[发明专利]一种面向卫星在轨应用的空间信息智能一体化生成方法

权利要求书

1.一种面向卫星在轨应用的空间信息智能一体化生成方法，其特征在于，包括如下步骤：

S0、通过地面天线向卫星发送任务指令；

S1、卫星采集地面目标的遥感影像；

S2、基于视觉显著性模型提取遥感影像的目标区域；

S3、根据上下文信息采用编码解码模型自动生成语义文本信息；

S4、发送给地面用户关注的遥感影像中目标区域对应的语义文本信息。

2.根据权利要求1所述的面向卫星在轨应用的空间信息智能一体化生成方法，其特征在于，所述步骤S2具体表现为：

S21、通过视觉显著性模型生成显著图；

S22、对显著图做二值化处理并进行标记；

S23、计算疑似目标区域位置；

S24、根据计算结果提取目标切片，选出相关度最高的区域作为目标区域。

3.根据权利要求2所述的面向卫星在轨应用的空间信息智能一体化生成方法，其特征在于，所述步骤S21中视觉显著性模型融合频域变换显著性模型和边缘梯度特征显著性模型，所述频域变换显著性模型从频域出发，利用高斯低通滤波，计算Lab颜色空间中单个像素点和输入影像所有像素点平均值的欧氏距离，并将所述欧氏距离作为该像素点的显著值；所述边缘梯度特征显著性模型基于Sobel边缘检测算子对输入影像进行边缘检测，进而得到边缘信息影像。

4.根据权利要求3所述的面向卫星在轨应用的空间信息智能一体化生成方法，其特征在于，所述频域变换显著性模型的计算过程为：

①求取输入影像在Lab空间中的特征分量的均值；

②计算输入影像高斯滤波后的影像：

f_G＝f*G (3)

式中，f为输入影像，G为高斯滤波器，f_G为输入影像高斯滤波后的影像；

③计算显著图，定义输入影像在像素点(x,y)处的显著值为S(x,y)：

式中，I_μ为输入影像f的平均特征，使用Lab颜色特征，为像素点(x,y)在高斯平滑后的Lab颜色特征，表示I_μ和在Lab颜色空间的欧氏距离。

5.根据权利要求4所述的面向卫星在轨应用的空间信息智能一体化生成方法，其特征在于，所述边缘梯度特征显著性模型的计算过程为：

(1)设定Sobel边缘检测算子包含两组矩阵，分别为横向模板及纵向模板；

(2)检测水平边沿横向模板G_x；

(3)检测垂直边沿纵向模板G_y；

(4)输入影像每一个像素点的横向模板及纵向梯度近似值均通过以下公式来计算梯度的大小：

式中，G表示每个像素点的梯度大小；

(5)输入影像中像素点参照式(7)产生对应的梯度矢量或其法矢量；

(6)边缘信息影像中每一个像素点的亮度值代表了其边缘强度值。

6.根据权利要求5所述的面向卫星在轨应用的空间信息智能一体化生成方法，其特征在于，所述频域变换显著性模型和边缘梯度特征显著性模型通过二维高斯型混合函数进行融合，所述二维高斯型混合函数定义为：

式中，S_edge表示边缘梯度特征图，S_GBVS表示计算得到的显著图，σ表示方差，exp表示以e为底的指数函数。

7.根据权利要求2至6中任一项所述的面向卫星在轨应用的空间信息智能一体化生成方法，其特征在于，所述步骤S22与步骤S23之间还包括以下过程：

进行形态学腐蚀运算，消除目标区域附近的细小突出，去除点状噪声；

利用膨胀运算将目标区域内部的狭缝去掉，使目标区域更完整；

利用形态学重构填充目标区域内部的孔洞，得到精确的目标区域检测结果。