[發(fā)明專利]基于雙路圖U-NET卷積網(wǎng)絡(luò)的溢油高光譜圖像檢測方法

有效

• 申請?zhí)枺?/td>: 202110276544.0
• 申請日: 2021-03-15
• 公開（公告）號: CN113052216B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計）人: 李忠偉;辛紫麒;郭防銘;王雷全;李琦;張雅靜
• 申請（專利權(quán)）人: 中國石油大學（華東）
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/764;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京天奇智新知識產(chǎn)權(quán)代理有限公司 11340
• 代理人: 陸軍

本發(fā)明公開了一種基于雙路圖U?NET卷積網(wǎng)絡(luò)的溢油高光譜圖像檢測方法，包括以下步驟：步驟1、對需要檢測溢油的高光譜圖像的數(shù)據(jù)進行圖結(jié)構(gòu)化，得到光譜圖結(jié)構(gòu)信息和空間圖結(jié)構(gòu)信息；步驟2、將所述光譜圖結(jié)構(gòu)信息和空間圖結(jié)構(gòu)信息分別送入雙路圖U?NET卷積網(wǎng)絡(luò)中的一路，分別得到所述高光譜圖像的光譜圖特征和空間圖特征；步驟3、對所述光譜圖特征和所述空間圖特征進行融合，得到空?譜圖特征；步驟4、將所述空?譜圖特征送入分類器，以得到所述高光譜圖像的分類結(jié)果。本發(fā)明能夠?qū)W式圖像數(shù)據(jù)映射為非歐數(shù)據(jù)，更有效地表示光譜信息和空間信息，進一步提取到溢油高光譜圖像的空?譜圖特征，提高了溢油高光譜圖像的檢測準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及機器學習和高光譜圖像分類技術(shù)領(lǐng)域，更具體地，涉及一種基于雙路圖(Dual Graph)U-NET卷積網(wǎng)絡(luò)的高光譜圖像檢測方法，其可用于溢油高光譜圖像的檢測。

背景技術(shù)

高光譜成像是指利用成像光譜儀將各種地物的光譜特性記錄下來，對各個波段分別成像，將不同波段的圖像形成數(shù)據(jù)立方體作為高光譜圖像。高光譜圖像在二維空間信息的基礎(chǔ)上增加了光譜信息，每個像素都有一條反射光譜曲線與其對應。高光譜遙感由于其連續(xù)的光譜分辨能力和對物質(zhì)表面特性的鑒別能力，使其具有有效定位和區(qū)分海水與油膜的能力。

近年來，基于深度學習的高光譜分類方法展示了巨大潛力。特別是圖卷積網(wǎng)絡(luò)，它為圖數(shù)據(jù)結(jié)構(gòu)的處理提供了一個嶄新的思路，將深度學習中常用于圖像的卷積神經(jīng)網(wǎng)絡(luò)應用到圖數(shù)據(jù)上，通過圖卷積網(wǎng)絡(luò)對高光譜圖像進行分類，大大提高了高光譜圖像的分類精度。

王剛在論文“基于SVM的高光譜遙感圖像海面溢油圖像分類方法研究”中實現(xiàn)了基于SVM模型的高光譜溢油分類算法，設(shè)計了一種面向多時相數(shù)據(jù)油污帶提取的SVM分類處理流程。然而，在有足夠數(shù)據(jù)量的情況下，基于深度學習的溢油高光譜圖像分類算法優(yōu)于這類傳統(tǒng)的機器學習算法。

華南理工大學在其專利申請“一種基于多圖結(jié)構(gòu)的圖卷積網(wǎng)絡(luò)的高光譜圖像分類方法”(CN111160396A)中提出了一種基于多圖結(jié)構(gòu)的圖卷積網(wǎng)絡(luò)的高光譜圖像分類方法，高光譜數(shù)據(jù)重排列得到像素數(shù)據(jù)矩陣；根據(jù)像素數(shù)據(jù)矩陣，進行強制最近鄰連接矩陣及空間近鄰連接矩陣的構(gòu)建；利用圖卷積網(wǎng)絡(luò)分別對強制最近鄰連接矩陣及空間近鄰權(quán)重矩陣和像素數(shù)據(jù)矩陣進行卷積，得到特征矩陣；特征矩陣進行拼接，使用softmax分類器對像素的特征矩陣進行分類。但沒有對圖卷積過程中產(chǎn)生的高空間分辨率的局部信息進行充分利用。

發(fā)明內(nèi)容

本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，提供一種基于雙路圖U-NET卷積網(wǎng)絡(luò)的溢油高光譜圖像檢測方法，其中建立了溢油高光譜數(shù)據(jù)的圖結(jié)構(gòu)信息，使用圖卷積網(wǎng)絡(luò)從圖結(jié)構(gòu)信息中提取光譜和空間圖特征進行溢油檢測。具體地，分別利用原始圖像中的光譜信息與空間物理相鄰的信息建立光譜圖結(jié)構(gòu)信息和空間圖結(jié)構(gòu)信息，之后，分別將光譜圖結(jié)構(gòu)信息和空間圖結(jié)構(gòu)信息送入一路圖U-NET卷積網(wǎng)絡(luò)，通過U-NET結(jié)構(gòu)獲取光譜圖特征和空間圖特征，接下來將光譜圖特征和空間圖特征融合，從而得到溢油高光譜圖像的空-譜圖特征；最后，利用上述空-譜圖特征進行溢油高光譜圖像檢測。

根據(jù)本發(fā)明的實施例，提供了一種基于雙路圖U-NET卷積網(wǎng)絡(luò)的溢油高光譜圖像檢測方法，包括以下步驟：

步驟1、對需要檢測溢油的高光譜圖像的數(shù)據(jù)進行圖結(jié)構(gòu)化，得到光譜圖結(jié)構(gòu)信息和空間圖結(jié)構(gòu)信息，

其中，所述光譜圖結(jié)構(gòu)信息包括以下信息：所述高光譜圖像中的具有光譜相似性的多個像素的各自的光譜特征；以及所述具有光譜相似性的多個像素彼此之間的光譜相似性，

其中，所述空間圖結(jié)構(gòu)信息包括以下信息：所述高光譜圖像中的具有空間相似性的多個像素的各自的光譜特征；以及所述具有空間相似性的多個像素彼此之間的光譜相似性；

步驟2、將所述光譜圖結(jié)構(gòu)信息和空間圖結(jié)構(gòu)信息分別送入雙路圖U-NET卷積網(wǎng)絡(luò)中的一路，分別得到所述高光譜圖像的光譜圖特征和空間圖特征；