网格数据的补偿方向滤波方法
Furukawa et al. High-speed min-max bilateral filter-based image dehazing by using GPGPU
Dey et al. A novel approach of obtaining features using wavelet based image fusion and Harris corner detection
CN103955689A (zh) 一种采用频率筛选的图像视觉感兴趣区域提取方法
Cho et al. Edge detection in wavelet transform domain
CN105320936B (zh) 一种卫星图片中障碍物的识别方法及识别装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200327

Termination date: 20200704

CF01 Termination of patent right due to non-payment of annual fee