[发明专利]一种图像超分辨重建模型训练方法、船只跟踪方法及装置

说明书

本发明公开了一种图像超分辨重建模型训练方法、船只跟踪方法及装置，该图像超分辨重建模型训练方法包括：获取船只图像训练样本，船只图像训练样本为高分辨率训练样本；根据高分辨率训练样本得到低分辨率训练样本；根据低分辨率稀疏表达算法将低分辨率训练样本进行稀疏表达分解，得到低分辨率稀疏训练样本；将低分辨率稀疏表达算法映射到高分辨率上，得到高分辨率稀疏表达算法；根据高分辨率稀疏表达算法将高分辨率训练样本进行稀疏表达分解，得到高分辨率稀疏训练样本；根据低分辨率稀疏训练样本和高分辨率稀疏训练样本对稀疏域深度学习网络模型进行训练，得到图像超分辨重建模型。通过实施本发明，实现高分辨率图像重建精度的提升。

技术领域

本发明涉及计算机视觉领域，具体涉及一种图像超分辨重建模型训练方法、船只跟踪方法及装置。

背景技术

船只作为一种重要的交通运输工具，在生产生活中具有重要作用，为了保证船只的安全，对船只的监控跟踪必不可少。相关技术中，利用视频卫星对船只进行跟踪，但是视频卫星固有的低分辨率成像特性以及为适应信道传输能力而采取的高倍率压缩方法使得传统的基于多帧融合的视频超分辨率技术难以恢复足够的细节信息，得到的船只图像模糊，对船只识别准确率低。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的船只识别准确率低的缺陷，从而提供一种图像超分辨重建模型训练方法、船只跟踪方法及装置。

根据第一方面，本发明实施例公开了一种图像超分辨重建模型训练方法，应用于船只图像识别，包括：获取船只图像训练样本，所述船只图像训练样本为高分辨率训练样本；根据所述高分辨率训练样本得到低分辨率训练样本；根据低分辨率稀疏表达算法将所述低分辨率训练样本进行稀疏表达分解，得到低分辨率稀疏训练样本；将所述低分辨率稀疏表达算法映射到所述高分辨率上，得到高分辨率稀疏表达算法；根据所述高分辨率稀疏表达算法将所述高分辨率训练样本进行稀疏表达分解，得到高分辨率稀疏训练样本；根据所述低分辨率稀疏训练样本和高分辨率稀疏训练样本对稀疏域深度学习网络模型进行训练，得到图像超分辨重建模型。

结合第一方面，在第一方面第一实施方式中，在所述根据所述高分辨率训练样本得到低分辨率训练样本之后，所述方法还包括：根据超像素分割对所述高分辨率训练样本和所述低分辨率样本进行分割。

结合第一方面，在第一方面第二实施方式中，所述方法还包括：在训练过程中，根据如下公式迭代更新所述图像超分辨重建模型：

其中，PSNR表示高分辨率稀疏训练样本和训练得到的图像的相似度，n表示每个像素的比特数，MSE表示高分辨率稀疏训练样本和训练得到的图像的均方差。

结合第一方面第二实施方式，在第一方面第三实施方式中，所述方法还包括：获取船只图像测试样本，所述船只图像测试样本为高分辨率测试样本；根据所述高分辨率测试样本得到低分辨率测试样本；根据所述低分辨率测试样本及所述图像超分辨重建模型得到测试结果；当所述测试结果满足预设条件时，将所述图像超分辨重建模型确定为可用的图像超分辨重建模型。

根据第二方面，本发明实施例还公开了一种船只跟踪方法，包括如下步骤：获取视频卫星采集的视频图像；将所述视频图像输入至图像超分辨重建模型，得到船只检测图像；所述图像超分辨重建模型是通过如第一方面或第一方面任一实施方式所述的图像超分辨重建模型训练方法训练生成的；将所述船只检测图像利用目标算法进行关联，得到所述船只的运行轨迹。

结合第二方面，在第二方面第一实施方式中，在所述获取视频卫星采集的视频图像之后、将所述视频图像输入至图像超分辨重建模型之前，还包括：对所述视频图像进行图像增强及去噪处理。