[發明專利]一種結合多光譜圖像與深度學習方法的漂浮HNS目標檢測方法

有效

• 申請號: 201910363641.6
• 申請日: 2019-04-30
• 公開（公告）號: CN110348456B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 黃慧;孫澤浩;王超;王杭州;劉材材;蔣曉山;徐韌
• 申請（專利權）人: 浙江大學;國家海洋局東海環境監測中心
• 主分類號: G06V10/60
• 分類號: G06V10/60;G06V10/26;G06V10/22;G06V10/764;G06V10/774;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了一種結合多光譜圖像與深度學習方法的漂浮HNS目標檢測方法，該方法包括數據庫準備、目標檢測模型構建與模型應用檢測階段；數據庫準備階段包括HNS特征反射波段數據庫、多光譜圖像數據庫和分類優選波段庫；目標檢測模型構建階段包括區域檢測圖像數據集構建、圖像預處理與標注、目標區域檢測模型訓練和目標類別檢測模型訓練；模型應用檢測階段包括檢測圖像獲取與預處理、目標區域分割、目標類別檢測和可視化檢測。本發利用特征波段圖像，具有針對性強、圖像獲取效率高以及檢測準確度高等優點，用于多種HNS的運輸船發生的泄漏事故的應急檢測。

技術領域

本發明涉及一種漂浮HNS目標檢測方法，尤其涉及一種結合多光譜圖像與深度學習方法的漂浮HNS目標檢測方法。

背景技術

HNS(Hazards and Noxious Substances)水上突發泄漏事故給生態環境與公共安全帶來了巨大威脅。由于漂浮于水面的HNS通常顏色特征不明顯，從普通RGB圖像上看，其與水體背景差異以及類間差異較小，大大增加了目標快速自動化檢測難度。

目前HNS的檢測研究中，使用較多的是色譜法、分光光度法和電化學法等較為敏感和準確的分析技術。這些方法大多需要精密的儀器、繁瑣的抽樣過程，這限制了它們應用到泄漏事故現場的應急處理上。HNS突發事故的現場應急檢測，需要快速確定漂浮HNS的區域與類別以采取相應的分級預警及應急處理措施，因而對檢測手段的效率提出了較高要求。

自動化成像檢測技術是一種快速、靈活和安全可靠的技術，在突發事故應急處理、環境檢測上具有巨大的潛力和優勢。目前，溢油事故應急檢測方面已有采用成像檢測技術的報道。中國專利CN 106370307 A公布了一種利用垂直偏振與水平偏振的差分熱紅外圖像提取邊緣的水面溢油成像探測方法與裝置；中國專利CN 105844298 A公開了一種基于Fuzzy ARTMAP神經網絡的高光譜溢油影像分類方法；中國專利CN 103236063 A公開一種基于多尺度譜聚類及決策級融合的SAR圖像溢油檢測方法。溢油的成像檢測顯示了該方法的可行性，深度學習方法的發展更是大大提升了其自動化程度。然而，相對于溢油檢測，HNS(如苯、甲苯、二甲苯、植物油等)常為高度透明液體與水的顏色差異小，且類間差異更小，難以使用自動化成像方法自動確定泄漏區域，且基于普通圖像的HNS分類更為困難。

發明內容

本發明旨在針對現有技術的不足，提供一種結合多光譜圖像與深度學習方法的漂浮HNS目標檢測方法。

本發明的目的是通過以下技術方案來實現的：一種結合多光譜圖像與深度學習方法的漂浮HNS目標檢測方法，包括數據庫準備、目標檢測模型構建與模型應用檢測階段；

(1)數據庫準備階段，需要建立的數據庫如下：

(1.1)HNS特征反射波段數據庫：使用光譜反射率測量設備采集各類待檢測HNS在自然水體下漂浮時的光譜反射率以及相應水體背景的光譜反射率，通過計算各類待檢測HNS與水體的光譜反射率差值與夾角余弦計算等方法得到各類待檢測HNS與水體反射率差異最大的特征波段；

(1.2)HNS多光譜圖像數據庫：使用多光譜成像設備獲取各類待檢測HNS多光譜圖像構建其光譜圖像數據庫，測量的多光譜圖像波段需包含步驟(1.1)中的特征反射波段；

(1.3)HNS分類優選波段庫：從步驟(1.2)中選取各類待檢測HNS的多光譜圖像中對應于步驟(1.1)中的特征反射波段作為區域分割提取波段，進行圖像處理分割獲取HNS區域后，以此區域為依據提取其余各個光譜波段圖像的HNS區域的光譜數據，利用機器學習方法訓練常見HNS類別組合的多光譜分類模型，并進一步確定分類的優選波段，優選波段中需包含步驟(1.1)中的特征反射波段；

(2)目標檢測模型構建階段，包含如下步驟：