申请/专利权人：中国石油大学(华东)

申请日：2023-07-18

公开（公告）日：2024-05-03

公开（公告）号：CN116894999B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06V10/40;G06V10/54;G06V10/80;G06N3/0464;G06N3/08;G06V10/44;G06V10/764;G06V20/13

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2023.11.03#实质审查的生效;2023.10.17#公开

摘要：本发明公开一种基于条件参数化卷积的溢油极化SAR检测方法和装置，包括以下步骤：步骤S1、对历史极化SAR图像进行预处理，得到包含极化特征和纹理特征的数据集；步骤S2、根据数据集训练溢油检测网络模型；步骤S3、将待检测的极化SAR图像输入训练好的溢油检测网络模型中，实现海上溢油检测。采用本发明的技术方案：提升海洋溢油监测的精度。

主权项：1.一种基于条件参数化卷积的溢油极化SAR检测方法，其特征在于，包括以下步骤：步骤S1、对历史极化SAR图像进行预处理，得到包含极化特征和纹理特征的数据集；步骤S2、根据数据集训练溢油检测网络模型；步骤S3、将待检测的极化SAR图像输入训练好的溢油检测网络模型中，实现海上溢油检测；步骤S2中，所述溢油检测网络模型为基于条件参数化卷积的溢油检测网络模型；基于条件参数化卷积的溢油检测网络模型包括：条件参数化卷积网络模块，边界提取模块以及边界引导下的特征融合模块；其中，条件参数化卷积模块通过加入条件参数化卷积来学习不同类型溢油特征，得到低级细节特征和高级语义特征；边界提取模块通过低级细节特征和高级语义特征得到溢油区域的边界特征，以获取溢油精细化的几何形态；边界引导下的特征融合模块用于融合溢油特征和边界特征；条件参数化卷积网络模块包含一个卷积层、三个条件参数化卷积层和两个池化层，每个卷积层后都跟着一层BatchNorm层作为正则化层，ReLU函数作为激活函数；条件参数化卷积的卷积核W1针对每个输入样例生成，使用生成的卷积核计算输出， 其中，σ为激活函数，x为输入特征，为标准卷积核，α为每个标准卷积核根据输入数据计算得到的权重系数，共有n个标准卷积核，n为4，为加权计算的结果，权重系数αi,i＝1,2,3,4由路由函数生成，路由函数包括全局平均池化GAP、全连接层和激活函数三部分；经过路由函数，对不同的输入特征生成权重系数；权重系数αi的计算过程如下：α＝SigmoidGAPxR其中，R是具有n个神经元的全连接层，得到n个权重系数；通过Sigmoid将n个权重系数的值约束到[0,1]作为n个卷积核的权重；边界提取模块对从条件参数化卷积模块得到的4个特征图通过4个3×3卷积将通道数统一到256，接着对通道统一后的特征图通过interpolate函数进行下采样，将特征图大小调整为8×8，得到4个8×8×256大小的特征图；然后将后续操作分成两个分支，一个分支操作对4个8×8×256大小的特征图进行通道叠加操作得到1个8×8×1024大小的特征图并将其用于边界引导下的特征融合模块；对另一个分支操作首先对4个8×8×256大小的特征图进行1×1卷积得到4个8×8×1大小的特征图，然后将4个8×8×1的特征图逐像素相加后得到一个大小为8×8×1大小的特征图，之后对其进行双线性插值，得到1个大小为32×32×1的特征图，最后，对32×32×1的特征图进行sigmoid操作得到边界分类结果；在获取边界分类结果后，通过设立边界损失函数计算出边界分类结果和真实值之间的损失值以用于更新网络参数；边界引导下的特征融合模块由两部分组成，一部分融合边界特征和条件参数化卷积特征，另一部分将特征融合后获取的特征图经过上采样和卷积得到分类结果；特征融合部分中，首先对条件参数化卷积模块获取的特征进行全局平均池化，以获取其全局上下文信息，之后对全局平均池化后的结果进行重塑转置为L×1的矩阵，同时对从边界模块获取的特征图进行Reshape，以获得HW×L大小的矩阵，接着将L×1和HW×L大小的矩阵进行矩阵乘法，并将得到的结果进行Softmax与Reshape操作，获取大小为H×W的边界特征；对边界特征Reshape为H×W×1大小的特征，将H×W×1大小的边界特征与H×W×L大小的条件参数化卷积模块输出特征通过逐像素点乘运算来进行特征融合，以利用边界信息增强类内相似性和类间差异性，得到的融合结果大小为H×W×L的特征；将H×W×L的融合结果与H×W×L大小的条件参数化卷积模块输出特征进行逐元素相加得到大小为H×W×L的融合特征；然后对H×W×L的融合特征进行上采样得到32×32×256大小的特征图，并对32×32×256大小的特征图进行3×3卷积将通道调整为64，最后进行1×1卷积操作将特征向量映射到对应的类别，得到分类结果；在获取分类结果后，通过设立分类损失函数计算出分类结果和真实值之间的损失值以用于更新网络参数。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 基于条件参数化卷积的溢油极化SAR检测方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD