[发明专利]SAR图像溢油检测方法

权利要求书

1.一种SAR图像溢油检测方法，其特征在于，包括如下步骤：

步骤1、选取现有溢油检测数据库存中的图片作为训练集；

步骤2、对步骤1选取的训练集进行预处理，即对训练集进行随机裁剪与拼接；

步骤3、用小波阈值变换对经过步骤2得到的训练集进行去噪；

步骤4、搭建基于协调注意力机制的特征融合U-Net模型，随机各选取步骤2和步骤3得到的50％训练集图片作为网络模型的输入，进行全局特征提取与融合；

步骤5、使用残差模块，并在部分残差块后增加挤压和激励模块，使模型自主学习各个通道的权重系数；

步骤6、在跳跃连接处嵌入协调注意力机制模块，消除冗余的信息；

步骤7、带有空洞卷积的空间金字塔结构作为底层网络，增大感受野的同时，提取更加广泛的特征信息；

步骤8、将选取好的测试集输入到训练好的基于协调注意力机制的特征融合U-Net模型中进行测试，得到网络的分割结果。

2.根据权利要求1所述的SAR图像溢油检测方法，其特征在于，所述步骤1的具体流程为：从欧洲航天局溢油检测数据集中选取750幅图片作为训练集，250幅作为测试集，再随机选取90％的训练集用于实验训练，10％的训练集用于实验验证。

3.根据权利要求2所述的SAR图像溢油检测方法，其特征在于，所述步骤2的具体流程为：对步骤1选取的训练集进行预处理，即对训练集进行随机裁剪与拼接：原始SAR图像格式为1250×650，将预处理后的数据集图片大小重塑成256×256，特征通道数为3；具体数据增强操作包括随机裁剪出来的图片大小是原来图片大小的0.2倍到0.4倍之间，裁剪长宽比为1：2，再将裁剪出来的图片两两拼接，并重塑成256×256×3格式。

4.根据权利要求3所述的SAR图像溢油检测方法，其特征在于，所述步骤3提出的小波阈值函数引入变量，使得函数整体连续可导，在阈值处相对平滑，所述的小波阈值函数如下：

其中，m和k是变量，m∈[0，1]，k为正整数。

5.根据权利要求4所述的SAR图像溢油检测方法，其特征在于，所述步骤4的具体流程如下：

4.1、基于协调注意力机制特征融合U-Net模型采用17个卷积层，4个下采样层，4个上采样层以及4个裁剪和复制层，输入图像的格式为256×256×3，卷积层两两构成一个残差块，每个卷积层采用3×3大小的卷积核，激活函数为swish，采用全零填充，挤压激励模块被放置于残差块后用来提升模型对特征的辨别力，下采样层采用最大池化的方法，抽样的窗口大小为2×2，步长为2，带有空洞卷积的金字塔结构置于网络底层，增大感受野，上采样层采用反置卷积，卷积核大小为3×3，步长为2，使用全零填充，协调注意力模块嵌入跳跃连接中，消除冗余的特征，最后，一个1×1的卷积层对图像进行降维，输出分割结果；

4.2、随机各选取步骤2和步骤3所得到的50％训练集图像作为网络的输入，即将去噪后图像的高维特征和原始图像的高维特征进行融合。