本发明属于数据处理技术领域，具体地，涉及一种图像数据处理方法和装置。
背景技术：
数据图像处理技术领域中，尤其是遥感图像数据处理，数据量大，非目标物多，受传感器、气候影响大，对目标物的判别存在数据量大、精度低、准确度低的不足，亟需开发一种图像数据处理方法和装置，对图像数据进行处理、建模、判别，以提高精度和准确度。
技术实现要素：
为了解决上述问题，本发明的目的在于提供一种图像数据处理方法和装置，从接收卫星数据开始，对卫星数据进行处理，构建各种数据库，获取地物样本集。根据频谱变换获取样本点，再通过模型判别函数输出学习参数集，利用学习结果去除非目标物像素，对保留后的图像进行特征提取和识别。该方法和装置能够将多样化信息进行融合和优化，使得数据处理高效准确，通过建模提高判别的精度和准确度，从而提高多数据的特征利用，提高数据的处理速度。
发明采用的技术方案如下：
本发明公开了一种图像数据处理方法，该方法包括：
通过传感器接收高质量卫星数据，包括多波段卫星数据、多分辨率卫星数据，构建接收卫星数据库；
进一步地，对接收卫星数据库中采集到的数据进行以下操作：去除大气影响，配准、分割、尺度变换、格式转换，形成目标数据库；
对目标数据库中的图像数据进行检索，检索到感兴趣区域，获取L幅大小为M×N的含杂物组成的地物数据样本集G＝{fi}，其中1<i<L，fi表示第i幅含杂物的地物数据样本图像；
对每幅含杂物的地物数据样本图像fi(x,y)进行傅立叶变换和反傅立叶变换，得到含杂物的地物数据样本图像的傅立叶谱集，对所有频率点的幅度值序列应用于统计分布模型，获取样本点x(i)，通过模型判别函数进行计算，输出学习参数集；
根据学习参数集的学习结果计算感兴趣区域内各像素的模型匹配值，对图像像素点进行保留；对保留后的图像进行特征提取，对目标物进行识别；对结果进行输出和显示。
本发明还公开了一种图像数据处理装置，该装置包括：
接收装置，用于通过传感器接收高质量卫星数据，包括多波段卫星数据、多分辨率卫星数据，构建接收卫星数据库；
数据处理装置，用于对接收卫星数据库中采集到的数据进行以下操作：去除大气影响，配准、分割、尺度变换、格式转换，形成目标数据库；
检索和获取装置，用于对目标数据库中的图像数据进行检索，检索到感兴趣区域，获取L幅大小为M×N的含杂物组成的地物数据样本集G＝{fi}，其中1<i<L，fi表示第i幅含杂物的地物数据样本图像；
变换和判别装置，用于对每幅含杂物的地物数据样本图像fi(x,y)进行傅立叶变换和反傅立叶变换，得到含杂物的地物数据样本图像的傅立叶谱集，对所有频率点的幅度值序列应用于统计分布模型，获取样本点x(i)，通过模型判别函数进行计算，输出学习参数集；
匹配和保留装置，用于根据学习参数集的学习结果计算感兴趣区域内各像素的模型匹配值，对图像像素点进行保留；
特征提取和识别装置，用于对保留后的图像进行特征提取，对目标物进行识别；
输出和显示装置，用于对结果进行输出和显示。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明：
图1为数据处理方法的流程图。
图2为数据处理装置的示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
应当理解的是，在说明书和权利要求书中使用的术语或词语不应当理解为具有在字典中限定的含义，而应理解为在以下原则的基础上具有与其在本发明上下文中的含义一致的含义：术语的概念可以适当地由发明人为了对本发明的最佳说明而限定。
本发明公开了一种图像数据处理方法，该方法包括：
通过传感器接收高质量卫星数据，包括多波段卫星数据、多分辨率卫星数据，构建接收卫星数据库；
进一步地，对接收卫星数据库中采集到的数据进行以下操作：去除大气影响，配准、分割、尺度变换、格式转换，形成目标数据库；
对目标数据库中的图像数据进行检索，检索到感兴趣区域，获取L幅大小为M×N的含杂物组成的地物数据样本集G＝{fi}，其中1<i<L，fi表示第i幅含杂物的地物数据样本图像；
对每幅含杂物的地物数据样本图像fi(x,y)进行傅立叶变换和反傅立叶变换，得到含杂物的地物数据样本图像的傅立叶谱集，对所有频率点的幅度值序列应用于统计分布模型，获取样本点x(i)，通过模型判别函数进行计算，输出学习参数集；
根据学习参数集的学习结果计算感兴趣区域内各像素的模型匹配值，对图像像素点进行保留；对保留后的图像进行特征提取，对目标物进行识别；对结果进行输出和显示。
进一步地，所述通过模型判别函数进行计算，输出学习参数集为：根据判别函数，对x(i)进行模型覆盖判别，判断x(i)是否在模型设定的精度范围内，确定x(i)的模型分布状态，更新模型参数，待所有x(i)学习完后输出学习参数集。
进一步地，所述模型判别函数为：
其中，gl,i(x(i))是i时刻的判别函数，x(i)是当前样本点，αl,i-1是多分布模型中第l个中心点，是第i-1个时刻第l个分布的期望矩阵，Al,i-1是第i-1个时刻第l个分布的协方差矩阵，βk,i-1表示第i-1个时刻第l个分布的权值。
进一步地，还包括：针对感兴趣区域图像，利用学习参数集中的学习结果计算感兴趣区域内各像素的模型匹配值，与设定的阈值相比，如果大于阈值，认为是非目标物像素点，则进行去除，如果小于或等于阈值，则认为是目标物像素点，进行保留；对保留后的图像进行特征提取，提取图像中目标物体的RGB特征、灰度特征、深度特征、曲面法线特征，对上述四个特征进行融合，对目标物进行识别。
本发明还公开了一种图像数据处理装置，该装置包括：
接收装置，用于通过传感器接收高质量卫星数据，包括多波段卫星数据、多分辨率卫星数据，构建接收卫星数据库；
进一步地，数据处理装置，用于对接收卫星数据库中采集到的数据进行以下操作：去除大气影响，配准、分割、尺度变换、格式转换，形成目标数据库；
检索和获取装置，用于对目标数据库中的图像数据进行检索，检索到感兴趣区域，获取L幅大小为M×N的含杂物组成的地物数据样本集G＝{fi}，其中1<i<L，fi表示第i幅含杂物的地物数据样本图像；
变换和判别装置，用于对每幅含杂物的地物数据样本图像fi(x,y)进行傅立叶变换和反傅立叶变换，得到含杂物的地物数据样本图像的傅立叶谱集，对所有频率点的幅度值序列应用于统计分布模型，获取样本点x(i)，通过模型判别函数进行计算，输出学习参数集；
匹配和保留装置，用于根据学习参数集的学习结果计算感兴趣区域内各像素的模型匹配值，对图像像素点进行保留；
特征提取和识别装置，用于对保留后的图像进行特征提取，对目标物进行识别；
输出和显示装置，用于对结果进行输出和显示。
进一步地，所述通过模型判别函数进行计算，输出学习参数集为：根据判别函数，对x(i)进行模型覆盖判别，判断x(i)是否在模型设定的精度范围内，确定x(i)的模型分布状态，更新模型参数，待所有x(i)学习完后输出学习参数集。
进一步地，所述模型判别函数为：
其中，gl,i(x(i))是i时刻的判别函数，x(i)是当前样本点，αl,i-1是多分布模型中第l个中心点，是第i-1个时刻第l个分布的期望矩阵，Al,i-1是第i-1个时刻第l个分布的协方差矩阵，βk,i-1表示第i-1个时刻第l个分布的权值。
进一步地，匹配和保留装置，还用于针对感兴趣区域图像，利用学习参数集中的学习结果计算感兴趣区域内各像素的模型匹配值，与设定的阈值相比，如果大于阈值，认为是非目标物像素点，则进行去除，如果小于或等于阈值，则认为是目标物像素点，进行保留；特征提取和识别装置，还用于对保留后的图像进行特征提取，提取图像中目标物体的RGB特征、灰度特征、深度特征、曲面法线特征，对上述四个特征进行融合，对目标物进行识别。
以上描述了本发明优选实施方式，然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。