[發明專利]一種基于深度語義分割海洋溢油檢測系統與方法

在審

• 申請號: 201810330536.8
• 申請日: 2018-04-13
• 公開（公告）號: CN108596065A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 李巖;楊小飛
• 申請（專利權）人: 深圳職業技術學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳市添源知識產權代理事務所(普通合伙) 44451
• 代理人: 羅志偉

本發明提供了一種基于深度語義分割海洋溢油檢測系統，包括計算服務器、GPU集群、海洋污染遙感影像數據庫、正常無污染圖像數據庫，所述計算服務器部署在GPU集群上，所述計算服務器存儲了訓練好的神經網絡模型，進行輸入圖像的識別。本發明還提供了一種基于深度語義分割海洋溢油檢測方法。本發明的有益效果是：可以實現快速準確監測海洋溢油污染。

技術領域

本發明涉及溢油檢測，尤其涉及一種基于深度語義分割海洋溢油檢測方法。

背景技術

21世紀是全世界大規模開發利用海洋資源、擴大海洋產業、發展海洋經濟的新時期。這也給海洋的生態環境帶來了沉重的負擔,尤其是海洋溢油污染對海洋環境造成了巨大的破環,同時也蒙受了巨大的經濟損失。海洋溢油經常發生在惡劣的天氣狀況之下,這就給監測工作帶來了許多困難。隨著衛星遙感技術的發展,各種遙感平臺和傳感器性能的不斷提高,使海洋溢油污染的快速準確監測成為可能。同時深度學習的興起使得對遙感影像的特征提取的精度進一步提高，這是用深度學習進行污染監測的前提和基礎，因為本身深度學習需要大量的數據進行訓練，而豐富的高清遙感影像恰恰提供了數據。

深度學習是機器學習研究中的一個新的領域，通過模擬人腦建立分層模型結果，逐步提取從低維到高維的特征。目前深度學習已被廣泛應用于語音識別、圖像識別、自然語言處理等領域，并取得了顯著進展。 深度學習中的語義分割分支則是利用網絡對圖像的每一個像素進行分類，這樣極大地提高了分類效率，不需要任何的后處理就可以得到結果。因此，有必要設計一種新的基于深度學習語義分割的海洋油污染識別系統，以實現快速準確監測海洋溢油污染。

發明內容

為了解決現有技術中的問題，本發明提供了一種基于深度語義分割海洋溢油檢測系統與方法，可以實現快速準確監測海洋溢油污染。

本發明提供了一種基于深度語義分割海洋溢油檢測系統，包括計算服務器、GPU集群、海洋污染遙感影像數據庫、正常無污染圖像數據庫，所述計算服務器部署在GPU集群上，所述計算服務器存儲了訓練好的神經網絡模型，進行輸入圖像的識別。

本發明還提供了一種基于深度語義分割海洋溢油檢測方法，包括以下步驟：

S1、數據集準備；

S2、數據預處理；

S3、網絡結構設計；

S4、神經網絡訓練；

S5、模型預測。

作為本發明的進一步改進，在步驟S1中，進行遙感數據提取，輸入是經過切片的遙感影像，每張圖像都有其每個像素標簽0或1，表示有污染或者無污染。

作為本發明的進一步改進，在步驟S2中，通過圖像旋轉、翻轉、放縮實現數據增強，由一張原始圖像得到多張不一樣的訓練圖像。

作為本發明的進一步改進，在步驟S4中，利用深度學習網絡結構深度和寬度,學習復雜噪聲高光譜圖像的隱高維特征表達,并在統一框架中訓練Softmax分類器,通過反卷積等trick實現輸出圖像即為輸入圖像的分類結果，并且圖像大小保持不變。

作為本發明的進一步改進，在步驟S4中，提取光譜特征和多通道元的均值方差作為數據樣本特征，統計機器學習算法對像元分類。

作為本發明的進一步改進，在步驟S4中，利用經過調整優化后的深度學習語義分割模型實現對目標海洋污染分割識別，組合深度學習網絡模型和特征提取模型。

本發明的有益效果是：可以實現快速準確監測海洋溢油污染。

附圖說明

圖1是本發明一種基于深度語義分割海洋溢油檢測方法的流程圖。

具體實施方式