[發明專利]一種多任務生成對抗網絡的SAR影像溢油分類和語義分割方法

在審

• 申請號: 202211084671.1
• 申請日: 2022-09-06
• 公開（公告）號: CN115482411A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 范劍超;劉川;張帥;王祥;馬玉娟;高寧;王林
• 申請（專利權）人: 國家海洋環境監測中心
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/26;G06V10/82;G06V20/13;G06V10/30;G06V10/40;G06N3/04;G06N3/08
• 代理公司: 遼寧鴻文知識產權代理有限公司 21102
• 代理人: 許明章;王海波

1.一種多任務生成對抗網絡的SAR影像溢油分類和語義分割方法，其特征在于，包括溢油與溢油相似物的分類識別和溢油圖像的語義分割兩部分；首先，將生成對抗網絡的判別器和分類器進行結合，實現對溢油和溢油相似物的分類判別；其次，將經過判別后的溢油圖像進入下一個生成對抗網絡，利用生成器去生成溢油圖像的分割圖，實現語義分割；通過兩個生成對抗網絡，最終構建多任務GANs網絡模型；包括以下步驟：

第一步，將原始遙感圖像進行預處理后，通過專家解譯選出溢油和溢油相似物，再裁剪出溢油和溢油相似物區域，得到溢油圖像和溢油相似物圖像，并將溢油相似物圖像標簽值標記為0，溢油圖像標簽值標記為1，標記后作為第一個生成對抗網絡的輸入；

第二步，將預處理后溢油和溢油相似物圖像輸入到第一個生成對抗網絡中，輸入的圖像通過第一個生成對抗網絡來完成溢油和溢油相似物的分類任務，實現對溢油和溢油相似物的區分；

第三步，經過第二步將圖像分為溢油和溢油相似物后，需要在分類后的溢油圖像中剔除溢油相似物圖像后，只將溢油圖像作為第四步的輸入，第三步只進行判定操作；

第四步，將第三步篩選出的溢油圖像經過第二個生成對抗網絡進行語義分割任務；通過語義分割任務來獲取溢油區域的提取結果；第二個生成對抗網絡也是有一個生成器和一個判別器搭建而成，具體如下：

4.1)搭建分割網絡模型，由生成器G_s和判別器D_s組成；

生成器輸入的是溢油原始圖像，也就是第三步的篩選后的溢油圖像，輸出的是生成的溢油分割圖；判別器的輸入有溢油原始圖像、生成器生成的溢油分割圖和溢油分割標簽圖；

第二個生成對抗網絡的訓練過程是：首先由生成器最初生成的溢油分割圖并不能接近溢油分割標簽圖，判別器通過輸入的溢油原始圖像、溢油分割圖和溢油分割標簽圖進行判別，判別器對生成器生成的溢油分割圖、溢油分割標簽圖進行區分，區分出該圖像是溢油分割標簽圖還是來自生成器生成的溢油分割圖，學習他們之間的數據分布差異，輸出判別分數；由判別器判別的結果去反向優化生成器，指導生成器生成更加精確的溢油分割圖；最終生成器可以生成以假亂真的溢油分割圖，訓練結束后利用訓練好的生成器去生成溢油分割圖，實現對溢油區域的準確提取；

第二個生成對抗網絡的生成器的目標函數如下式(8)所示：

其中，λ₁為權重平衡參數，S為輸入真實分割標簽圖，為生成器生成的分割圖，I為真實的溢油圖像；為L1范數，它懲罰分割標簽圖和生成的分割圖之間的逐像素距離；最小化訓練生成器去生成更加真實的溢油分割圖，最終能成功的欺瞞判別器；

第二個生成對抗網絡判別器的目標函數如下式(9)所示：

其中，λ₂為權重平衡參數，S為輸入真實分割標簽圖，為生成器生成的分割圖，I為真實的溢油圖像；這一項代表對抗損失，增加判別器的判別能力；代表懲罰梯度損失,會產生穩定的梯度，既不會消失也不會爆炸；表示在S和之間均勻采樣的隨機變量；最小化訓練判別器，去區分生成的溢油分割圖和溢油分割標簽圖；

4.2)第二個生成對抗網絡總的目標函數如(10)所示：

生成器和判別器不斷優化訓練；使用損失公式(10)訓練網絡，直到第二個生成對抗網絡達到平衡狀態；當訓練結束后以后，保留生成器，丟棄判別器；利用生成器來生成溢油分割圖。

2.根據權利要求1所述的一種多任務生成對抗網絡的SAR影像溢油分類和語義分割方法，其特征在于，所述的第一步中預處理過程包括熱噪聲去除、輻射定標、相干斑濾波、地形校正。