[发明专利]基于星载云检测的光学图像有效压缩方法

权利要求书

1.基于星载云检测的光学图像有效压缩方法，其特征在于，包括：

步骤S1，获取待压缩图像，从所述待压缩图像中识别出关注区域以及非关注区域；

步骤S2，根据预设的第一压缩策略对包含关注区域的图像进行压缩，根据预设的第二压缩策略对包含非关注区域的图像进行压缩；所述第一压缩策略的保真度高于所述第二压缩策略；其中：

步骤S1具体包括：

步骤S101，获取待测的光学图像；

步骤S102，将所述待测的光学图像进行切片处理，得到多个切片图像，并记录每一个所述切片图像在所述待测的光学图像中的位置信息；

步骤S103，识别出每一个所述切片图像中的子关注区域以及子非关注区域；

步骤S104，根据每一个所述切片图像在所述待测的光学图像中的位置信息，对所有的切片图像子关注区域进行拼接得到关注区域图像，对子非关注区域进行拼接得到非关注区域图像，关注区域图像和非关注区域图像均为所述待压缩图像；

其中，所述多个切片图像通过多个进程并行处理；

步骤S103中识别每一个所述切片图像中的子关注区域和非子关注区域，具体识别方法为：

判断所述切片图像的图像类型；所述图像类型包括关注类切片图像和非关注类切片图像；

若所述切片图像为关注类切片图像，则确定所述切片图像中所有的像素点组成的区域均属于所述子关注区域；

若所述切片图像为非关注类切片图像，则识别所述切片图像中的各个像素点为所述子关注区域内的像素点，或为所述子非关注区域内的像素点。

2.如权利要求1所述的基于星载云检测的光学图像有效压缩方法，其特征在于，所述非关注区域为云掩膜区域；所述关注区域为非云掩膜区域；

所述云掩膜区域表征为所述待压缩图像中云层的区域，所述非云掩膜区域为所述待压缩图像中除所述云掩膜区域以外的区域。

3.如权利要求1所述的基于星载云检测的光学图像有效压缩方法，其特征在于，判断所述切片图像的图像类型，包括：

将每一个所述切片图像输入预设的分类算法判别模型中，得到每一个所述切片图像的图像类型；其中，所述分类算法判别模型为云判别模型。

4.如权利要求1所述的基于星载云检测的光学图像有效压缩方法，其特征在于，步骤S103中，若所述切片图像为非关注类切片图像，则识别所述切片图像中的各个像素点为所述子关注区域内的像素点或为所述子非关注区域内的像素点的具体处理过程包括：

利用所述非关注类切片图像中各像素点的光谱信息，对所述非关注类切片图像中的各像素点进行测试；

所述测试包括：蓝色通道值测试、湿度测试、热度测试、归一化植被指数测试、归一化水指数测试中的至少一种；

当所述非关注类切片图像中的像素点满足预设条件时，确定满足所述预设条件的像素点组成的区域为所述子非关注区域；当所述测试结果不满足预设条件时，确定不满足所述预设条件的像素点组成的区域为所述子关注区域。

5.如权利要求3所述的基于星载云检测的光学图像有效压缩方法，其特征在于，在步骤S2之后，所述方法还包括：

发送压缩后的图像；

接收最新模型参数，并将所述分类算法判别模型中的模型参数更新为所述最新模型参数；

所述最新模型参数为：基于所述压缩后的图像进行图像处理，并对图像处理后的图像进行切片获得多个样本切片，且对每一所述样本切片进行标记，利用标记后的所述样本切片对与所述分类算法判别模型完全相同的模型进行训练后确定出的模型参数。

6.如权利要求1所述的基于星载云检测的光学图像有效压缩方法，其特征在于，步骤S101包括：

步骤S101-1，获取原始光学图像；

步骤S101-2，根据预设的辐射校正参数对所述原始光学图像进行辐射校正，得到所述待测的光学图像；

在步骤S2之后，所述方法还包括：

发送压缩后的图像；

接收最新辐射校正参数，并将所述预设的辐射校正参数更新为所述最新辐射校正参数；

所述最新辐射校正参数为：对所述压缩后的图像进行图像处理后，根据图像处理后的图像重新确定出的辐射校正参数。