海面溢油检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种海面溢油检测方法、装置、电子设备及存储介质。其中，海面溢油检测方法包括：获取待检测图像，并将所述待检测图像输入至溢油检测模型，其中，所述溢油检测模型通过第一数量的海上油膜训练样本集训练得到，所述第一数量小于或等于第一阈值；基于所述溢油检测模型的输出结果，确定所述待检测图像的检测结果。在溢油样本数量较少的前提下，通过本发明专利技术提供的海面溢油检测方法，可以解决基于极化特征进行溢油检测的信息冗余量过高问题，进而提高了溢油检测结果的准确度。而提高了溢油检测结果的准确度。而提高了溢油检测结果的准确度。

【技术实现步骤摘要】
海面溢油检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及海洋溢油检测
，尤其涉及一种海面溢油检测方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，溢油泄露事件频繁发生，这些事故大多由船舶碰撞、触礁等海上石油运输活动以及石油开采、加工等海岸石油生产活动引起。溢油事故不仅造成了经济损失，更是危害了海洋生态环境，因此，对油膜进行有效的识别就显得尤为重要。
[0003]相关技术可知，基于全极化特征的溢油检测方法进行油膜检测，往往依赖极化特征的质量。然而，人工提取的极化特征存在质量参差不齐等问题。又者，基于深度学习算法的溢油检测方法进行油膜检测，经常受限于样本量。样本量不足时容易使模型过拟合，从而导致溢油检测结果的精确度不高。

技术实现思路

[0004]本专利技术提供一种海面溢油检测方法、装置、电子设备及存储介质，用以解决现有技术中基于深度学习和全极化特征的溢油检测方案中样本量过小、人工提取的极化特征质量参差不齐的缺陷，实现在溢油样本数量较少的前提下，解决了基于极化特征进行溢油检测的信息冗余量过高问题，提高了溢油检测结果的准确度。
[0005]本专利技术提供一种海面溢油检测方法，包括：获取待检测图像，并将所述待检测图像输入至溢油检测模型，其中，所述溢油检测模型通过第一数量的海上油膜训练样本集训练得到，所述第一数量小于或等于第一阈值；基于所述溢油检测模型的输出结果，确定所述待检测图像的检测结果。
[0006]根据本专利技术提供的一种海面溢油检测方法，其特征在于，所述溢油检测模型采用以下方式训练得到：基于图像数据集预先训练VGG16网络模型，并获取所述VGG16网络模型的模型参数；基于所述模型参数初始化所述溢油检测模型，并基于所述第一数量的海上油膜训练样本集对所述溢油检测模型的全连接层参数进行调整，得到训练后的溢油检测模型。
[0007]根据本专利技术提供的一种海面溢油检测方法，其特征在于，所述海上油膜训练样本集通过以下方式得到：提取训练图像的原始散射矩阵，并基于所述原始散射矩阵提取极化相干矩阵；获取所述极化相干矩阵的共极化项，并基于所述共极化项获取所述海上油膜训练样本集。
[0008]根据本专利技术提供的一种海面溢油检测方法，其特征在于，所述基于所述共极化项获取所述海上油膜训练样本集，包括：基于金字塔原理对所述共极化项进行处理，得到处理后数据集，并将所述处理后数据集作为所述海上油膜训练样本集。
[0009]根据本专利技术提供的一种海面溢油检测方法，其特征在于，基于所述第一数量的海上油膜训练样本集对所述溢油检测模型的全连接层参数进行调整，包括：对所述第一数量
的海上油膜训练样本集中各样本进行图像分割，得到第二数量的分割后海上油膜训练样本集，其中，所述第一数量小于所述第二数量；基于所述第二数量的分割后海上油膜训练样本集，对所述溢油检测模型的全连接层参数进行调整。
[0010]根据本专利技术提供的一种海面溢油检测方法，其特征在于，所述溢油检测模型包括分类器，所述分类器包括径向基函数支持向量机分类器。
[0011]本专利技术还提供一种海面溢油检测装置，包括：获取模块，用于获取待检测图像，并将所述待检测图像输入至溢油检测模型，其中，所述溢油检测模型通过第一数量的海上油膜训练样本集训练得到，所述第一数量小于或等于第一阈值；处理模块，用于基于所述溢油检测模型的输出结果，确定所述待检测图像的检测结果。
[0012]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述海面溢油检测方法的步骤。
[0013]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述海面溢油检测方法的步骤。
[0014]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述海面溢油检测方法的步骤。
[0015]本专利技术提供的海面溢油检测方法、装置、电子设备及存储介质，可以基于溢油检测模型对待检测图像进行油膜检测，其中，溢油检测模型通过样本数量较少的第一数量海上油膜训练样本集训练得到。在溢油样本数量较少的前提下，通过本专利技术可以解决基于极化特征进行溢油检测的信息冗余量过高问题，进而提高了溢油检测结果的准确度。
附图说明
[0016]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术提供的海面溢油检测方法的流程示意图之一；
[0018]图2是本专利技术提供的溢油检测模型训练过程的流程示意图之一；
[0019]图3是本专利技术提供的溢油检测模型训练过程的示意图之一；
[0020]图4是本专利技术提供的溢油检测模型的结构示意图之一；
[0021]图5是本专利技术提供的获取海上油膜训练集的流程示意图之一；
[0022]图6是本专利技术提供的基于第一数量的海上油膜训练样本集对溢油检测模型的全连接层参数进行调整的流程示意图之一；
[0023]图7(a)是基于H特征进行训练得到的网络模型的示意图之一；
[0024]图7(b)是基于P特征进行训练得到的网络模型的示意图之一；
[0025]图7(c)是基于span特征进行训练得到的网络模型的示意图之一；
[0026]图7(d)是基于polsar特征进行训练得到的网络模型的示意图之一；
[0027]图7(e)是本专利技术提供的基于原始共极化特征t进行训练得到的网络模型的示意图之一；
[0028]图8(a)是基于H特征训练得到的网络模型的影像输出结果示意图之一；
[0029]图8(b)是基于P特征训练得到的网络模型的影像输出结果示意图之一；
[0030]图8(c)是基于span特征训练得到的网络模型的影像输出结果示意图之一；
[0031]图8(d)是基于polsar特征训练得到的网络模型的影像输出结果示意图之一；
[0032]图8(e)是基于原始共极化特征t训练得到的网络模型的影像输出结果示意图之一
[0033]图9(a)是基于H特征训练得到的VGG16和RBFSVM结合的网络模型的影像输出结果示意图之一；
[0034]图9(b)是基于P特征训练得到的VGG16和RBFSVM结合的网络模型的影像输出结果示意图之一；
[0035]图9(c)是基于span特征训练得到的VGG16和RBFSVM结合的网络模型的影像输出结果示意图之一；
[0036]图9(d)是基于polsar特征训练得到的VGG16和RBFSVM结合的网络模型的影像输出结果示意图之一；
[0037]图9(e)是基于本专利技术提供的原始共极化特征t训练得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海面溢油检测方法，其特征在于，所述方法包括：获取待检测图像，并将所述待检测图像输入至溢油检测模型，其中，所述溢油检测模型通过第一数量的海上油膜训练样本集训练得到，所述第一数量小于或等于第一阈值；基于所述溢油检测模型的输出结果，确定所述待检测图像的检测结果。2.根据权利要求1所述的海面溢油检测方法，其特征在于，所述溢油检测模型采用以下方式训练得到：基于图像数据集预先训练VGG16网络模型，并获取所述VGG16网络模型的模型参数；基于所述模型参数初始化所述溢油检测模型，并基于所述第一数量的海上油膜训练样本集对所述溢油检测模型的全连接层参数进行调整，得到训练后的溢油检测模型。3.根据权利要求2所述的海面溢油检测方法，其特征在于，所述海上油膜训练样本集通过以下方式得到：提取训练图像的原始散射矩阵，并基于所述原始散射矩阵提取极化相干矩阵；获取所述极化相干矩阵的共极化项，并基于所述共极化项获取所述海上油膜训练样本集。4.根据权利要求3所述的海面溢油检测方法，其特征在于，所述基于所述共极化项获取所述海上油膜训练样本集，包括：基于金字塔原理对所述共极化项进行处理，得到处理后数据集，并将所述处理后数据集作为所述海上油膜训练样本集。5.根据权利要求2或4所述的海面溢油检测方法，其特征在于，基于所述第一数量的海上油膜训练样本集对所述溢油检测模...

【专利技术属性】
技术研发人员：李芳芳，任慧敏，洪文，韩冰，周晓，董颖博，
申请(专利权)人：齐鲁空天信息研究院，
类型：发明
国别省市：