[发明专利]一种基于YOLO网络的航海雷达溢油识别方法及系统

权利要求书

1.一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，包括以下步骤：

步骤一、获取包含溢油区域的小样本训练图像集；

步骤二、对所述小样本训练图像集进行预处理；

步骤三、将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；

步骤四、利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；

步骤五、利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。

2.根据权利要求1所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，所述预处理包括：将雷达图像从极坐标系变换为笛卡尔坐标系；采用拉普拉斯算子对坐标变换后的雷达图像进行卷积；采用Otsu阈值分割方法对卷积后的雷达图像进行分割；利用均值滤波方法对分割出的垂直噪声进行初步平滑；再采用灰度阈值和连续像元面积阈值方法对初步平滑后的雷达图像进行分割；再采用中值滤波方法对再次分割出的亮斑噪声进行二次平滑；对二次平滑后的雷达图像进行灰度矫正，并进行局部对比度增强，得到预处理图像。

3.根据权利要求1所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，步骤五中还包括：采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割，获得分割识别图像；将溢油识别结果中包含溢油区域的识别图像与分割识别图像进行求交运算，获得溢油初步分割图像；将得到的溢油初步分割图像取反，并删除块状小目标，获得笛卡尔坐标系下最终的油膜识别图像。

4.根据权利要求3所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，步骤五中采用Saulova阈值法和滑动窗口方式相结合对预处理后的待识别图像进行局部自适应图像分割，获得分割识别图像。

5.根据权利要求3所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，步骤五中采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割的分割阈值T为：

式中，m表示均值，s为标准差，k为用户自定义参数，R为标准差的动态范围。

6.根据权利要求3所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，所述方法还包括，在获得笛卡尔坐标系下最终的油膜识别图像后，将油膜识别图像转换至极坐标系下。

7.一种基于YOLO网络的航海雷达溢油识别系统，其特征在于，包括：

图像获取模块，其配置成获取包含溢油区域的小样本训练图像集；

预处理模块，其配置成对所述小样本训练图像集进行预处理；

图像扩充模块，其配置成将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；

模型训练模块，其配置成利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；

溢油识别模块，其配置成利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。

8.根据权利要求7所述的一种基于YOLO网络的航海雷达溢油识别系统，其特征在于，所述预处理包括：将雷达图像从极坐标系变换为笛卡尔坐标系；采用拉普拉斯算子对坐标变换后的雷达图像进行卷积；采用Otsu阈值分割方法对卷积后的雷达图像进行分割；利用均值滤波方法对分割出的垂直噪声进行初步平滑；再采用灰度阈值和连续像元面积阈值方法对初步平滑后的雷达图像进行分割；再采用中值滤波方法对再次分割出的亮斑噪声进行二次平滑；对二次平滑后的雷达图像进行灰度矫正，并进行局部对比度增强，得到预处理图像。