CN116188633B - 一种仿真遥感影像生成的方法、装置、介质及电子设备 - Google Patents
一种仿真遥感影像生成的方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN116188633B CN116188633B CN202310454350.4A CN202310454350A CN116188633B CN 116188633 B CN116188633 B CN 116188633B CN 202310454350 A CN202310454350 A CN 202310454350A CN 116188633 B CN116188633 B CN 116188633B
- Authority
- CN
- China
- Prior art keywords
- cloud
- image
- remote sensing
- added
- light transmittance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000002834 transmittance Methods 0.000 claims abstract description 144
- 230000006870 function Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本说明书提供的一种仿真遥感影像生成的方法、装置、介质及电子设备中,获取无云遥感影像,并根据获取的云掩膜影像确定待添加云影像,针对每个坐标,确定该坐标对应的第一透光率以及第二透光率,最后根据所述待添加云影像、所述无云遥感影像、该坐标对应的第一透光率以及所述第二透光率、确定出云仿真遥感影像。从上述方法中可以看出,根据真实的云遥感影像,确定与所述无云遥感影叠加的待添加云影像,并确定待添加云影像中各像素点的第一透光率以及无云遥感影像中各像素点的第二透光率,确定生成的仿真遥感影像中各像素点的像素值,使所述仿真遥感影像更加真实。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种仿真遥感影像生成的方法、装置、介质及电子设备。
背景技术
随着科技的发展,利用遥感影像高效探测地表信息已经成为常态。目前,可以利用仿真技术对遥感影像进行处理,例如,模拟在极端的天气下所采集的遥感影像时,可采用对无云遥感影像进行加云的方式,生成较为真实的包含云的仿真遥感影像。通过该仿真遥感影像训练模型,对遥感影像的去云或者对遮蔽的目标物进行探测。
而在现有技术中,通常利用随机函数生成不同厚度和形状的云,将生成的云添加到无云遥感影像中,从而生成仿真遥感影像。但是通过随机函数生成的云,往往与真实的云有很大的差别,也就会使最终生成的仿真遥感影像与真实含云遥感影像存在很大差异。若利用这种仿真程度低的仿真遥感影像模拟极端天气下对遮蔽目标物的探测,则会导致探测的结果不准确。
因此,如何生成真实的云仿真遥感影像是一个亟待解决的问题。为此,本说明书提供了一种仿真遥感影像生成的方法。
发明内容
本说明书提供一种仿真遥感影像生成的方法、装置、介质及电子设备,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种仿真遥感影像生成的方法,包括:
获取初始的云掩膜影像,以及无云遥感影像;
根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像;
根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率;
针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值;
根据所述待添加云影像、各坐标对应的第一透光率、所述无云遥感影像以及所述各坐标对应的第二透光率,生成仿真遥感影像。
可选地,获取初始的云掩膜影像,具体包括:
获取云遥感影像,对所述云遥感影像进行云识别;
根据识别出的所述云遥感影像中云在影像中的位置,确定所述云遥感影像的掩膜;
对所述掩膜以及所述云遥感影像进行切片,得到各携带掩膜的云遥感子影像;
从所述各携带掩膜的云遥感子影像中,确定初始的云掩膜影像。
可选地,根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像,具体包括:
根据所述无云遥感影像的尺寸,调整所述云掩膜影像的尺寸;
根据预设的高斯函数,对调整尺寸后的云掩膜影像进行处理,得到待添加云影像;
其中,所述无云遥感影像的尺寸与所述待添加云影像的尺寸相同。
可选地,根据所述无云遥感影像的尺寸,调整所述云掩膜影像的尺寸,具体包括:
根据所述无云遥感影像的长边的长度以及短边的长度,按照双线性插值法,对所述云掩膜影像进行插值,得到与所述无云遥感影像的尺寸一致的云掩膜影像。
可选地,根据预设的高斯函数,对调整尺寸后的云掩膜影像进行处理,得到待添加云影像,具体包括:
针对调整尺寸后的云掩膜影像的每个像素点,根据预设的高斯函数确定该像素点的初始权重;
根据预设的高斯函数内核值以及所述初始权重,确定该像素点的最终权重;
根据所述最终权重以及该像素点的像素值,确定该像素点模糊后的像素值,并根据各像素点模糊后的像素值,得到待添加云影像。
可选地,根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率,具体包括:
针对所述待添加云影像中各像素点的坐标,确定该坐标在所述待添加云影像中对应的像素点;
根据所述待添加云影像中对应的像素点的像素值,确定该坐标在所述待添加云影像中对应的像素点的第一透光率;
其中,所述待添加云影像中对应的像素点的像素值与所述待添加云影像中对应的像素点的第一透光率呈负相关。
可选地,根据所述待添加云影像中对应的像素点的像素值,确定该坐标在所述待添加云影像中对应的像素点的第一透光率,具体包括:
根据所述待添加云影像中对应的像素点的像素值,按照预设的像素值与透光率的对应关系,确定该像素点对应的透光率;
将所述该像素点对应的透光率与预设的云厚度系数相乘,得到该像素点的第一透光率。
可选地,针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值,具体包括:
针对所述待添加云影像中各像素点的坐标,确定该坐标在所述无云遥感影像中对应的像素点;
将预设值与该坐标在所述待添加云影像中对应的像素点的第一透光率之差,作为该坐标在所述无云遥感影像中对应的像素点的第二透光率。
可选地,根据所述待添加云影像、各坐标对应的第一透光率、所述无云遥感影像以及所述各坐标对应的第二透光率,生成仿真遥感影像,具体包括:
针对所述待添加云影像中各像素点的坐标,将该坐标在所述待添加云影像中对应的像素点的像素值,与该坐标在所述待添加云影像中对应的像素点的第一透光率相乘,得到第一结果;
将该坐标在所述无云遥感影像中对应的像素点的像素值,与该坐标在所述无云遥感影像中对应的像素点的第二透光率相乘,得到第二结果;
将所述第一结果与所述第二结果相加,得到最终结果;
根据所述待添加云影像中各像素点的坐标的最终结果,生成仿真遥感影像。
可选地,所述方法还包括:
根据所述待添加云影像的像素值的第一取值范围,以及所述无云遥感影像的像素值的第二取值范围,确定所述第一取值范围与所述第二取值范围之间的线性映射关系;
根据所述线性映射关系,调整所述待添加云影像的像素值。
本说明书提供了一种仿真遥感影像生成的装置,包括:
获取模块,用于获取初始的云掩膜影像,以及无云遥感影像;
预处理模块,用于根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像;
第一确定模块,用于根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率;
第二确定模块,用于针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值;
生成模块,用于根据所述待添加云影像、各坐标对应的第一透光率、所述无云遥感影像以及所述各坐标对应的第二透光率,生成仿真遥感影像。
可选地,所述第一确定模块具体用于,针对所述待添加云影像中各像素点的坐标,确定该坐标在所述待添加云影像中对应的像素点;根据所述待添加云影像中对应的像素点的像素值,确定该坐标在所述待添加云影像中对应的像素点的第一透光率;其中,所述待添加云影像中对应的像素点的像素值与所述待添加云影像中对应的像素点的第一透光率呈负相关。
可选地,所述第一确定模块具体用于,根据所述待添加云影像中对应的像素点的像素值,按照预设的像素值与透光率的对应关系,确定该像素点对应的透光率;将所述该像素点对应的透光率与预设的云厚度系数相乘,得到该像素点的第一透光率。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述仿真遥感影像生成的方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述仿真遥感影像生成的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
本说明书提供的仿真遥感影像生成的方法中,获取无云遥感影像,确定所述无云遥感影像的尺寸,根据所述尺寸对获取的初始的云掩膜影像进行预处理,根据真实的云遥感影像,得到与所述无云遥感影像尺寸一致的待添加云影像,确定所述待添加云影像中各像素点的第一透光率,针对每个像素点的坐标,确定该坐标在所述无云遥感影像中对应的像素点,并根据该坐标在所述待添加云影像中对应的像素点的第一透光率,确定该坐标在所述无云遥感影像中对应的像素点的第二透光率,最后根据所述第一透光率、所述第二透光率、所述待添加云影像以及所述无云遥感影像,确定出云仿真遥感影像。
从上述方法中可以看出,根据真实的云遥感影像,确定与所述无云遥感影叠加的待添加云影像,并确定待添加云影像中各像素点的第一透光率以及无云遥感影像中各像素点的第二透光率,确定生成的仿真遥感影像中各像素点的像素值,使所述仿真遥感影像更加真实。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中提供的一种仿真遥感影像生成的方法的流程示意图;
图2为本说明书提供的一种生成仿真遥感影像的示意图;
图3为本说明书提供的通过切片影像生成仿真遥感影像的示意图;
图4为本说明书提供的一种仿真遥感影像生成的装置结构的示意图;
图5为本说明书提供的对应于图1的电子设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种仿真遥感影像生成的方法的流程示意图,包括以下步骤:
S101:获取初始的云掩膜影像,以及无云遥感影像。
本说明书中涉及的仿真遥感影像生成的方法的执行主体可以是诸如台式电脑、笔记本电脑等终端设备,也可以是服务器,下面仅以服务器是执行主体为例,对本说明书实施例中的仿真遥感影像生成的方法进行说明。
目前,利用仿真技术对遥感影像进行处理已经十分普遍,可以对遥感影像中地面部分进行仿真,地面仿真后的遥感影像可用于训练模型,以实现对遥感影像中的地面目标物的定位等,还可以对遥感影像中的云进行仿真,模拟在极端天气下所采集的真实遥感影像,云仿真后的遥感影像也可以用于训练模型,以实现对被云层遮蔽的目标物的探测等。
在生成仿真遥感影像的场景中,可以通过加云、加噪等方式,生成仿真遥感影像,本说明书实施例提供的该仿真遥感影像生成的过程,为对无云遥感影像添加云,生成有云的仿真遥感影像。
在本说明书提供的仿真遥感影像生成的方法中,需要利用无云遥感影像与真实的云遥感影像进行仿真。由于真实的云遥感影像中也会存在无云的部分,在本说明中需要该云遥感影像中的云与无云遥感影像叠加,而不需要除了云之外的其他元素。因此可以通过该云遥感影像,获得初始的云掩膜影像,根据该云掩膜影像确定待添加云影像,将该待添加云影像与无云遥感影像叠加,以生成真实的仿真遥感影像,如图2所示。
在图2中,左侧上方矩形为该待添加云影像,其中,填充阴影部分的不规则图案为该待添加云影像中的云,左侧下方为无云遥感影像,以右斜线填充,箭头表示将两张影像叠加,括号表示通过两张叠加的影像生成的仿真遥感影像。其中,无云遥感影像是指不包含云的遥感影像;真实的云遥感影像是指包含云的遥感影像,比如在海面上采集的以海面为背景的云遥感影像,或者在沙漠采集的以沙漠为背景的云遥感影像。需要说明的是,以海面、沙漠为背景的遥感影像中下垫面所包含的元素比较单一,使得在根据真实的云遥感影像确定掩膜时,不易受到其他因素的干扰,掩膜准确度更高。同时单一的下垫面元素也使得叠加生成仿真遥感影像中,由该待添加云影像加入的元素大部分是云而不是遥感影像中的其他元素。
具体的,服务器获取云遥感影像,对该云遥感影像进行云识别,根据识别出的该云遥感影像中云在影像中的位置,确定该云遥感影像的掩膜。
S102:根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像。
由于真实的仿真遥感影像是根据无云遥感影像以及云掩膜影像叠加而来,且影像通常为矩形。若云掩膜影像的尺寸小于无云遥感影像的尺寸,则会出现云掩膜影像的边缘部分的云过于整齐的情况,而真实的云通常不会有明显整齐的边界,所以为了仿真效果更好,可以根据该无云遥感影像的尺寸,调整该云掩膜影像的尺寸,使该无云遥感影像与该云掩膜影像的尺寸相同。
在本说明书实施例中,预处理包括调整该云掩膜影像的尺寸,还包括利用高斯函数对云掩膜影像进行处理。因为最终生成的仿真遥感影像可用于训练模型,训练完成的模型可以对被云遮蔽的目标物进行探测,所以,可以根据训练要求对该云掩膜影像中的云的清晰度进行针对性的调整。具体的调整方法为遍历调整尺寸后的云掩膜影像的各像素点,根据预设的高斯函数,对所述各像素点进行处理。将调整尺寸且处理后的云掩膜影像作为待添加云影像。其中,高斯函数用于对云掩膜影像进行模糊处理,该高斯函数可以根据具体情况预先进行设定。
S103:根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率。
在确定待添加云影像后,若直接将待添加云影像叠加在无云遥感影像上,当该待添加云影像中存在少量非云的元素时,不对其进行处理就直接叠加在无云遥感影像上,那么仿真效果会不太理想。由于该待添加云影像与该无云遥感影像的尺寸相同,将二者叠加在一起,相当于两个像素点的叠加。所以,可以计算两个像素点叠加后的点的像素值,各叠加后的点的像素值就是生成的仿真遥感影像的各像素点的像素值。
因为实际场景中不同位置的云的厚度各不相同,所以在生成的仿真遥感影像中也要考虑云层厚度。在本说明书中以透光率是指光线透过云层的光通量与光线入射云测的光通量的比例,云层厚度越大,透光率越小,则该处像素点的像素值就越小。
针对同一坐标,首先确定该坐标在待添加云影像中对应的像素点,根据该像素点的像素值确定该像素点的透光率。其中,透光率的范围为0~1,像素值的范围可以为任意范围,但是,为了方便计算,要保证待添加云影像和无云遥感影像的像素值在同一范围内。例如,像素值范围为0~255,则当像素点的像素值为[255,255,255]时,该像素点的透光率为1;当像素点的像素值为[0,0,0]时,该像素点的透光率为0。
再确定该像素点的透光率后,再将预设的云厚度系数与该透光率相乘,得到该像素点对应的第一透光率。其中,云厚度系数可以根据实际情况预先设定,预设的云厚度系数与该透光率相乘的结果大于1时,该像素点对应的第一透光率取值为1。针对每个像素点,将该像素点的透光率与云厚度系数相结合,既考虑了云层的厚度,又考虑的云层的透光度,使生成的仿真遥感影像更趋近真实的带云遥感影像。
S104:针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值。
在本说明书实施例中,根据待添加云影像中的各像素点的像素值,确定个像素点对应的第一透光率。因为要将该待添加云影像与无云遥感影像叠加,若根据该无云遥感影像中各像素点的像素值确定各像素点对应的第二透光率,再利用同一坐标对应的像素点的第一透光率和第二透光率,确定仿真遥感影像中各像素点的像素值,则可能会导致仿真遥感影像中相邻部位明暗明显不同,仿真的效果会明显降低。
所以,在确定出该待添加云影像中各像素点对应的第一透光率后,按照预设值,确定出无云遥感影像中各像素点的对应的第二透光率。其中,所述第一透光率与所述第二透光率之和为预设值,该预设值通常为1。例如,某坐标在该待添加云影像中对应的像素点的第一透光率为30%,则该坐标在该无云遥感影像中对应的像素点的第二透光率为1-30%=70%。
S105:根据所述待添加云影像、各坐标对应的第一透光率、所述无云遥感影像以及所述各坐标对应的第二透光率,生成仿真遥感影像。
针对每个坐标,将该坐标在该待添加云影像中对应的像素点的像素值,与该坐标对应的第一透光率相乘,得到第一结果。再将该坐标在所述无云遥感影像中对应的像素点的像素值,与该坐标对应的第二透光率相乘,得到第二结果。将该第一结果与该第二结果相加,得到最终结果。最后根据各最终结果生成仿真遥感影像。其中,该最终结果为该坐标在生成的仿真遥感影像中对应的像素点的像素值。
基于图1所示的仿真遥感影像生成方法,在本说明书实施例中,首先确定待添加云影像中各像素点的第一透光率,以及无云遥感影像中各像素点的第二透光率。并根据各第一透光率以及各第二透光率确定仿真遥感影像中各像素点的像素值,进而生成该仿真遥感影像。上述方法既考虑了云层厚度又考虑了云层的透光度,使生成的仿真遥感影像趋近真实。
在本说明书实施例中,获取初始的云掩膜影像,具体方法为:预先以真实的云遥感影像为训练样本,真实的云遥感影像的掩膜为该训练样本的标签,对云识别模型进行训练,该云识别模型用于将输入影像中的云识别并输出。获取真实的云遥感影像,将该云遥感影像输入到该云识别模型中,该云识别模型可以输出该云遥感影像的掩膜。或者预先训练语义分割模型,将获取的真实的云遥感影像输入到该语义分割模型中,该语义分割模型可以确定该云遥感影像中云所在的区域,并将该区域分割,根据分割的区域确定该云遥感影像的掩膜。
对该云遥感影像进行云识别,根据识别出的该云遥感影像中云在影像中的位置,确定该云遥感影像的掩膜。因为本说明书提供的仿真遥感影像生成的方法可用于批量生成仿真遥感影像,因此,为了提高效率,可以对该掩膜以及该云遥感影像进行切片,得到各携带掩膜的云遥感子影像。在各携带掩膜的云遥感子影像中,随机挑选一张携带掩膜的云遥感子影像进行预处理,确定待添加云影像。将该待添加云影像与无云遥感影像叠加,生成仿真遥感影像,如图3所示。
在图3中,左侧的四张图,从上到下依次为携带掩膜的云遥感影像、携带掩膜的云遥感子影像、待添加云影像以及无云遥感影像。该待添加云影像中填充阴影部分的不规则图案为该待添加云影像中的云,该无云遥感影像以右斜线填充。在该携带掩膜的云遥感影像中,图中的两条互相垂直的直线表示对该携带掩膜的云遥感影像进行切片,切片后得到四张携带掩膜的云遥感子影像,分别位于该携带掩膜的云遥感影像的左上、右上、左下以及右下的位置。在图3中存在3个箭头,按照从上到下的顺序,第一个箭头表示在这四张携带掩膜的云遥感子影像中,随机挑选位于左上的携带掩膜的云遥感子影像;第二个箭头表示对该携带掩膜的云遥感子影像进行预处理,得到待添加云影像;第三个箭头表示将两张影像叠加。括号表示通过两张叠加的影像生成的仿真遥感影像。
由于各携带掩膜的云遥感子影像中云的形状各不相同,利用各携带掩膜的云遥感子影像生成的仿真遥感影像也各不相同,从而使批量生成的仿真遥感影像更加真实。
由于待添加云影像需要与无云遥感影像叠加生成仿真遥感影像,所以,为了仿真效果更好,该待添加云影像与该无云遥感影像的尺寸相同。而待添加云影像是通过该各携带掩膜的云遥感子影像确定的,因此,该各携带掩膜的云遥感子影像的尺寸也应该与该无云遥感影像的尺寸相同或相近。因为,若该携带掩膜的云遥感子影像的尺寸远大于该无云遥感影像的尺寸,则需要将该携带掩膜的云遥感子影像的尺寸进行缩小,缩小至该无云遥感影像的尺寸,那么该携带掩膜的云遥感子影像中的云也会相应缩小,导致该待添加云影像中的云太小,与真实的含云遥感影像中的云差异过大,仿真效果不好。若该携带掩膜的云遥感子影像的尺寸远小于该无云遥感影像的尺寸,则需要将该携带掩膜的云遥感子影像的尺寸进行放大,放大至该无云遥感影像的尺寸,那么该携带掩膜的云遥感子影像中的云也会相应放大,导致该待添加云影像中的云变得模糊,与真实的含云遥感影像中的云差异过大,仿真效果也不好。
因此,在对该掩膜以及该云遥感影像进行切片之前,可以先确定该无云遥感影像的尺寸,根据该无云遥感影像的尺寸进行切片。为了充分利用该掩膜以及该云遥感影像,可以预设切片比例的范围,比如,该携带掩膜的云遥感子影像的尺寸,在不超过该无云遥感影像的尺寸的50%范围内,将该携带掩膜的云遥感子影像的尺寸进行缩小,对仿真效果的影响可以忽略不计。该携带掩膜的云遥感子影像的尺寸,在不小于该无云遥感影像的尺寸的50%范围内,将该携带掩膜的云遥感子影像的尺寸进行放大,对仿真效果的影响可以忽略不计。因此,可以将预设的切片比例范围设置为50%~150%。根据确定的无云遥感影像的尺寸,在预设的比例范围内挑选合适的比例,对该携带掩膜的云遥感子影像进行切片,使该携带掩膜的云遥感子影像能够切出整倍数切片。
在获取云遥感影像后,既可以先确定该云遥感影像的掩膜再对该云遥感影像和该掩膜切片,也可以先对该云遥感影像切片,再确定各切片后的无云遥感影像的掩膜。若先确定该云遥感影像的掩膜再对该云遥感影像和该掩膜切片,在训练模型过程中,会提高输出结果的准确度;若先对该云遥感影像切片,再确定各切片后的无云遥感影像的掩膜,在训练模型过程中,会减少模型节点的利用数量,降低计算成本。
在本说明书实施例中,该云遥感影像为包含云的遥感影像,既可以是被云占满的遥感影像,也可以是仅部分区域有云的遥感影像。当该云遥感影像为被云占满的遥感影像时,根据该云遥感影像确定出的掩膜子影像中,每张掩膜子影像均包含云,此时,在各掩膜子影像中,随机确定其中一张掩膜子影像,作为初始的云掩膜影像。
当该云遥感影像为仅部分区域有云的遥感影像时,根据该云遥感影像确定出的掩膜子影像中,不是每张掩膜子影像均包含云,此时,需要挑选包含云的掩膜子影像,在挑选出的各包含云的掩膜子影像中,随机挑选一张包含云的掩膜子影像,作为初始的云掩膜影像。
得到初始的云掩膜影像后,根据获取的无云遥感影像的尺寸,调整该云掩膜影像的尺寸,使无云遥感影像的尺寸与该云掩膜影像的尺寸相同。可以利用双线性插值法调整该云掩膜影像的尺寸,也可以利用其它方法,在本说明书中不做具体限制。同时,该双线性插值法可以根据该无云遥感影像的长边的长度以及短边的长度,调整该云掩膜影像的尺寸,调整尺寸并非只能是等比例缩放该云掩膜影像,而是可以将该云掩膜影像调整为所需要的尺寸。例如,该无云遥感影像的尺寸为400*700,而该云掩膜影像的尺寸为300*300,可以利用双线性插值法,将该云掩膜影像的尺寸也调整为400*700。
调整该云掩膜影像的尺寸后,针对该云掩膜影像的每个像素点,按照预设的高斯函数wi=确定该像素点的初始权重。确定初始权重后,再根据公式w=wi/确定出该像素点的最终权重。其中,wi为该像素点的初始权重,w为该像素点的最终权重,x为该像素点的横坐标值,σ的取值根据公式σ=0.3*[(k-1)*0.5-1]+0.8确定,k为该高斯函数的内核值,根据历史经验,k通常取值为251。
确定该像素点的最终权重后,根据公式Gblur=w*f(x,y)确定该像素点模糊后的像素值。其中,f(x,y)为该像素点的像素值,Gblur为该像素点模糊后的像素值。根据各像素点模糊后的像素值,就可以得到待添加云影像。通过预设的高斯函数处理该云掩膜影像,可以使该云掩膜影像中的云更加还原实际场景中云,针对云掩膜影像中的每个像素点进行不同程度的处理,使仿真效果更好。
为了使该待添加云影像与该无云遥感影像叠加效果更好,该待添加云影像与该无云遥感影像的像素值范围应该一致。统一该待添加云影像与该无云遥感影像的像素值范围的方法如下:根据该待添加云影像的像素值的第一取值范围,以及该无云遥感影像的像素值的第二取值范围,确定该第一取值范围与该第二取值范围之间的线性映射关系,根据该线性映射关系,调整该待添加云影像的像素值。例如:第一取值范围为(0-1000),第二取值范围为(0-255),确定二者的线性映射关系,根据该线性映射关系,调整该待添加云影像的像素值范围在(0-255)内。
得到该待添加云影像后,确定各坐标对应的第一透光率以及第二透光率。并针对每个坐标,确定该坐标在该待添加云影像中对应的像素点的像素值,以及该坐标在无云遥感影像中对应的像素点的像素值,根据公式Gcloud=Gblur*rdst+Gimg*rbg,确定生成的仿真遥感影像中各像素点的像素值。其中,Gcloud为该坐标在生成的仿真遥感影像中对应的像素点的像素值;Gblur为该坐标在该待添加云影像中对应的像素点的像素值;Gimg为该坐标在无云遥感影像中对应的像素点的像素值;rdst为该坐标对应的第一透光率;rbg为该坐标对应的第二透光率。
以上为本说明书的一个或多个实施的方法,基于同样的思路,本说明书还提供了相应的仿真遥感影像生成的装置,如图4所示。
图4为本说明书提供的一种仿真遥感影像生成的装置的示意图,包括:
获取模块401,用于获取初始的云掩膜影像,以及无云遥感影像;
预处理模块402,用于根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像;
第一确定模块403,用于根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率;
第二确定模块404,用于针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值;
生成模块405,用于根据所述待添加云影像、各坐标对应的第一透光率、所述无云遥感影像以及所述各坐标对应的第二透光率,生成仿真遥感影像。
可选地,所述获取模块401具体用于,获取云遥感影像,对所述云遥感影像进行云识别;根据识别出的所述云遥感影像中云在影像中的位置,确定所述云遥感影像的掩膜;对所述掩膜以及所述云遥感影像进行切片,得到各携带掩膜的云遥感子影像;从所述各携带掩膜的云遥感子影像中,确定初始的云掩膜影像。
可选地,所述预处理模块402具体用于根据所述无云遥感影像的尺寸,调整所述云掩膜影像的尺寸;根据预设的高斯函数,对调整尺寸后的云掩膜影像进行处理,得到待添加云影像;其中,所述无云遥感影像的尺寸与所述待添加云影像的尺寸相同。
可选地,所述预处理模块402具体用于根据所述无云遥感影像的长边的长度以及短边的长度,按照双线性插值法,对所述云掩膜影像进行插值,得到与所述无云遥感影像的尺寸一致的云掩膜影像。
可选地,所述预处理模块402具体用于针对调整尺寸后的云掩膜影像的每个像素点,根据预设的高斯函数确定该像素点的初始权重;根据预设的高斯函数内核值以及所述初始权重,确定该像素点的最终权重;根据所述最终权重以及该像素点的像素值,确定该像素点模糊后的像素值,并根据各像素点模糊后的像素值,得到待添加云影像。
可选地,所述第一确定模块403具体用于针对所述待添加云影像中各像素点的坐标,确定该坐标在所述待添加云影像中对应的像素点;根据所述待添加云影像中对应的像素点的像素值,确定该坐标在所述待添加云影像中对应的像素点的第一透光率;其中,所述待添加云影像中对应的像素点的像素值与所述待添加云影像中对应的像素点的第一透光率呈负相关。
可选地,所述第一确定模块403具体用于根据所述待添加云影像中对应的像素点的像素值,按照预设的像素值与透光率的对应关系,确定该像素点的透光率;将所述该像素点对应的透光率与预设的云厚度系数相乘,得到该像素点对应的第一透光率。
可选地,所述第二确定模块404具体用于针对所述待添加云影像中各像素点的坐标,确定该坐标在所述无云遥感影像中对应的像素点;将预设值与该坐标在所述待添加云影像中对应的像素点的第一透光率之差,作为该坐标在所述无云遥感影像中对应的像素点的第二透光率。
可选地,所述生成模块405具体用于针对所述待添加云影像中各像素点的坐标,将该坐标在所述待添加云影像中对应的像素点的像素值,与该坐标对应的第一透光率相乘,得到第一结果;将该坐标在所述无云遥感影像中对应的像素点的像素值,与该坐标对应的第二透光率相乘,得到第二结果;将所述第一结果与所述第二结果相加,得到最终结果;根据所述待添加云影像中各像素点的坐标的最终结果,生成仿真遥感影像。
可选地,所述生成模块405还用于根据所述待添加云影像的像素值的第一取值范围,以及所述无云遥感影像的像素值的第二取值范围,确定所述第一取值范围与所述第二取值范围之间的线性映射关系;根据所述线性映射关系,调整所述待添加云影像的像素值。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的一种仿真遥感影像生成的方法。
本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5所示,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的仿真遥感影像生成的方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (14)
1.一种仿真遥感影像生成的方法,其特征在于,所述方法包括:
获取初始的云掩膜影像,以及无云遥感影像;
根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像;
根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率;
针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值;
将该坐标在所述待添加云影像中对应的像素点的像素值,与该坐标对应的第一透光率相乘,得到第一结果;将该坐标在所述无云遥感影像中对应的像素点的像素值,与该坐标对应的第二透光率相乘,得到第二结果;将所述第一结果与所述第二结果相加,生成仿真遥感影像。
2.如权利要求1所述的方法,其特征在于,获取初始的云掩膜影像,具体包括:
获取云遥感影像,对所述云遥感影像进行云识别;
根据识别出的所述云遥感影像中云在影像中的位置,确定所述云遥感影像的掩膜;
对所述掩膜以及所述云遥感影像进行切片,得到各携带掩膜的云遥感子影像;
从所述各携带掩膜的云遥感子影像中,确定初始的云掩膜影像。
3.如权利要求1所述的方法,其特征在于,根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像,具体包括:
根据所述无云遥感影像的尺寸,调整所述云掩膜影像的尺寸;
根据预设的高斯函数,对调整尺寸后的云掩膜影像进行处理,得到待添加云影像;
其中,所述无云遥感影像的尺寸与所述待添加云影像的尺寸相同。
4.如权利要求3所述的方法,其特征在于,根据所述无云遥感影像的尺寸,调整所述云掩膜影像的尺寸,具体包括:
根据所述无云遥感影像的长边的长度以及短边的长度,按照双线性插值法,对所述云掩膜影像进行插值,得到与所述无云遥感影像的尺寸一致的云掩膜影像。
5.如权利要求3所述的方法,其特征在于,根据预设的高斯函数,对调整尺寸后的云掩膜影像进行处理,得到待添加云影像,具体包括:
针对调整尺寸后的云掩膜影像的每个像素点,根据预设的高斯函数确定该像素点的初始权重;
根据预设的高斯函数内核值以及所述初始权重,确定该像素点的最终权重;
根据所述最终权重以及该像素点的像素值,确定该像素点模糊后的像素值,并根据各像素点模糊后的像素值,得到待添加云影像。
6.如权利要求1所述的方法,其特征在于,根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率,具体包括:
针对所述待添加云影像中各像素点的坐标,确定该坐标在所述待添加云影像中对应的像素点;
根据所述待添加云影像中对应的像素点的像素值,确定该坐标在所述待添加云影像中对应的像素点的第一透光率;
其中,所述待添加云影像中对应的像素点的像素值与所述待添加云影像中对应的像素点的第一透光率呈负相关。
7.如权利要求6所述的方法,其特征在于,根据所述待添加云影像中对应的像素点的像素值,确定该坐标在所述待添加云影像中对应的像素点的第一透光率,具体包括:
根据所述待添加云影像中对应的像素点的像素值,按照预设的像素值与透光率的对应关系,确定该像素点的透光率;
将所述该像素点对应的透光率与预设的云厚度系数相乘,得到该像素点对应的第一透光率。
8.如权利要求1所述的方法,其特征在于,针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值,具体包括:
针对所述待添加云影像中各像素点的坐标,确定该坐标在所述无云遥感影像中对应的像素点;
将预设值与该坐标在所述待添加云影像中对应的像素点的第一透光率之差,作为该坐标在所述无云遥感影像中对应的像素点的第二透光率。
9.如权利要求1所述的方法,其特征在于,所述方法还包括:根据所述待添加云影像的像素值的第一取值范围,以及所述无云遥感影像的像素值的第二取值范围,确定所述第一取值范围与所述第二取值范围之间的线性映射关系;
根据所述线性映射关系,调整所述待添加云影像的像素值。
10.一种仿真遥感影像生成的装置,其特征在于,所述装置包括:
获取模块,用于获取初始的云掩膜影像,以及无云遥感影像;
预处理模块,用于根据所述无云遥感影像的尺寸,对所述云掩膜影像进行预处理,得到对应所述尺寸的待添加云影像;
第一确定模块,用于根据所述待添加云影像,确定所述待添加云影像中各像素点的坐标对应的第一透光率;
第二确定模块,用于针对每个坐标,根据该坐标对应的第一透光率,确定所述无云遥感影像中该坐标对应的第二透光率,其中,所述第一透光率与所述第二透光率之和为预设值;
生成模块,用于将该坐标在所述待添加云影像中对应的像素点的像素值,与该坐标对应的第一透光率相乘,得到第一结果;将该坐标在所述无云遥感影像中对应的像素点的像素值,与该坐标对应的第二透光率相乘,得到第二结果;将所述第一结果与所述第二结果相加,生成仿真遥感影像。
11.如权利要求10所述的装置,其特征在于,所述第一确定模块具体用于,针对所述待添加云影像中各像素点的坐标,确定该坐标在所述待添加云影像中对应的像素点;根据所述待添加云影像中对应的像素点的像素值,确定该坐标在所述待添加云影像中对应的像素点的第一透光率;其中,所述待添加云影像中对应的像素点的像素值与所述待添加云影像中对应的像素点的第一透光率呈负相关。
12.如权利要求11所述的装置,其特征在于,所述第一确定模块具体用于,根据所述待添加云影像中对应的像素点的像素值,按照预设的像素值与透光率的对应关系,确定该像素点对应的透光率;将所述该像素点对应的透光率与预设的云厚度系数相乘,得到该像素点的第一透光率。
13.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
14.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310454350.4A CN116188633B (zh) | 2023-04-25 | 2023-04-25 | 一种仿真遥感影像生成的方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310454350.4A CN116188633B (zh) | 2023-04-25 | 2023-04-25 | 一种仿真遥感影像生成的方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116188633A CN116188633A (zh) | 2023-05-30 |
CN116188633B true CN116188633B (zh) | 2023-07-18 |
Family
ID=86433107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310454350.4A Active CN116188633B (zh) | 2023-04-25 | 2023-04-25 | 一种仿真遥感影像生成的方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188633B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859099A (zh) * | 2021-02-25 | 2021-05-28 | 哈尔滨工业大学 | 云雾环境中基于环形分离器实时补偿的高精度测距系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881879B (zh) * | 2015-06-15 | 2017-10-13 | 北京航空航天大学 | 一种基于暗通道先验的遥感图像雾霾仿真方法 |
RU2633642C9 (ru) * | 2016-06-08 | 2017-12-15 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет геосистем и технологий" (СГУГиТ) | Способ получения, обработки, отображения и интерпретации геопространственных данных для геодезического мониторинга оперативной обстановки паводковой ситуации с применением технологии дистанционного зондирования |
CN106570929B (zh) * | 2016-11-07 | 2020-02-07 | 北京大学(天津滨海)新一代信息技术研究院 | 一种动态体积云的构建与绘制方法 |
CN107301633B (zh) * | 2017-06-29 | 2020-07-28 | 常州工学院 | 在云雾干扰下遥感成像的仿真方法 |
CN107767448A (zh) * | 2017-10-09 | 2018-03-06 | 中国科学院遥感与数字地球研究所 | 考虑云‑地形效应的地表太阳辐射遥感计算方法及系统 |
EP3969930B1 (en) * | 2019-05-14 | 2023-08-30 | Nanyang Technological University | Optical remote sensing |
CN115019170A (zh) * | 2022-06-02 | 2022-09-06 | 桂林电子科技大学 | 一种基于辐射仿真数据的深度学习偏振遥感云检测方法 |
CN115272876A (zh) * | 2022-07-15 | 2022-11-01 | 湖北工业大学 | 一种基于深度学习的遥感图像船舶目标检测方法 |
CN115131494A (zh) * | 2022-08-03 | 2022-09-30 | 北京开运联合信息技术集团股份有限公司 | 一种光学遥感卫星成像仿真方法及装置 |
-
2023
- 2023-04-25 CN CN202310454350.4A patent/CN116188633B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859099A (zh) * | 2021-02-25 | 2021-05-28 | 哈尔滨工业大学 | 云雾环境中基于环形分离器实时补偿的高精度测距系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116188633A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717005B (zh) | 一种热力图纹理的生成方法、装置及设备 | |
CN111639682A (zh) | 基于点云数据的地面分割方法及装置 | |
CN111238450B (zh) | 视觉定位方法及装置 | |
CN116977525B (zh) | 一种图像渲染方法、装置、存储介质及电子设备 | |
CN111797711A (zh) | 一种模型训练的方法及装置 | |
CN107766703B (zh) | 水印添加处理方法、装置及客户端 | |
CN113538502A (zh) | 图片裁剪方法、装置、电子设备及存储介质 | |
CN110458954B (zh) | 一种等高线生成方法、装置及设备 | |
CN117197781B (zh) | 一种交通标志识别的方法、装置、存储介质及电子设备 | |
CN110689061A (zh) | 一种基于对齐特征金字塔网络的图像处理方法、装置及系统 | |
CN116188633B (zh) | 一种仿真遥感影像生成的方法、装置、介质及电子设备 | |
CN116342888B (zh) | 一种基于稀疏标注训练分割模型的方法及装置 | |
CN116245051A (zh) | 一种仿真软件渲染方法、装置、存储介质及电子设备 | |
CN110222056A (zh) | 一种定位方法、系统及设备 | |
CN115984154A (zh) | 一种图像融合的方法、装置、存储介质及电子设备 | |
CN113887351B (zh) | 一种用于无人驾驶的障碍物检测方法及障碍物检测装置 | |
CN114359935A (zh) | 一种模型训练以及表格识别方法及装置 | |
CN114863206A (zh) | 一种模型训练的方法、目标检测的方法及装置 | |
CN114202598A (zh) | 一种流体粒子的渲染方法、装置、系统及存储介质 | |
CN116363390B (zh) | 一种红外弱小目标检测方法、装置、存储介质及电子设备 | |
CN116740114B (zh) | 一种基于凸包检测的目标物边界拟合方法及装置 | |
CN117173321B (zh) | 一种三维重建纹理视图的选择方法及装置 | |
CN115880685B (zh) | 一种基于votenet模型的三维目标检测方法和系统 | |
CN117689822B (zh) | 一种三维模型构建方法、装置、存储介质及电子设备 | |
CN117611726B (zh) | 一种实景模型日照显示方法及装置 |
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 |