[发明专利]一种基于深度神经网络的海面油膜检测方法及装置

权利要求书

1.一种基于深度神经网络的海面油膜检测方法，其特征在于，包括：

对待检测SAR图像进行增强处理，得到增强SAR图像；

将所述增强SAR图像拆分为若干个Batch子图像；

利用预先构建的Unet++网络模型对所述子图像进行检测，得到海面油膜的检测信息。

2.根据权利要求1所述的方法，其特征在于，

所述预先构建的Unet++网络模型的Unet++网络为四层结构，所述Unet++网络每一次下采样之后都进行上采样；

和/或，

所述预先构建的Unet++网络模型通过至少两组样本集训练得到，每一组样本集中包括作为输入的所述子图像以及作为输出的海面油膜的检测信息；其中，所述检测信息包括油膜区域和/或海水区域。

3.根据权利要求1所述的方法，其特征在于，所述对待检测SAR图像进行增强处理，得到增强SAR图像，包括：

判断所述待检测SAR图像的质量是否达到预设质量标准；

若否，则对所述SAR图像进行降噪处理，得到第一SAR图像；

判断所述第一SAR图像的尺寸是否位于预设图像尺寸范围内；

若否，则对所述第一SAR图像进行上采样或下采样处理，得到所述增强SAR图像。

4.根据权利要求1所述的方法，其特征在于，在所述利用预先构建的Unet++网络模型对所述子图像进行检测之前，还包括：将所述若干个Batch子图像加载至内存中。

5.根据权利要求1所述的方法，其特征在于，所述预先构建的Unet++网络模型的构建包括：

根据历史SAR图像对Unet++网络对训练，得到初始模型；

根据所述检测信息和所述历史SAR图像中的实际油膜区域和海水区域，对所述初始模型进行优化，得到所述Unet++网络模型。

6.根据权利要求5所述的方法，其特征在于，所述根据历史SAR图像对Unet++网络对训练，包括：

将对应历史SAR图像的若干Batch子图像进行张量化处理，得到张量化图像；

利用前馈网络对所述张量化图像进行运算，得到特征信息；

通过分类函数对所述特征信息进行非线性分类，得到检测类别信息；其中，所述检测类别信息包括油膜区域和/或海水区域；

根据所述检测类别信息对所述历史SAR图像进行边界区域划分，得到所述检测信息。

7.根据权利要求1至6中任一所述的方法，其特征在于，在所述得到海面油膜的检测信息之后，还包括：

将所述检测信息转换为标记有油膜区域和/或海水区域的目标图像。

8.一种基于深度神经网络的海面油膜检测装置，其特征在于，包括：

增强处理模块，用于对待检测SAR图像进行增强处理，得到增强SAR图像；

拆分模块，用于将所述增强SAR图像拆分为若干个Batch子图像；

检测模块，用于利用预先构建的Unet++网络模型对所述子图像进行检测，得到海面油膜的检测信息。

9.一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7中任一项所述的方法。