一种基于图像的海上目标识别方法技术

本发明专利技术公开了一种基于图像的海上目标识别方法，海上目标的图像识别方法作为雷达探测之外的海上信息重要补充，其能在各种环境海域发挥巨大作用，对于制海权有着重要的意义。本发明专利技术提出了一种基于图像的海上目标识别方法，方法的步骤包括：A，基于预设的图像清晰度转换模块统一输入图片的清晰度；B，基于预设的海上目标识别模型以识别高清晰度图片。相较于传统目标识别网络，本发明专利技术构建了一个图像清晰度转换模块，将原始的混合清晰度空间中的图片动态的转换至高清晰度空间中去，并以此为基础使用基于SSD算法的目标识别网络进行海上目标识别，识别方法具备较高的可靠性、稳定性和准确性。性。性。

【技术实现步骤摘要】
一种基于图像的海上目标识别方法


[0001]本专利技术设计海上目标识别领域，特别是一种基于图像的海上目标识别方法。

技术介绍

[0002]近年来，我国海军舰艇“下饺子”型的新舰下水，极大地增强了对海洋主权的保护能力。海上目标检测能力是海上舰艇的“千里眼”和“顺风耳”，只有能在海上检测并识别敌我目标，我国海军才能成为召之即来，来之能战，战之能胜的精兵劲旅。
[0003]海上目标识别的目的是能在海面上对敌我双方的目标进行检测并识别。目前传统的海上目标识别方法是使用舰艇自带的雷达进行探测扫描，然而随着科学技术的方法，各种采用隐形涂料的舰艇层出不穷，雷达的探测越来越受到限制。作为雷达探测的补充方法，采用图像等方法的海上目标识别越来越成为了现代海洋战争的重要信息获取手段。
[0004]现有的海上目标识别主要使用一个目标识别网络来对图片进行检测和识别，然而以Faster
‑
RCNN为代表的两阶段检测模型需要先生成备选框再对分别对其进行识别和检测，其计算速度较慢，不利于现实应用。此外，在海洋图片中，卫星图片和摄像头图片往往容易受到大雾天气、运动模糊、摄像头镜头污染等问题的困扰而造成拍摄结果的模糊，给目标识别造成极大的干扰，影响目标识别准确率。

技术实现思路

[0005]本专利技术解决了传统海上舰艇识别中容易受低清晰度困扰的问题，并采用SSD(Single Shot MultiBox Detector，单次多框探测器)算法对高清晰化之后的图像进行检测并识别，利用SSD算法中的先验框，一次即可检测并识别多个目标，并且对超参数进行了针对应用场景的微调，提出了一种基于图像的海上目标识别方法。
[0006]为了实现上述专利技术目的，本专利技术提供了以下技术方案：+
[0007]一种基于图像的海上目标识别方法，包括以下步骤：
[0008]A，基于预设的图片清晰度转换模型，对原始图像进行高清晰化处理，并统一为固定分辨率的图形；
[0009]B，基于预设的海上目标识别模型，识别出图像中是否存在对应的目标，海上目标识别模型基于SSD算法对图像中的目标进行识别；
[0010]步骤A包括以下步骤：
[0011]S11，将原始的图片进行下采样以获得半分辨的粗略图像；
[0012]S12，将粗略图像送入第一阶段的生成网络中以获得生成的整体图像；
[0013]S13，将整体图像进行反卷积并在通道上拼接至原始图像以获得六通道的输入图片；
[0014]S14，将六通道图片送入第二阶段的生成网络中以获得高清晰度的生成图片。
[0015]作为本专利技术的优选方案，图片清晰度转换模型是通过高清晰度海上目标图片对清晰度转换模型进行训练得到的，所提出的清晰度转换模型的参数设置包括：
[0016]第一阶段的输出图片大小为250
×
250像素，第二阶段的输出图片大小为500
×
500像素。
[0017]采用的两阶段的转换模型均由生成器和判别器构成，其中生成器采用了改进版的ResNet生成，并去除了BN层和CONV层后的激活函数模块。
[0018]作为本专利技术的优选方案，图片清晰度转换模型的训练包括以下步骤：
[0019]第一步，将原先的高清晰度图片模型，通过下采样方法方法得到250
×
250像素的粗糙图片；
[0020]第二步，对第一步得到的下采样图片，采用双线性插值方法得到还原后的500
×
500像素的低清晰度图片；
[0021]第三步，将生成的250
×
250像素的粗糙图片送入第一阶段模型中，并输出生成的250
×
250像素的近似图片；
[0022]第四步，将生成的250
×
250像素的近似图片通过反卷积方法得到500
×
500像素的反卷积图片；
[0023]第五步，将生成的反卷积图片和还原的低清晰度图片通道上拼接，并输入到第二阶段模型中，并输出最终的500
×
500像素的高清晰度图片。
[0024]作为本专利技术的优选方案，海上目标识别模型是通过对SSD网络进行训练得到的，并对SSD网络的超参数进行了设置，设置包括：
[0025]输出层节点个数设置为类别个数，类别个数为5，包括阿利
·
伯克级驱逐舰、黄蜂级两栖攻击舰、尼米兹级航空母舰、自由级濒海战斗舰和提康德罗加级巡洋舰五个类别；
[0026]各特征图的先验框尺度分别为30、60、111、162、213、264，长宽比尺度选取为1、2、3、1/2、1/3。
[0027]IOU的计算阈值取0.5，正样本和负样本在训练中的比值取1:3。
[0028]设置初始学习率为0.0001，分别在第40000/70000/100000/120000步下降学习率，下降因子设置为0.8，最大迭代次数设置为120000步，每个批次的大小为16张图片。
[0029]作为本专利技术的优选方案，海上目标识别模型的训练包括以下步骤：
[0030]第一步，对高清晰度图片进行卷积特征提取；
[0031]第二步，边界值预测；
[0032]第三步，类别预测，输出识别概率。
[0033]基于相同的构思，还提出了一种基于图像的海上目标识别方法，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项的方法。
[0034]与现有技术相比，本专利技术的有益效果：
[0035]本专利技术提出的一种基于图像的海上目标识别方法，该方法首先利用清晰度转换模型对所采集的原始低清模糊图片进行转换并生成高清晰度的海上目标图片，随后再使用海上目标识别模型对图像中的舰艇目标进行识别，由于两者都是通过大量的图片预先训练得到，因此在实时识别时，准确率较高。
附图说明
[0036]图1为本专利技术实施例1中一种基于图像的海上目标识别方法的流程图；
[0037]图2为本专利技术实施例1中检测海上目标的图像识别算法示意图；
[0038]图3为本专利技术实施例1中海上目标图片清晰度转换算法示意图；
[0039]图4为本专利技术实施例1中根据训练集得到海上目标的图像识别算法的流程示意图。
具体实施方式
[0040]下面结合试验例及具体实施方式对本专利技术作进一步的详细描述。但不应将此理解为本专利技术上述主题的范围仅限于以下的实施例，凡基于本
技术实现思路
所实现的技术均属于本专利技术的范围。
[0041]实施例1
[0042]一种基于图像的海上目标识别方法的流程图如图1所示，该方法的步骤包括：
[0043]A，基于预设的图片清晰度转换模型，对原始图像进行高清晰化处理，并统一为固定分辨率的图形；
[0044]B，基于预设的海上目标识别模型，识别出图像中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的海上目标识别方法，其特征在于，包括以下步骤：A，基于预设的图片清晰度转换模型，对原始图像进行高清晰化处理，并统一为固定分辨率的图形；B，基于预设的海上目标识别模型，识别出图像中是否存在对应的目标，海上目标识别模型基于SSD算法对图像中的目标进行识别；步骤A包括以下步骤：S11，将原始的图片进行下采样以获得半分辨的粗略图像；S12，将粗略图像送入第一阶段的生成网络中以获得生成的整体图像；S13，将整体图像进行反卷积并在通道上拼接至原始图像以获得六通道的输入图片；S14，将六通道图片送入第二阶段的生成网络中以获得高清晰度的生成图片。2.如权利要求1所述的一种基于图像的海上目标识别方法，其特征在于，所述的图片清晰度转换模型是通过高清晰度海上目标图片对清晰度转换模型进行训练得到的，所提出的清晰度转换模型的参数设置包括：第一阶段的输出图片大小为250
×
250像素，第二阶段的输出图片大小为500
×
500像素。采用的两阶段的转换模型均由生成器和判别器构成，其中生成器采用了改进版的ResNet生成，并去除了BN层和CONV层后的激活函数模块。3.如权利要求2所述的一种基于图像的海上目标识别方法，其特征在于，所述的图片清晰度转换模型的训练包括以下步骤：第一步，将原先的高清晰度图片模型，通过下采样方法方法得到250
×
250像素的粗糙图片；第二步，对第一步得到的下采样图片，采用双线性插值方法得到还原后的500
×
500像素的低清晰度图片；第三步，将生成...

【专利技术属性】
技术研发人员：夏利民，朱佳辉，
申请(专利权)人：中南大学，
类型：发明
国别省市：