本發(fā)明屬于紅外圖像處理技術(shù)與圖像仿真領(lǐng)域，主要研究內(nèi)容為面向天基紅外對地復雜探測場景的在軌云mask圖像仿真算法，特別是一種天基紅外探測場景云mask圖像仿真方法。

背景技術(shù)：

1、隨著人工智能、物聯(lián)網(wǎng)和大數(shù)據(jù)等技術(shù)的快速發(fā)展，數(shù)字化模型的概念和應用逐漸普及并成為研究的熱點。目前，面向空間紅外載荷的數(shù)字化建模需求不斷增加。在紅外載荷的數(shù)字化建模中，高精度的探測背景是數(shù)字化模型的重要輸入，直接影響模型仿真的性能表現(xiàn)。云背景是天基紅外探測中最常見的背景之一，源于云層在地球大氣中廣泛分布，特別是在中低軌道探測中，云層高頻出現(xiàn)在視場內(nèi)。云的類型多樣，其溫度、厚度和光學特性存在顯著差異，使云背景呈現(xiàn)復雜變化。此外，云背景與空中目標的溫差顯著，成為紅外探測中的主要干擾因素。因此為了解決目前天基紅外探測任務面臨的高精度探測背景缺乏的問題，本發(fā)明旨在于面對紅外載荷的數(shù)字化，仿真生成高保真度的天基廣域探測場景中的復雜云圖，為天基紅外載荷數(shù)字化研制提供場景輸入。

2、云仿真方法主要包括三類：首先是基于實測數(shù)據(jù)的方法，通過頻譜變換、分辨率調(diào)整和特征提取來模擬云的形態(tài)，這種方式操作簡便且結(jié)果具有可驗證性，但受限于數(shù)據(jù)來源；其次是基于物理模型的方法，通過求解偏微分方程構(gòu)建流體模型，根據(jù)設定的參數(shù)和初始條件生成較為真實的云模擬效果，但該方法計算量大，實時性較低；最后是基于深度學習的方式，借助神經(jīng)網(wǎng)絡等技術(shù)生成云的場景圖像，這種方法靈活性高，但依賴于大量的數(shù)據(jù)集支持。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種天基紅外探測場景云mask圖像仿真方法，主要解決上述仿真效率低、受限于數(shù)據(jù)庫的技術(shù)問題。本發(fā)明不僅能夠生成符合實際分布規(guī)律的仿真云mask圖，而且可有效滿足天基紅外探測云場景數(shù)字化仿真的任務需求。

2、為實現(xiàn)上述發(fā)明目的，本發(fā)明的技術(shù)方案是：

3、一種天基紅外探測場景云mask圖像仿真方法，其特征在于：該方法步驟是：

4、首先，對天基紅外在軌圖像進行預處理(去噪、增強對比度)，提升圖像質(zhì)量；

5、然后，利用閾值分割技術(shù)，精準提取云層輪廓和分布；

6、通過形態(tài)學操作(孔洞填充、閉運算、開運算、腐蝕)優(yōu)化分割結(jié)果，并利用連通區(qū)域標記算法對云團區(qū)域進行提取與存儲，構(gòu)建云團數(shù)據(jù)庫；

7、最后，基于數(shù)據(jù)庫隨機生成仿真云mask圖像，通過設定初始參數(shù)和覆蓋率要求，迭代覆蓋云團至目標區(qū)域，輸出滿足條件的云mask圖像。

8、通過上述方法步驟，能夠動態(tài)生成符合實際分布特性的仿真云圖，滿足模擬與預測需求。整體流程高度自動化，涵蓋從預處理、分割優(yōu)化到仿真生成的完整應用鏈條，具備較強的通用性和創(chuàng)新性，為云mask圖像仿真提供了一種實用且高效的解決方案。該方法特別適用于天基紅外云圖的仿真與輻射特性計算，可作為載荷數(shù)字化場景的輸入數(shù)據(jù)源，為相關(guān)研究與應用提供重要支持。

9、所述的天基紅外探測場景云mask圖像仿真方法，其特征在于：該方法步驟具體包括：

10、a、獲取高分辨率的天基在軌圖像數(shù)據(jù)，這些圖像涵蓋可見光和紅外波段，能清晰呈現(xiàn)云層分布。在進行云團分割前，需要對圖像進行預處理，包括去噪、增強對比度和幾何校正，以提高圖像質(zhì)量和分析精度。本發(fā)明所需的天基探測場景是指天基目標探測中，對地長時間觀測的場景。

11、b、運用閾值分割技術(shù)，基于云層與背景在灰度特征上的差異，選擇合適的閾值，將云團從背景中精確分離出來，得到清晰的云層輪廓和分布圖。這一過程不僅要考慮靜態(tài)閾值，還可以采用自適應閾值方法，能夠更好地應對不同光照和大氣條件下的云層分割任務。

12、c、基于在軌圖像分割的云圖建立云團數(shù)據(jù)庫；首先，假設初始的圖像為img，通過形態(tài)學重建之孔洞填充將二值云圖中的內(nèi)孔補齊，以確保云團區(qū)域的完整性，令孔洞填充結(jié)構(gòu)為se，利用形態(tài)學閉運算，填補云團邊緣的小間隙或斷裂處，使目標區(qū)域更加連貫：

13、

14、隨后通過形態(tài)學開運算去除圖像中的孤立噪聲；

15、imgopen＝imgclose?ose

16、再通過腐蝕操作，去掉云團的邊緣的偽影或干擾。

17、

18、最后，通過連通區(qū)域標記算法對圖像中分離的云團進行標記，并統(tǒng)計區(qū)域的數(shù)量，從而實現(xiàn)云團的分割與分析，并建立云團數(shù)據(jù)庫。

19、d、設定仿真云mask圖像的初始參數(shù)，如：云團覆蓋率、云mask圖像大小。

20、e、基于云團數(shù)據(jù)庫仿真云mask圖像。首先，從云團數(shù)據(jù)庫中隨機選取一個云團，判斷當前mask圖像中目標區(qū)域是否為空(即是否為無云區(qū)域)；如果該區(qū)域無云，則將選取的云團覆蓋到該區(qū)域中；覆蓋過程中需確保云團的形狀和位置與目標區(qū)域匹配，同時避免對其他區(qū)域造成干擾。如此重復操作，可有效生成隨機化的仿真云mask圖像，為進一步研究或算法測試提供支持。

21、f、判斷覆蓋率是否滿足設定需求，不滿足的話重復步驟e，滿足則輸出云mask圖像。

22、所述的一種天基探測場景中云mask圖像仿真方法，其特征在于：步驟c中的基于在軌圖像分割的云圖建立云團數(shù)據(jù)庫。

23、所述的一種天基探測場景中云mask圖像仿真方法，其特征在于：步驟e中的基于云團數(shù)據(jù)庫隨機化仿真云mask圖像。

24、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

25、1、本發(fā)明方法通過形態(tài)學操作和區(qū)域標記，有效保證了云團形狀的完整性和分割的準確性。

26、2、本發(fā)明方法基于天基紅外在軌圖像，我們構(gòu)建了真實的云團數(shù)據(jù)庫，可以為云仿真提供數(shù)據(jù)支撐。

27、3、本發(fā)明方法通過在軌云團數(shù)據(jù)庫的隨機仿真云mask圖像算法，可以有效解決云圖仿真中大量依賴于數(shù)據(jù)的弊端，且可實現(xiàn)多覆蓋率、高置信度的隨機云圖。

技術(shù)特征：

1.一種天基紅外探測場景云mask圖像仿真方法，其特征在于：該方法步驟是：

2.根據(jù)權(quán)利要求1所述的天基紅外探測場景云mask圖像仿真方法，其特征在于：該方法步驟具體包括：

3.根據(jù)權(quán)利要求2所述的一種天基探測場景中云mask圖像仿真方法，其特征在于：步驟c中的基于在軌圖像分割的云圖建立云團數(shù)據(jù)庫。

4.根據(jù)權(quán)利要求2所述的一種天基探測場景中云mask圖像仿真方法，其特征在于：步驟e中的基于云團數(shù)據(jù)庫隨機化仿真云mask圖像。

技術(shù)總結(jié)
本發(fā)明公開了一種天基紅外探測場景云Mask圖像仿真方法。首先，對天基紅外在軌圖像進行預處理，提升圖像質(zhì)量；然后，利用閾值分割技術(shù)，精準提取云層輪廓和分布；通過形態(tài)學操作優(yōu)化分割結(jié)果，并利用連通區(qū)域標記算法對云團區(qū)域進行提取與存儲，構(gòu)建云團數(shù)據(jù)庫；最后，基于數(shù)據(jù)庫隨機生成仿真云Mask圖像，通過設定初始參數(shù)和覆蓋率要求，迭代覆蓋云團至目標區(qū)域，輸出滿足條件的云Mask圖像。本發(fā)明不僅能夠生成符合實際分布規(guī)律的仿真云Mask圖，而且可有效滿足天基紅外探測云場景數(shù)字化仿真的任務需求。

技術(shù)研發(fā)人員：饒鵬,孫紋,李夜金
受保護的技術(shù)使用者：中國科學院上海技術(shù)物理研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15