一种基于结构递归神经网络的海上油气平台检测方法技术

本发明专利技术公开了一种基于结构递归神经网络的海上油气平台检测方法，具体包含如下步骤；根据时空图像序列化结构特性，建立海上目标的结构递归神经网络模型；对建立的结构递归神经网络模型进行参数调优，进而建立海上目标的高阶时空特性模型；根据海上目标的高阶时空特性模型获取海上目标的高阶时空特性；根据海上目标的高阶时空特性构建双向循环卷积层，建立融合前后时相特征的双向循环卷积神经网络；通过双向循环卷积神经网络的并行化调优，实现单时相下海上运动目标的准确检测，深度学习可以获得目标特征能力更强，充分利用目标的时空特征，可以检测出复杂背景干扰下的目标，且算法通用性较强。

【技术实现步骤摘要】
一种基于结构递归神经网络的海上油气平台检测方法
本专利技术属于遥感图像目标识别领域，尤其涉及一种基于结构递归神经网络的遥感影像海上油气平台检测方法。
技术介绍
根据油气平台地理位置相对固定、夜间具有强光、尺度不变性等平台自身的特点实现检测。如李强等基于VIIRS数据具有强夜光探测能力而提出了一种卷积运算临界值法实现对海上油气平台的提取；ChengL.等采用双参数的CFAR检测海上目标，再根据固定目标的相对三角位置不变原理提取海上平台；万剑华等基于多景多时相TerraSAR-X影像，结合尤其平台位置相对不变性，对南海的部分区域提取了5处油气平台。YongxueLiu等采用Landsat陆地成像仪(OLI)的多光谱数据，根据上下文特征和位置、尺度的不变性检测海上油气平台。通过海上油气平台的废气燃耗的红外辐射特性来实现目标检测。大部分的海上油气平台通过放空火炬燃烧废气，通过在红外波段提取火点可以有效探测到这些海上平台。如Elvidge等人利用VIIRS的DNB波段数据结合热红外波段数据对海上的废气燃烧进行了有效的检测，证明了基于遥感影像检测平台废气燃烧方面的可行性。Casadio等通过ATSR(AlongTrackScanningRadiometer)的SWIR、MIR、TIR3个波段的传感器数据结合，对SAR图像检测目标进行辐射特征进行有效提取；Anejionu等通过Landsat和MODIS的卫星数据，采用辐射滤波和空间滤波检测燃烧天然气的海上平台。上述基于遥感影像尺度不变性、位置不变性或者尤其平台的红外辐射特性进行海上油气平台检测的方法，都存在很大的局限性。光学影像一般重访周期长、覆盖范围小、易受天气影像；SAR影像对海上油气平台红外辐射特性或高亮度进行检测时，存在油气平台不放空火炬或没有高亮度照明的情况，造成检测虚警率偏高。以上常用方法都是先对单一时相的图像进行目标检测，没有充分利用影像目标的高阶时空特性。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于结构递归神经网络的遥感影像海上油气平台检测方法，解决了从海量遥感图像数据中检测海上油气平台时目标检测准确率低、运算量大的问题。本专利技术为解决上述技术问题采用以下技术方案：一种基于结构递归神经网络的海上油气平台检测方法，具体包含如下步骤；步骤1，根据时空图像序列化结构特性，建立海上目标的结构递归神经网络模型；步骤2，对步骤1建立的结构递归神经网络模型进行参数调优，进而建立海上目标的高阶时空特性模型；步骤3，根据海上目标的高阶时空特性模型获取海上目标的高阶时空特性；步骤4，根据海上目标的高阶时空特性构建双向循环卷积层，建立融合前后时相特征的双向循环卷积神经网络；步骤5，通过双向循环卷积神经网络的并行化调优，实现单时相下海上运动目标的准确检测。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，在步骤1中，根据时空图像序列化结构特性建立海上目标的结构递归神经网络模型。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，在步骤3中，根据海上目标的高阶时空特性模型获取海上目标的高阶时空特性。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，在步骤4中，根据海上目标的高阶时空特性构建双向循环卷积层，建立融合前后时相特征的双向循环卷积神经网络。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，在步骤5中，通过双向循环卷积神经网络的并行化调优，实现单时相下海上运动目标的准确检测。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，所述步骤1具体包含如下步骤：步骤1.1，选取油气平台可视觉辨识的一定数量的不同分辨率、多视点下的多时相光学遥感图像，进而获取图像集A1；步骤1.2，对步骤1.1中得到的图像集A1进行人工标定，标记平台目标和干扰目标，进而获得标记遥感目标图像集A2；步骤1.3，对遥感影像集A1进行基础影像预处理，获取目标显著性图像集A3；步骤1.4，在图像集A3的基础上，依据油气平台与周围环境的空间位置关系以及时序方向上的特性分布，建立递归神经网络模型。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，所述步骤2具体包含如下步骤：步骤2.1，建立时空连边以及时间连边，其中，时空连边连接同一时相遥感图像中的两个海上运动目标，时间连边连接不同时相遥感图像中的同一海上运动目标；步骤2.2，将高阶时空特性模型按照时序展开，构造其对应的高阶时空特性子模型，对高阶时空特性子模型中同一类别的海上运动目标和时间连边进行共享参数的学习；步骤2.3，根据网络结构中的递归结构神经网络节点因子学习目标自身的表达。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，在步骤4中，双向循环卷积神经网络卷基层的输出节点可表示为：其中：分别表示当前和上一层的特征图，表示从上一层第m个特征图到当前层第n个特征图额卷积核，为神经元偏置，f(·)为信号；双向循环卷积神经网络子采样层节点输出可表示为：式中，s×s是子采样模板尺度，为模板权值。作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，双向循环卷积神经网络全连接输出层的结果可表示为：作为本专利技术一种基于结构递归神经网络的海上油气平台检测方法的进一步优选方案，双向循环卷积神经网络的运算过程如下所示:其中，f和g为激活函数，和和分别代表前向隐藏层和后向隐藏层每个隐藏层有着各自一套权重矩阵，为输入层到隐藏层的突触权重矩阵，为前一时刻隐藏层到此时的隐藏层的突触权重矩阵，为隐藏层到输出层之间的突触权重矩阵。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1、对光学、SAR、红外等多源多分辨率影像数据均可进行检测，对数据来源具有普适性；2、基于神经网络模型模型训练的检测方法，检测率准确率高，可以达到常视觉检测算法所不能企及的高精度；3、深度学习可以获得目标特征能力更强，充分利用目标的时空特征，可以检测出复杂背景干扰下的目标，且算法通用性较强；4、选取图像训练集A1并标定目标图像集和干扰图像集A2，对图像训练集A1进行基础影像预处理，在此基础上依据油气平台与周围环境的空间位置关系以及时序方向上的特性分布，建立递归神经网络模型；5、建立时空连边以及时间连边，构建高阶时空特性模型，并将该模型按照时序展开，构造其对应的高阶时空特性子模型，对高阶时空特性子模型中同一类别的海上运动目标和时间连边进行共享参数的学习，根据网络结构中的递归结构神经网络节点因子学习目标自身的表达；6、根据海上目标的高阶时空特性模型获取海上目标的高阶时空特性；7、根据海上目标的高阶时空特性构建双向循环卷积层，建立融合前后时相特征的双向循环卷积神经网络；8、通过双向循环卷积神经网络的并行化调优，实现单时相下海上运动目标的准确检测。附图说明图1是海上油气平台检测方法框图；图2是结构递归神经网络的高阶时空特性模型图；图3是双向循环卷积神经网络的结构图；图4是多节点多线程模型训练框架图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：第一部分：实施例一：下面结合附图对本专利技术作进一步说明。图1本文档来自技高网...

【技术保护点】
一种基于结构递归神经网络的海上油气平台检测方法，其特征在于：具体包含如下步骤；步骤1，建立海上目标的结构递归神经网络模型；步骤2，对步骤1建立的结构递归神经网络模型进行参数调优，进而建立海上目标的高阶时空特性模型；步骤3，获取海上目标的高阶时空特性；步骤4，建立融合前后时相特征的双向循环卷积神经网络；步骤5，实现单时相下海上运动目标的准确检测。

【技术特征摘要】
1.一种基于结构递归神经网络的海上油气平台检测方法，其特征在于：具体包含如下步骤；步骤1，建立海上目标的结构递归神经网络模型；步骤2，对步骤1建立的结构递归神经网络模型进行参数调优，进而建立海上目标的高阶时空特性模型；步骤3，获取海上目标的高阶时空特性；步骤4，建立融合前后时相特征的双向循环卷积神经网络；步骤5，实现单时相下海上运动目标的准确检测。2.根据权利要求1所述的一种基于结构递归神经网络的海上油气平台检测方法，其特征在于：在步骤1中，根据时空图像序列化结构特性建立海上目标的结构递归神经网络模型。3.根据权利要求1所述的一种基于结构递归神经网络的海上油气平台检测方法，其特征在于：在步骤3中，根据海上目标的高阶时空特性模型获取海上目标的高阶时空特性。4.根据权利要求1所述的一种基于结构递归神经网络的海上油气平台检测方法，其特征在于：在步骤4中，根据海上目标的高阶时空特性构建双向循环卷积层，建立融合前后时相特征的双向循环卷积神经网络。5.根据权利要求1所述的一种基于结构递归神经网络的海上油气平台检测方法，其特征在于：在步骤5中，通过双向循环卷积神经网络的并行化调优，实现单时相下海上运动目标的准确检测。6.根据权利要求1所述的一种基于结构递归神经网络的海上油气平台检测方法，其特征在于：所述步骤1具体包含如下步骤：步骤1.1，选取油气平台可视觉辨识的一定数量的不同分辨率、多视点下的多时相光学遥感图像，进而获取图像集A1；步骤1.2，对步骤1.1中得到的图像集A1进行人工标定，标记平台目标和干扰目标，进而获得标记遥感目标图像集A2；步骤1.3，对遥感影像集A1进行基础影像预处理，获取目标显著性图像...

【专利技术属性】
技术研发人员：付琨，段贺，彭晨，乔雪，陶家顺，陈星，刘久云，华绿绿，
申请(专利权)人：中国科学院电子学研究所苏州研究院，
类型：发明
国别省市：江苏,32