申请/专利权人：中国人民解放军战略支援部队信息工程大学

申请日：2020-07-08

公开（公告）日：2024-03-19

公开（公告）号：CN111862015B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明实施例公开了一种图像质量等级确定方法、装置及电子设备，所述方法包括：获取目标遥感图像；将所述目标遥感图像输入预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，所述卷积神经网络模型为基于历史遥感图像，通过标准批量规范化层、卷积层、特征提取层以及全池化层进行训练得到，其中，所述特征提取层包括预设数量的所述标准批量规范化层和所述卷积层。通过本方法，可以准确的对目标遥感图像进行图像质量等级确定，即可以准确的获取目标遥感图像的质量等级。

主权项：1.一种图像质量等级确定方法，其特征在于，所述方法包括：获取目标遥感图像；将所述目标遥感图像输入预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，所述卷积神经网络模型为基于历史遥感图像，通过标准批量规范化层、卷积层、特征提取层以及全池化层进行训练得到，其中，所述特征提取层包括预设数量的所述标准批量规范化层和所述卷积层；其中，所述将所述目标遥感图像输入所述预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，包括：确定与所述目标遥感图像对应的目标树状结构，并获取与所述目标树状结构对应的预先训练的目标卷积神经网络模型，所述目标卷积神经网络模式是基于所述目标树状结构和所述历史遥感图像，通过所述标准批量规范化层、所述卷积层、所述特征提取层以及所述全池化层进行训练得到，所述目标树状结构包括二叉树结构、三叉树结构、四叉树结构、五叉树结构和六叉树结构中的一种或多种；将所述目标遥感图像输入所述预先训练的目标卷积神经网络模型，得到所述目标遥感图像的质量等级；在所述将所述目标遥感图像输入所述预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级之前，所述方法还包括：获取所述历史遥感图像以及每个所述历史遥感图像对应的预设质量等级；对所述历史遥感图像进行预处理，得到符合预设标准化条件的所述历史遥感图像；基于所述符合预设标准化条件的历史遥感图像以及每个所述历史遥感图像对应的预设质量等级，对所述卷积神经网络模型进行训练，得到所述训练后的卷积神经网络模型；所述将所述目标遥感图像输入所述预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，包括：对所述目标遥感图像进行预处理，并将符合预设标准化条件的所述目标遥感图像输入所述预先训练的卷积神经网络模型，以得到所述目标遥感图像的质量等级；所述基于所述符合预设标准化条件的历史遥感图像以及每个所述历史遥感图像对应的预设质量等级，对所述卷积神经网络模型进行训练，得到所述训练后的卷积神经网络模型，包括：基于第一卷积层和线性整流函数，对所述符合预设标准化条件的历史遥感图像进行处理，得到第一处理图像；基于所述预设数量的第一标准批量规范化层和第二卷积层，依次对所述第一处理图像进行处理，得到第二处理图像；基于第二标准批量规范化层、第三卷积层和所述线性整理函数，依次对第三处理图像进行处理，得到第四处理图像；基于第四标准批量规范化层和第四卷积层，对所述第四处理图像进行处理，得到第五处理图像；基于所述全池化层，对所述第五处理图像进行处理，得到第六处理图像；基于预设逻辑回归层，对所述第六处理图像进行处理，得到目标分类结果；根据预设损失函数和所述目标分类结果，对所述卷积神经网络模型进行优化处理，得到所述预先训练的卷积神经网络模型；所述目标树结构为二叉树结构，在所述将所述目标遥感图像输入所述预先训练的目标卷积神经网络模型，得到所述目标遥感图像的质量等级之前，还包括：获取所述历史遥感图像以及每个所述历史遥感图像的预设质量等级；对所述历史遥感图像进行预处理，得到符合预设标准化条件的所述历史遥感图像；基于第一卷积层和所述线性整流函数，对所述符合预设标准化条件的历史遥感图像进行处理，得到第一处理图像；基于所述预设数量的第一标准批量规范化层和第二卷积层，依次对所述第一处理图像进行处理，得到第二处理图像；基于第二标准批量规范化层、第三卷积层和所述线性整理函数，依次对所述第三处理图像进行处理，得到第四处理图像；基于第四标准批量规范化层和第四卷积层，对所述第四处理图像进行处理，得到第五处理图像；基于所述全池化层，对所述第五处理图像进行处理，得到第六处理图像；基于预设逻辑回归层，对所述第六处理图像进行处理，得到第七处理图像和第八处理图像；根据上述基于所述符合预设标准化条件的历史遥感图像得到所述第七处理图像和第八处理处理的方法，获取与所述第七处理图像对应的第九处理图像和第十处理图像，以及与第八处理图像对应的第十一处理图像和第十二处理图像；根据预设损失函数、所述第九处理图像、所述第十处理图像、所述第十一处理图像和所述第十二处理图像，对所述目标卷积神经网络模型进行优化处理，得到所述预先训练的目标卷积神经网络模型；所述将所述目标遥感图像输入所述预先训练的目标卷积神经网络模型，得到所述目标遥感图像的质量等级，包括：对所述目标遥感图像进行预处理，并将符合所述预设标准化条件的所述目标遥感图像输入所述预先训练的目标卷积神经网络模型，得到所述目标遥感图像的质量等级；在所述基于所述预设数量的第一标准批量规范化层和第二卷积层，依次对所述第一处理图像进行处理，得到第二处理图像之前，还包括：基于树结构与循环次数的预设对应关系，确定与所述目标树结构对应的目标循环次数，所述目标循环次数用于确定所述特征提取层包括的所述标准批量规范化层和所述卷积层的数量；所述基于所述预设数量的第一标准批量规范化层和第二卷积层，依次对所述第一处理图像进行处理，得到第二处理图像，包括：基于所述目标循环次数，确定所述特征提取层包括的所述标准批量规范化层和所述卷积层的目标数量；基于所述目标数量的第一标准批量规范化层和第二卷积层，依次对所述第一处理图像进行处理，得到第二处理图像。

全文数据：

权利要求：

百度查询： 中国人民解放军战略支援部队信息工程大学 一种图像质量等级确定方法、装置及电子设备

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