基于深度学习的偏振导航方法及系统

摘要: 本发明涉及深度学习,尤其涉及一种基于深度学习的偏振导航方法及系统。背景技术:1、传统的偏振导航方法大多采用基于掩膜的方案,依赖单一阈值分割或基础边缘检测,在复杂...
基于深度学习的偏振导航方法及系统

本发明涉及深度学习,尤其涉及一种基于深度学习的偏振导航方法及系统。

背景技术:

1、传统的偏振导航方法大多采用基于掩膜的方案,依赖单一阈值分割或基础边缘检测,在复杂的真实场景中,无法从本质上区分偏振图像中的真实物理遮挡(如树叶、建筑等)与天空区域,容易导致大量偏振信息被错误剔除或者遮挡物被漏判,进而影响航向角的计算精度;而在对偏振图像进行图像修复时,由于深度学习模型缺乏物理法则的约束,容易导致模型退化为不可解释的“黑盒”,并且现有注意力机制依赖颜色、纹理等视觉特征计算权重,容易导致模型捏造大自然不存在的实体纹理,使修复后的偏振图像出现错误的图像信息,影响后续航向角的计算准确度。

技术实现思路

1、本发明针对现有技术中物理遮挡判断不准确、模型缺乏约束及航向角计算精度不足的问题,提出一种基于深度学习的偏振导航方法及系统。

2、为了解决上述技术问题,本发明通过下述技术方案得以解决:

3、一种基于深度学习的偏振导航方法,包括以下步骤:

4、获取待检测偏振图像集,对待检测偏振图像集进行遍历计算,得到每个待检测偏振图像的斯托克斯参数;

5、判断每个待检测偏振图像是否为待修复图像,若是,则基于斯托克斯参数及交叉注意力机制构建偏振图像修复模型,采用偏振图像修复模型对待修复图像进行图像修复并更新相应的斯托克斯参数,得到修复后偏振图像并更新待检测偏振图像集;

6、基于更新后待检测偏振图像集及相应的斯托克斯参数,得到更新后待检测偏振图像的偏振度,根据偏振度剔除更新后待检测偏振图像中的物理遮挡,得到剔除后偏振图像;

7、将剔除后偏振图像进行反向投影映射得到三维空间坐标系下的三维偏振矢量,根据三维偏振矢量构建空间积分矩阵,对空间积分矩阵进行矩阵分解,通过矩阵分解结果得到观测太阳方位角,获取理论太阳方位角,基于观测太阳方位角及理论太阳方位角的差值得到待检测偏振图像的航向角。

8、作为一种可实施方式,所述对待检测偏振图像集进行遍历计算,得到每个待检测偏振图像的斯托克斯参数,包括以下步骤:

9、采集待检测偏振图像在不同偏振角度下的原始光强,所述不同偏振角度包括0°、45°、90°及135°;

10、对不同偏振角度下的原始光强进行计算转换,得到斯托克斯参数,所述斯托克斯参数包括总光强及线偏振分量,表示如下:

11、

12、

13、

14、其中,分别表示待检测偏振图像在偏振角度为0°、45°、90°、135°下的原始光强,表示总光强,、表示线偏振分量。

15、作为一种可实施方式,所述基于斯托克斯参数及交叉注意力机制构建偏振图像修复模型,采用偏振图像修复模型对待修复图像进行图像修复并更新相应的斯托克斯参数,得到修复后偏振图像并更新待检测偏振图像集,包括以下步骤:

16、通过斯托克斯参数构建斯托克斯参数矩阵,将斯托克斯参数矩阵作为交叉注意力机制的引导权重构建偏振图像修复预训练模型,基于待修复偏振图像在不同偏振角度下的原始光强构建偏振损失函数;

17、通过偏振损失函数对偏振图像修复预训练模型进行模型训练,得到偏振图像修复模型,使偏振图像修复模型聚焦于待修复偏振图像中的畸变区域;

18、基于偏振图像修复模型提取待修复偏振图像中畸变区域的残差补偿矩阵,通过残差补偿矩阵获取待修复偏振图像相应的修复补丁;

19、根据修复补丁对待修复偏振图像进行图像修复,得到修复后偏振图像;

20、对修复后偏振图像的斯托克斯参数进行更新,遍历待检测偏振图像集,基于修复后偏振图像更新待检测偏振图像集。

21、作为一种可实施方式,所述偏振损失函数包括l1损失函数、斯托克斯一致性损失函数及能量守恒约束损失函数,表示如下:

22、

23、

24、

25、其中,表示偏振损失函数,表示斯托克斯一致性损失函数,表示能量守恒约束损失函数,、、、表示修复后偏振图像在偏振角度为0°、45°、90°、135°下的原始光强,、、、表示待检测偏振图像在偏振角度为0°、45°、90°、135°下的原始光强的真实值,表示l1损失函数。

26、作为一种可实施方式,所述基于更新后待检测偏振图像集及相应的斯托克斯参数,得到更新后待检测偏振图像的偏振度,根据偏振度剔除更新后待检测偏振图像中的物理遮挡,得到剔除后偏振图像,包括以下步骤:

27、通过斯托克斯参数进行计算得到更新后待检测偏振图像中每一个像素点的偏振度,表示如下:

28、

29、其中,表示偏振度,表示总光强,、表示线偏振分量,表示正常数;

30、预设偏振度阈值,遍历更新后待检测偏振图像中所有像素点的偏振度,将低于偏振度阈值的像素点判定为物理遮挡,结合图像边缘检测算法,将更新后待检测偏振图像中的物理遮挡进行剔除,得到剔除后偏振图像。

31、作为一种可实施方式,所述待检测偏振图像的航向角,通过以下步骤得到:

32、获取剔除后偏振图像的图像采集参数,基于图像采集参数将剔除后偏振图像进行反向投影映射,得到剔除后偏振图像中每一个像素点在三维空间内的三维偏振矢量,所述图像采集参数包括方位角及高度角;

33、基于三维偏振矢量构建剔除后偏振图像中每一个像素点的初始空间积分矩阵,将所有像素点的初始空间积分矩阵进行累加形成剔除后偏振图像的空间积分矩阵;

34、对剔除后偏振图像的空间积分矩阵进行矩阵分解,得到分解特征值及分解特征向量,提取分解特征值的最小值对应的最小分解特征向量在水平面的投影分量,进而得到相对方位角,基于投影分量及相对方位角进行映射,得到观测太阳方位角;

35、根据天文历表公式进行计算得到理论太阳方位角,获取理论太阳方位角与观测太阳方位角之间的差值,得到待检测偏振图像的航向角。

36、作为一种可实施方式,所述三维偏振矢量,表示如下:

37、

38、

39、

40、所述空间积分矩阵,表示如下:

41、

42、其中,、、表示第个像素点的三维偏振矢量,表示第个像素点的方位角,表示第个像素点的高度角,表示第个像素点的偏振角度,表示空间积分矩阵,表示剔除后偏振图像中的第个像素点。

43、一种基于深度学习的偏振导航系统,包括:

44、参数计算模块,获取待检测偏振图像集,对待检测偏振图像集进行遍历计算,得到每个待检测偏振图像的斯托克斯参数;

45、图像修复模块,判断每个待检测偏振图像是否为待修复图像,若是,则基于斯托克斯参数及交叉注意力机制构建偏振图像修复模型,采用偏振图像修复模型对待修复图像进行图像修复并更新相应的斯托克斯参数,得到修复后偏振图像并更新待检测偏振图像集;

46、遮挡剔除模块,基于更新后待检测偏振图像集及相应的斯托克斯参数,得到更新后待检测偏振图像的偏振度,根据偏振度剔除更新后待检测偏振图像中的物理遮挡,得到剔除后偏振图像;

47、航向角计算模块,将剔除后偏振图像进行反向投影映射得到三维空间坐标系下的三维偏振矢量,根据三维偏振矢量构建空间积分矩阵,对空间积分矩阵进行矩阵分解,通过矩阵分解结果得到观测太阳方位角,获取理论太阳方位角,基于观测太阳方位角及理论太阳方位角的差值得到待检测偏振图像的航向角。

48、一种计算机可读存储介质,所述计算机可读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如下任意一项所述的方法:

49、获取待检测偏振图像集,对待检测偏振图像集进行遍历计算,得到每个待检测偏振图像的斯托克斯参数;

50、判断每个待检测偏振图像是否为待修复图像,若是,则基于斯托克斯参数及交叉注意力机制构建偏振图像修复模型,采用偏振图像修复模型对待修复图像进行图像修复并更新相应的斯托克斯参数,得到修复后偏振图像并更新待检测偏振图像集;

51、基于更新后待检测偏振图像集及相应的斯托克斯参数,得到更新后待检测偏振图像的偏振度,根据偏振度剔除更新后待检测偏振图像中的物理遮挡,得到剔除后偏振图像;

52、将剔除后偏振图像进行反向投影映射得到三维空间坐标系下的三维偏振矢量,根据三维偏振矢量构建空间积分矩阵,对空间积分矩阵进行矩阵分解,通过矩阵分解结果得到观测太阳方位角,获取理论太阳方位角,基于观测太阳方位角及理论太阳方位角的差值得到待检测偏振图像的航向角。

53、一种基于深度学习的偏振导航装置,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下任意一项所述的方法:

54、获取待检测偏振图像集,对待检测偏振图像集进行遍历计算,得到每个待检测偏振图像的斯托克斯参数;

55、判断每个待检测偏振图像是否为待修复图像,若是,则基于斯托克斯参数及交叉注意力机制构建偏振图像修复模型,采用偏振图像修复模型对待修复图像进行图像修复并更新相应的斯托克斯参数,得到修复后偏振图像并更新待检测偏振图像集;

56、基于更新后待检测偏振图像集及相应的斯托克斯参数,得到更新后待检测偏振图像的偏振度,根据偏振度剔除更新后待检测偏振图像中的物理遮挡,得到剔除后偏振图像;

57、将剔除后偏振图像进行反向投影映射得到三维空间坐标系下的三维偏振矢量,根据三维偏振矢量构建空间积分矩阵,对空间积分矩阵进行矩阵分解,通过矩阵分解结果得到观测太阳方位角,获取理论太阳方位角,基于观测太阳方位角及理论太阳方位角的差值得到待检测偏振图像的航向角。

58、本发明由于采用了以上技术方案,具有显著的技术效果:

59、本发明在图像修复时通过斯托克斯参数,引导模型聚焦于偏振规律出现畸变的区域,赋予网络物理可解释性,并且在修复输出时,并没有直接输出完整的修复图像,而是仅仅给出畸变区域的残差补偿矩阵,进而针对残差补偿矩阵进行偏振图像修复;通过对偏振图像修复,可以更好的分割物理遮挡物并提高偏振图像质量,提高物理遮挡判断的准确率,进一步提高了航向角的计算精度。