[发明专利]一种卫星遥感图像感兴趣区在轨智能提取一体化处理装置

权利要求书

1.一种卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于包括：SoC处理器、SoC专用FLASH上注区、SoC专用FLASH原始区、DDR2存储区和数据回传模块；其中，

所述SoC处理器用于自动加载SoC专用FLASH上注区存储的智能处理算法和模型参数；所述SoC处理器接收卫星成像平台传输的遥感图像数据并保存至DDR2存储区；所述SoC处理器进行遥感图像的切片处理和感兴趣区遥感图像切片的智能化提取；所述SoC处理器打包压缩提取的感兴趣区遥感图像切片并保存至SoC专用FLASH上注区；

所述SoC专用FLASH上注区用于存储接口及数传CPU上注程序、智能处理DSP程序、深度卷积神经网络权重文件、打包压缩后的感兴趣区遥感图像切片及图像辅助数据；

所述SoC专用FLASH原始区用于存储接口及数传CPU程序、智能处理DSP程序；

所述DDR2存储区用于缓存原始卫星成像数据、图像切片、图像辅助数据、深度卷积神经网络参数、卷积神经网络各层中间计算量、智能处理算法程序代码；

所述数据回传模块用于将存储在SoC专用FLASH上注区的感兴趣区遥感图像切片及图像辅助数据下传至地面接收站。

2.根据权利要求1所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：所述SoC处理器包括CPU和DSP。

3.根据权利要求1所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：所述SoC处理器采用深度学习算法进行遥感图像的切片处理和感兴趣区遥感图像切片的智能化提取。

4.根据权利要求3所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：所述深度学习算法包括如下步骤：

步骤1：构建深度卷积神经网络遥感图像感兴趣区在轨智能提取模型；

步骤2：启动星上智能处理模式，SoC处理器完成智能处理算法加载；

步骤3：采用星务轮询转发方式，通过CAN总线，完成原始遥感图像数据传输和接收，并保存至DDR2存储区；

步骤4：对接收的原始遥感图像按照一定像素/切片进行分块；

步骤5：采用双线性插值，将每块切片重采样到一定像素大小，对像素值进行归一化处理；

步骤6：将归一化处理后的切片作为深度卷积神经网络的输入层，利用DSP，实现深度神经网络模型的前向推理，得到切片作为感兴趣区的置信度；

步骤7：采用阈值法，对计算结果进行分类，记录大于或等于一定置信度的切片的位置信息并对其进行压缩打包，并保存至SoC专用FLASH上注区。

5.根据权利要求4所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：在步骤1中，构建深度卷积神经网络遥感图像感兴趣区在轨智能提取模型包括如下步骤：

步骤1：构建遥感图像感兴趣区提取模型训练、测试和验证样本数据集；

步骤2：构建轻量级深度卷积神经网络图像分类模型，利用GPU服务器，设置超参数，训练得到模型参数；

步骤3：对深度卷积神经网络模型进行量化压缩，将模型参数量化为8bit定点型。

6.根据权利要求1所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：所述SoC专用FLASH上注区存储的深度学习算法权重文件，通过星地通信链路上注新的深度学习算法权重文件，实现在轨智能处理算法的更新或扩充。

7.根据权利要求5所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：构建轻量级深度卷积神经网络图像分类模型包括网络初始化权值预训练、知识蒸馏、剪枝和稀疏化训练。

8.根据权利要求4所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：在步骤4中，对接收的原始遥感图像按照64×64像素/切片进行分块。

9.根据权利要求4所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：在步骤5中，将每块切片重采样到16×16像素大小。

10.根据权利要求4所述的卫星遥感图像感兴趣区在轨智能提取一体化处理装置，其特征在于：在步骤7中，一定置信度为0.5。