本發(fā)明屬于衛(wèi)星情報分析，更具體地，涉及一種面向情報分析的模型訓練方法及系統(tǒng)。

背景技術(shù)：

1、衛(wèi)星情報（satellite?intelligence）是利用衛(wèi)星設(shè)備對地面進行觀測和數(shù)據(jù)收集，以獲取軍事、氣象、環(huán)境等各類信息的技術(shù)和方法。衛(wèi)星情報廣泛應用于國防安全、科學研究、災害監(jiān)測、環(huán)境保護等領(lǐng)域。

2、衛(wèi)星情報的主要類型包括：

3、光學成像：利用可見光和紅外光成像，獲取高分辨率的地面圖像。

4、雷達成像：利用合成孔徑雷達（sar）技術(shù)，通過電磁波成像，能夠穿透云層和夜間條件，提供全天候、全天時的地面圖像。

5、信號情報：監(jiān)測和分析來自地面、空中和海洋的電磁信號，包括通信信號、雷達信號等。

6、電子情報：收集和分析電子設(shè)備發(fā)出的信號，如雷達、通信設(shè)備的工作頻率、信號強度等。

7、衛(wèi)星情報的優(yōu)勢在于能夠覆蓋大面積區(qū)域、快速獲取信息，并且具有隱蔽性和高分辨率的特點。不過，衛(wèi)星情報也面臨數(shù)據(jù)量巨大、信息處理復雜等挑戰(zhàn)。

技術(shù)實現(xiàn)思路

1、為解決以上技術(shù)問題，本發(fā)明提出一種面向情報分析的模型訓練方法，其中，所述情報來自衛(wèi)星圖像，包括：

2、獲取所述衛(wèi)星圖像，設(shè)置圖像特征高維映射函數(shù)，獲取所述衛(wèi)星圖像在每個像素點處的高維圖像特征值；

3、設(shè)置局部特征獲取函數(shù)，獲取衛(wèi)星圖像在每個像素點處的鄰域的空間上下文信息特征值；

4、隨機初始化類別的特征中心，設(shè)置距離度量函數(shù)，并根據(jù)所述高維圖像特征值和所述空間上下文信息特征值，計算所述高維圖像特征值與所述特征中心的距離；

5、設(shè)置類別分配函數(shù)，并根據(jù)距離、衛(wèi)星圖像在每個像素點處的顏色向量、光照強度和邊緣強度，計算與每個類別的最終距離，將所述高維圖像特征值對應的像素點劃分到相應的類別，以完成分類分析。

6、進一步的，所述圖像特征高維映射函數(shù)包括：

7、，

8、其中，為衛(wèi)星圖像在像素點處的高維圖像特征值，為relu函數(shù)或sigmoid函數(shù)，為像素點的橫坐標，為像素點的縱坐標，為第三權(quán)重，為第二權(quán)重，為第一權(quán)重，為衛(wèi)星圖像在像素點處的顏色向量，為衛(wèi)星圖像在像素點處的光照強度，為衛(wèi)星圖像的長度，為衛(wèi)星圖像的寬度，為第一偏置項，為第二偏置項，為第三偏置項，為衛(wèi)星圖像在像素點處的邊緣強度。

9、進一步的，所述局部特征獲取函數(shù)包括：

10、，

11、其中，為衛(wèi)星圖像在像素點處的鄰域的空間上下文信息特征值，用于捕捉像素點的局部特征值，為鄰域像素點的權(quán)重，為衛(wèi)星圖像在鄰域像素點處的高維圖像特征值，為像素點的鄰域，為鄰域像素點的橫坐標，為鄰域像素點的縱坐標。

12、進一步的，所述距離度量函數(shù)包括：

13、，

14、其中，為衛(wèi)星圖像在像素點處的高維圖像特征值與第類的特征中心的距離，為距離的第一權(quán)重，為第類中所有像素在水平方向上位置的中心點，為衛(wèi)星圖像在像素點處水平方向上的高維圖像特征值，為衛(wèi)星圖像在像素點處垂直方向上的高維圖像特征值，為第類中所有像素在垂直方向上位置的中心點，為距離的第二權(quán)重，為第類的空間上下文的特征中心。

15、進一步的，類別分配函數(shù)包括：

16、，

17、其中，為第類的顏色中心，為第類的幾何特征中心，為顏色權(quán)重，為上下文權(quán)重，為幾何權(quán)重。

18、本發(fā)明還提出一種面向情報分析的模型訓練系統(tǒng)，其中，所述情報來自衛(wèi)星圖像，包括：

19、獲取特征值模塊，用于獲取所述衛(wèi)星圖像，設(shè)置圖像特征高維映射函數(shù)，獲取所述衛(wèi)星圖像在每個像素點處的高維圖像特征值；

20、獲取局部特征模塊，用于設(shè)置局部特征獲取函數(shù)，獲取衛(wèi)星圖像在每個像素點處的鄰域的空間上下文信息特征值；

21、距離計算模塊，用于隨機初始化類別的特征中心，設(shè)置距離度量函數(shù)，并根據(jù)所述高維圖像特征值和所述空間上下文信息特征值，計算所述高維圖像特征值與所述特征中心的距離；

22、分類模塊，用于設(shè)置類別分配函數(shù)，并根據(jù)距離、衛(wèi)星圖像在每個像素點處的顏色向量、光照強度和邊緣強度，計算與每個類別的最終距離，將所述高維圖像特征值對應的像素點劃分到相應的類別，以完成分類分析。

23、進一步的，所述圖像特征高維映射函數(shù)包括：

24、，

25、其中，為衛(wèi)星圖像在像素點處的高維圖像特征值，為relu函數(shù)或sigmoid函數(shù)，為像素點的橫坐標，為像素點的縱坐標，為第三權(quán)重，為第二權(quán)重，為第一權(quán)重，為衛(wèi)星圖像在像素點處的顏色向量，為衛(wèi)星圖像在像素點處的光照強度，為衛(wèi)星圖像的長度，為衛(wèi)星圖像的寬度，為第一偏置項，為第二偏置項，為第三偏置項，為衛(wèi)星圖像在像素點處的邊緣強度。

26、進一步的，所述局部特征獲取函數(shù)包括：

27、，

28、其中，為衛(wèi)星圖像在像素點處的鄰域的空間上下文信息特征值，用于捕捉像素點的局部特征值，為鄰域像素點的權(quán)重，為衛(wèi)星圖像在鄰域像素點處的高維圖像特征值，為像素點的鄰域，為鄰域像素點的橫坐標，為鄰域像素點的縱坐標。

29、進一步的，所述距離度量函數(shù)包括：

30、，

31、其中，為衛(wèi)星圖像在像素點處的高維圖像特征值與第類的特征中心的距離，為距離的第一權(quán)重，為第類中所有像素在水平方向上位置的中心點，為衛(wèi)星圖像在像素點處水平方向上的高維圖像特征值，為衛(wèi)星圖像在像素點處垂直方向上的高維圖像特征值，為第類中所有像素在垂直方向上位置的中心點，為距離的第二權(quán)重，為第類的空間上下文的特征中心。

32、進一步的，類別分配函數(shù)包括：

33、，

34、其中，為第類的顏色中心，為第類的幾何特征中心，為顏色權(quán)重，為上下文權(quán)重，為幾何權(quán)重。

35、通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下有益效果：

36、本發(fā)明通過圖像特征高維映射函數(shù)，獲取所述衛(wèi)星圖像在每個像素點處的高維圖像特征值；通過設(shè)置局部特征獲取函數(shù)，獲取衛(wèi)星圖像在每個像素點處的鄰域的空間上下文信息特征值；通過設(shè)置距離度量函數(shù)，計算所述高維圖像特征值與所述特征中心的距離；最后通過設(shè)置類別分配函數(shù)，計算與每個類別的最終距離，將所述高維圖像特征值對應的像素點劃分到相應的類別，從而能夠準確的將衛(wèi)星圖像上的情報數(shù)據(jù)進行分類，并根據(jù)分類結(jié)果進行分析。

技術(shù)特征：

1.一種面向情報分析的模型訓練方法，其中，所述情報來自衛(wèi)星圖像，其特征在于，包括：

2.如權(quán)利要求1所述的一種面向情報分析的模型訓練方法，其特征在于，所述圖像特征高維映射函數(shù)包括：

3.如權(quán)利要求2所述的一種面向情報分析的模型訓練方法，其特征在于，所述局部特征獲取函數(shù)包括：

4.如權(quán)利要求3所述的一種面向情報分析的模型訓練方法，其特征在于，所述距離度量函數(shù)包括：

5.如權(quán)利要求4所述的一種面向情報分析的模型訓練方法，其特征在于，類別分配函數(shù)包括：

6.一種面向情報分析的模型訓練系統(tǒng)，其中，所述情報來自衛(wèi)星圖像，其特征在于，包括：

7.如權(quán)利要求6所述的一種面向情報分析的模型訓練系統(tǒng)，其特征在于，所述圖像特征高維映射函數(shù)包括：

8.如權(quán)利要求7所述的一種面向情報分析的模型訓練系統(tǒng)，其特征在于，所述局部特征獲取函數(shù)包括：

9.如權(quán)利要求8所述的一種面向情報分析的模型訓練系統(tǒng)，其特征在于，所述距離度量函數(shù)包括：

10.如權(quán)利要求9所述的一種面向情報分析的模型訓練系統(tǒng)，其特征在于，類別分配函數(shù)包括：

技術(shù)總結(jié)
本發(fā)明公開一種面向情報分析的模型訓練方法及系統(tǒng)，該方法包括：獲取衛(wèi)星圖像，設(shè)置圖像特征高維映射函數(shù)，獲取所述衛(wèi)星圖像在每個像素點處的高維圖像特征值；設(shè)置局部特征獲取函數(shù)，獲取衛(wèi)星圖像在每個像素點處的鄰域的空間上下文信息特征值；隨機初始化類別的特征中心，設(shè)置距離度量函數(shù)，并根據(jù)所述高維圖像特征值和所述空間上下文信息特征值，計算所述高維圖像特征值與所述特征中心的距離；設(shè)置類別分配函數(shù)，并根據(jù)距離、衛(wèi)星圖像在每個像素點處的顏色向量、光照強度和邊緣強度，計算與每個類別的最終距離，將所述高維圖像特征值對應的像素點劃分到相應的類別，以完成分類分析。

技術(shù)研發(fā)人員：王濤,楊威,王穎,汪志斌,張建江,孫少華,田繼彬,葉新民,劉博,蒲吉國,鄧軍崚,熊振強
受保護的技術(shù)使用者：中科衛(wèi)創(chuàng)（西安）信息技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2