本发明涉及遥感图像处理，具体涉及一种基于空天遥感图像目标检测反馈的图像去雾方法。
背景技术：
1、目前，空天遥感搭载的光电成像系统易于受到雾天环境影响，进一步影响后续目标检测任务。使用图像去雾算法可以解决该问题，现有去雾算法与后续检测任务均为单线程执行，没有联动调整过程，存在去雾后图像进行目标检测效果不佳的情况。
技术实现思路
1、针对上述实际问题，亟需一种基于空天遥感图像目标检测反馈的图像去雾方法，搭建图像去雾与目标检测任务互反馈、共进化的调节闭环机制，改善基于空天遥感图像的目标检测任务。本发明将目标检测输出结果信息应用于去雾参数自适应调节并指导去雾，实现空天遥感目标检测任务和图像去雾质量的相互迭代优化，改善空天遥感目标检测任务，达到空天遥感目标检测任务效能最优的目的。第一方面，提供一种基于空天遥感图像目标检测反馈的图像去雾方法，包括下述步骤：
2、获取空天遥感拍摄图像数据；
3、提取图像的全局雾浓度估计信息；
4、执行全图像去雾操作；
5、执行目标检测任务；
6、判断所述检测任务的检测结果是否满足要求；若满足要求，则根据目标位置信息，划定重点关注区域进行局部图像优化，输出当前去雾算法参数、目标检测结果及优化后的局部图像；若未满足要求，则根据目标数量及准确率信息，调整去雾算法参数，重新执行所述全图像去雾操作。
7、在上述方案的基础上，在执行所述全图像去雾操作之前，判断是否需要图像去雾，包括下述步骤：
8、设定雾浓度阈值；
9、若所述估计信息的估计值小于阈值，则判定图像雾浓度不影响目标检测任务的执行结果，直接执行所述目标检测任务；若所述估计信息的估计值大于阈值，则判定图像雾浓度影响目标检测任务的执行结果，设定去雾算法初始参数，执行所述全图像去雾操作。
10、在上述方案的基础上，全局雾浓度估计方法采用图像暗通道值估计或人眼视觉量化估计方法。
11、在上述方案的基础上，所述暗通道值估计：
12、；为暗通道函数，是第 k个场景点的像素；
13、所述人眼视觉量化估计：根据操作人员历史经验判断给出当前图像的雾浓度估计值。
14、在上述方案的基础上，所述目标检测任务是否达到最优的判别标准为：
15、若目标数量小于n时，所有目标的置信度均高于设定阈值；
16、以及，若目标数量大于等于n时，不少于n个目标的置信度高于设定阈值；其中，n为自然数。优选地，n=5。
17、在上述方案的基础上，所述去雾算法参数的调节步骤为:
18、根据预设取值，进行粗调整赋值；
19、若仍未满足要求，再根据取值范围进行细调整赋值。
20、在上述方案的基础上，重点关注区域获取方法为以目标位置中心为原点，增加边框长度。优选地，长度增加1.5倍。
21、在上述方案的基础上，采用图像超分辨率的方法进行局部图像优化。优选地，采用双三次插值算法。
22、第二方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意方法的步骤。
23、第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法的步骤。
24、本发明的有益效果：
25、本发明针对空天遥感目标检测过程中图像去雾方法存在的问题，提出一种去雾方法，该方法将目标检测输出结果信息应用于去雾参数自适应调节并指导去雾，实现空天遥感图像的目标检测任务和图像去雾质量的相互迭代优化，搭建互反馈、共进化的调节闭环机制，改善基于空天遥感图像的目标检测任务的多项指标，达到目标检测任务效能最优的目的。
1.一种基于空天遥感图像目标检测反馈的图像去雾方法，其特征在于，包括下述步骤：
2.如权利要求1所述的去雾方法，其特征在于，在执行所述全图像去雾操作之前，判断是否需要图像去雾，包括下述步骤：
3.如权利要求1所述的去雾方法，其特征在于，全局雾浓度估计方法采用图像暗通道值估计或人眼视觉量化估计方法。
4.如权利要求3所述的去雾方法，其特征在于，
5.如权利要求1所述的去雾方法，其特征在于，所述目标检测任务是否达到最优的判别标准为：
6.如权利要求1所述的去雾方法，其特征在于，所述去雾算法参数的调节步骤为:
7.如权利要求1所述的去雾方法，其特征在于，重点关注区域获取方法为以目标位置中心为原点，增加边框长度。
8.如权利要求1所述的去雾方法，其特征在于，采用图像超分辨率的方法进行局部图像优化。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
