[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

说明书

本发明提供了一种基于深度神经网络的海面油膜检测方法及装置，该方法包括：对待检测SAR图像进行增强处理，得到增强SAR图像；将增强SAR图像拆分为若干个Batch子图像；利用预先构建的Unet++网络模型对子图像进行检测，得到海面油膜的检测信息。本方案提供的基于深度神经网络的海面油膜检测方法提高了海面油膜的检测精度。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于深度神经网络的海面油膜检测方法及装置。

背景技术

随着石油资源的不断开发利用，接踵而来的海洋水体油污染问题日趋严重，在各种海洋污染中，石油污染无论在发生频率、分布广度，还是在危害程度上均居首位，己对人们的生产生活造成严重危害。因此，及时获取海洋表面油膜信息，可保护海洋环境，降低打捞成本，对全球生态环境具有重要意义。

目前国内外的海洋溢油油膜检测技术基本都是基于遥感的方式，对合成孔径雷达(SAR)数据进行分析研究，总结溢油油膜的主要特征，并使用传统的图像处理技术与数学理论结合的方式进行检测分类。一般首先使用遥感卫星对海面监控生成SAR图像数据，然后对SAR数据图像进行一系列的数据分析和处理，挖掘到海面油膜的特征，学习这些特征之后形成检测系统，用以对海面生成的油膜进行检测识别。然而这基本都是基于专家经验，由人工通过各种传统分析实现特征挖掘、以及获取检测油膜的检测模型，很大概率会丢失部分隐形特征，导致构建的检测模型与真实模型存在差距，导致检测精度较低。

发明内容

本发明提供了一种基于深度神经网络的海面油膜检测方法及装置，该方法提高了海面油膜的检测精度。

第一方面，本发明实施例提供了一种基于深度神经网络的海面油膜检测方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；