[發明專利]一種基于深度學習的遙感圖像水面潛艇識別方法有效
| 申請號： | 201911114616.0 | 申請日： | 2019-11-14 |
| 公開（公告）號： | CN111027399B | 公開（公告）日： | 2023-08-22 |
| 發明（設計）人： | 程家明;孔繁東;廖劍蘭 | 申請（專利權）人： | 武漢興圖新科電子股份有限公司 |
| 主分類號： | G06V20/10 | 分類號： | G06V20/10;G06V10/764;G06V10/80;G06V20/70 |
| 代理公司： | 武漢知產時代知識產權代理有限公司 42238 | 代理人： | 易濱 |
| 地址： | 430000 湖北省武漢市東湖新*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 學習 遙感 圖像 水面 潛艇 識別 方法 | ||
1.一種基于深度學習的遙感圖像水面潛艇識別方法，其特征在于：具體步驟如下：
S101：建立潛艇遙感圖像樣本庫；
S102：對所述圖像樣本庫中的各潛艇遙感圖像分別進行圖像增強，得到增強后的圖像樣本庫；
S103：對所述增強后的圖像樣本庫中的各潛艇遙感圖像中的潛艇分別進行矩形框標注，進而得到所述增強后的樣本圖像庫中所有的潛艇遙感圖像所對應的標注數據集；
S104：利用yolov3目標檢測網絡，融合語義分割與目標檢測所得到的特征，得到分割預測融合特征；
S105：根據所述標注數據集和所述分割預測融合特征，進行訓練，得到潛艇檢測識別模型；
S106：采集潛艇實時圖像，并進行圖像增強，進而將增強后的潛艇實時圖像輸入所述潛艇檢測識別模型進行潛艇識別；
S107：設置特征閾值α，并判斷圖像特征值是否超過特征閾值α，若是，則輸出潛艇識別預測結果，程序結束；否則，返回至步驟S106；
在步驟S102中，圖像增強采用的具體方法為非線性局部目標增強算法，其公式如式(1)所示：
式(1)中，r表示圖像灰度分布直方圖的灰度值，m為輸入值，其取值為E為潛艇凸顯參數，根據E1和E2取值不同，獲得不同值的參數E，通過調整E來動態凸顯遙感圖像中潛艇特征部分；
在步驟S104中，利用yolov3目標檢測網絡，融合語義分割與目標檢測所得到的特征，得到分割預測融合特征，具體為：
S201：使用COCO-Stuff的標注監督語義分割方法對所述圖像樣本庫中的圖像進行精密像素級分類，得到分割后的語義信息；
S202：使用yolov3算法提取所述圖像樣本庫中圖像目標特征的box和mask；
S203：將提取的目標特征的box和mask與所述語義信息特征進行融合，即得到分割預測融合特征。
2.如權利要求1所述的一種基于深度學習的遙感圖像水面潛艇識別方法，其特征在于：
在步驟S101中，建立潛艇遙感圖像樣本為預先采集的多張多方向和多尺度的潛艇圖像集合；所述多方向潛艇圖像，具體為水平方向不同角度拍攝、垂直方向不同角度拍攝的潛艇圖像；所述多尺度潛艇圖像，具體為被拍攝的潛艇，實際尺寸大小不同。
3.如權利要求1所述的一種基于深度學習的遙感圖像水面潛艇識別方法，其特征在于：在步驟S105中，所述的預測結果，包括識別出的潛艇的位置和置信度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于武漢興圖新科電子股份有限公司，未經武漢興圖新科電子股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911114616.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種夏季用可自支撐式擋風被
- 下一篇：移動便捷的墻面鉆孔機
