本发明属于航空航天，具体涉及一种高分辨率光学遥感影像模糊退化自动监测方法。
背景技术：
1、光学遥感卫星在轨运行中，受空间环境改变、相机稳定性下降等因素影响，所成影像存在不同程度模糊退化。因此，为确保卫星处理正常在轨状态，维持影像质量正常，需对在轨卫星所拍摄影像持续进行像质监测。
2、公开号为cn101281250a的发明专利公开了一种基于图像要素的在轨卫星遥感器调制传递函数的监测方法，该方法基于图像要素对在轨卫星遥感器调制传递函数(modulation transfer function,mtf)进行监测，并用时间序列的mtf变化预估影像周期变化从而做出相应补偿，但该方法只能对特定靶标影像数据进行测量，因此受拍摄条件、过境周期影响获取监测结果周期较长。公开号为cn114399688a的发明专利公开了一种遥感图像刃边区域的选取方法及装置，通过建立典型目标库，自动提取包含刃边的感兴趣区域，进而提取刃边后测量mtf值。虽然可使用的影像比例得到提高，监测周期变短，但结果准确性极大依赖于区域筛选和边缘刃边提取准确性。上述方法在实现遥感影像质量监测自动化的同时，仍存在一些问题。首先，由于所纳入监测的影像依旧为经筛选或存在特定特征的少数影像，未能覆盖全部在轨拍摄任务，导致监测周期依然较大。其次，当监测指标为自动化提取的刃边处的mtf值时，刃边提取的位置精度和准确性对结果影响较大，大量测量粗差导致监测结果波动较大。
技术实现思路
1、针对目前的光学遥感卫星在轨像质自动化监测方法存在的问题，本发明为满足光学遥感卫星在轨像质自动化监测需求，结合区域推荐算法和退化模糊和估计，提出了一种高分辨率光学遥感影像模糊退化自动监测方法，实现了对在轨卫星拍摄全部影像实现全自动化模糊退化监测。
2、为解决上述问题，本发明采取如下的技术方案：
3、一种高分辨率光学遥感影像模糊退化自动监测方法，该方法包括以下步骤：
4、步骤1：制作训练样本数据库，所述训练样本数据库分为适合测量样本和其他类别样本；
5、步骤2：采用vit方法构建分类网络，首先将图片分割为patch并进行展平化处理，然后利用全连接层进行维度映射，同时嵌入位置信息，所述分类网络的主体结构为transformer encoder编码器，嵌入位置信息和类别信息的输入首先经过layernorm处理，在进入multi-headattention层前通过变换，获得注意力权值后重组为编码器，接着通过mlp head层输出分类类别；
6、利用所述训练样本数据库对所述分类网络进行训练，得到训练好的分类网络；
7、步骤3：对待监测遥感影像进行分块裁剪，得到待筛选影像集；
8、步骤4：对所述待筛选影像集中不具备监测条件的影像切片进行初筛除，得到初筛选结果；
9、步骤5：利用训练好的分类网络对初筛选结果进行二次筛选；
10、步骤6：采用isd算法对经过二次筛选后的影像切片进行模糊核测量，得到每个影像切片的模糊核；
11、步骤7：根据每个影像切片的模糊核计算待监测遥感影像的能量集中度，计算公式如下：
12、
13、其中，(p,q)为内核中心n×n每个像素坐标，(i,j)为内核中所有像素坐标，d为每个像素对应灰度；
14、步骤8：以能量集中度作为影像清晰度，将步骤7计算得到的能量集中度保存至监测数据库中，用于高分辨率光学遥感影像模糊退化自动监测的统计分析。
15、本发明的有益效果：
16、本发明所提出的高分辨率光学遥感影像模糊退化自动监测方法，能够自动实现高精度的影像模糊核和能量集中度测量，大幅提升结果可靠性，满足大批量卫星的像质监测任务需求。相比于经典影像像质监测测量方法，本发明的方法通过两步筛选自动筛选影像中适合测量的区域，并对其进行模糊核及能量集中度的测量，该方法精度高，覆盖度广，测量结果稳定，易于实现，能够有效应用于工程实际中。
1.一种高分辨率光学遥感影像模糊退化自动监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种高分辨率光学遥感影像模糊退化自动监测方法，其特征在于，步骤4包括以下步骤：
3.根据权利要求1活2所述的一种高分辨率光学遥感影像模糊退化自动监测方法，其特征在于，步骤5包括以下步骤：
4.根据权利要求1活2所述的一种高分辨率光学遥感影像模糊退化自动监测方法，其特征在于，所述训练样本数据库中样本的大小为512*512。
5.根据权利要求1活2所述的一种高分辨率光学遥感影像模糊退化自动监测方法，其特征在于，在计算能量集中度时，选择的内核中心大小为3×3。
