[发明专利]一种舰船目标综合识别方法、介质和系统

说明书

本发明公开了一种舰船目标综合识别方法，包括：分别采集并预处理舰船红外视频数据、侧扫声呐图像数据、舰船辐射噪声数据；对舰船红外视频数据集、侧扫声呐图像数据集、舰船辐射噪声数据集分别构建适合数据的异构学习模型并进行训练，获取对应的三组不同网络的分类结果；根据测试数据的变化同步更新网络参数，提高模型匹配度，提升各个识别模型的准确率；对三组异构数据的识别结果放入更新后投票决策理论算法中，融合三组舰船目标数据的识别结果，得到最终的舰船目标综合识别结果。本发明规避了单一目标特征识别准确率低的影响，结合训练模型和决策算法能够有效提升识别精准度，高效地识别海面舰船目标，具有切实可行的实用价值和应用前景。

技术领域

本发明涉及舰船目标识别领域，尤其涉及一种舰船目标综合识别方法、介质和系统。

背景技术

近年来，随着国家海洋经济的迅速发展，对海面舰船目标的识别工作需求日益激增。利用视频识别技术可以有效识别海面目标船只的类型和舷号；利用红外视频识别结束可以识别舰船发动机热量信息，从而区分船只；利用图像声呐技术可以识别船在水下目标的运动情况，以及监测水下运动的安全状况；利用辐射噪声识别技术可以区分水中船只的类型和舷号，利用不同的识别结束可以对不同信号源的数据进行识别，但是识别的结果根据环境的不同也会产生千差万别的变化。

当前海面和水下的目标识别通常利用单一的辐射噪声数据源获取数据，这种方法识别效率较低，但由于其稳定的识别效果，也常被用于舰船目标的识别工作。而视频技术和图像声呐技术的迅猛发展，利用人工智能替代人工进行识别的技术，使得当前舰船目标识别技术朝着多元化方向前进。

因此，选择合适的识别技术至关重要，若有一种方法能将各种识别技术取长补短，提取不同识别技术的优点，融合不同识别技术就显得尤为重要。

发明内容

发明目的：针对现有舰船目标单一特征识别技术的不足，提供一种高效准确的舰船目标综合识别系统、介质和方法。

技术方案：一种舰船目标综合识别方法，包括：

步骤1：分别采集并预处理舰船红外视频数据、侧扫声呐图像数据、舰船辐射噪声数据；

步骤2：对舰船红外视频数据集、侧扫声呐图像数据集、舰船辐射噪声数据集分别构建适合数据的异构学习模型并进行训练，获取对应的三组分类结果，根据测试数据的变化同步更新网络参数，提高模型匹配度，提升各个识别模型的准确率；

步骤3：对三组异构数据的识别结果放入更新后投票决策理论算法中，融合三组舰船目标数据的识别结果，得到最终的舰船目标综合识别结果。

进一步地，侧扫声呐图像的部分数据通过生成对抗网络模型生成。

进一步地，步骤2中，选取RBF网络结构，利用舰船红外视频数据集进行训练，得到其舰船目标识别结果；选取GAN网络结构，利用侧扫声呐图像数据集进行训练，得到其舰船目标识别结果；选取半监督学习模型，利用舰船辐射噪声数据集进行训练，得到其舰船目标识别结果。

进一步地，步骤2中，采用模型进行训练的步骤包括：

根据舰船红外视频数据集、侧扫声呐图像数据集、舰船辐射噪声数据集的测试结果分别调整对应的RBF网络模型、GAN网络模型、半监督学习模型的网络参数；经过初始化学习模型得到的初始识别结果作为训练集重复迭代进行训练，调整网络参数，增加训练的数据量，提升单个网络模型的识别准确率；将舰船红外视频数据集、侧扫声呐图像数据集、舰船辐射噪声数据集对应代入RBF网络模型、GAN网络模型、半监督学习模型，获得对应的三组分类结果的准确率；利用测试集评价不同网络的分类性能，调整网络参数，直到识别网络参数适合当前数据集。

进一步地，分别选取数据集的80％做训练集、20％做测试集。