【技术实现步骤摘要】
利用机器学习对钻井平台监控画面进行去水雾的方法
本专利技术属于特定行业的图像处理和机器学习结合的领域,特别是一种利用机器学习对钻井平台监控画面进行去水雾的方法。
技术介绍
油气勘探过程中,在钻井平台上部署视频监控设备时,因平台底部水蒸气蒸腾产生的雾气对摄像头采集的图像有较大的干扰,甚至无法识别的情况等问题,严重影响了监测。在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解,因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
技术实现思路
针对现有技术中存在的问题,本专利技术提出一种利用机器学习对钻井平台监控画面进行去水雾的方法,解决了现有缺陷,通过视频中的连续帧去除图像中的平台雾气影响,复原高质量清晰图像的计算机视觉算法。本方法无需对大气参数进行建模,以端到端的方式,通过分析视频内的上下文信息直接输出复原后的图像,更符合实际运用的钻井平台场景,鲁棒性更高。本专利技术的目的是通过以下技术方案予以实现:一种利用机器学习对钻井平台监控画面进行去水雾的方法,包括以下步骤:S100:通过摄像头按照预定帧率采集钻井平台的视频样本,对视频样本进行抽帧,所述视频样本包括含雾气的视频以及无雾气视频;S200:从含雾气的视频中取连续的8帧图片,组合成视频帧序列X,X={xi,xi+1,…,xi+7},从无雾气视频中选取与视频帧序列X中的任一图像相似的一帧实际图片x’作为目标图片,并将x’与视频帧序列X组成训练集Xtrain={X,x’};< ...
【技术保护点】
1.利用机器学习对钻井平台监控画面进行去水雾的方法,其特征在于,所述方法包括以下步骤:/nS100:通过摄像头按照预定帧率采集钻井平台的视频样本,对视频样本进行抽帧,所述视频样本包括含雾气的视频以及无雾气视频;/nS200:从含雾气的视频中取连续的8帧图片,组合成视频帧序列X,X={x
【技术特征摘要】
1.利用机器学习对钻井平台监控画面进行去水雾的方法,其特征在于,所述方法包括以下步骤:
S100:通过摄像头按照预定帧率采集钻井平台的视频样本,对视频样本进行抽帧,所述视频样本包括含雾气的视频以及无雾气视频;
S200:从含雾气的视频中取连续的8帧图片,组合成视频帧序列X,X={xi,xi+1,…,xi+7},从无雾气视频中选取与视频帧序列X中的任一图像相似的一帧实际图片x’作为目标图片,并将x’与视频帧序列X组成训练集Xtrain={X,x’};
S300:将准备好的训练集Xtrain分为A、B两部分,其中A部分占训练集的30%,剩余的部分为B部分,以此训练模型model={Gmodel,Dmodel},其中Gmodel为生成式模型,Dmodel为判别式模型;其中,训练分为2个阶段,训练集的A、B两部分分别用作2个阶段中Gmodel的输入;
S400:模型model训练完毕后,利用模型model中的生成式模型Gmodel对钻井平台的基于视频连续帧的图像去水雾。
2.根据权利要求1所述的方法,其特征在于,预定帧为25帧的帧率。
3.根据权利要求1所述的方法,其特征在于,步骤S300包括:
训练的第1阶段:
1)将训练集的A部分输入到Gmodel,获取Gmodel输出的复原图片y’;
2)计算y’与x’的均方误差loss:
其中,xj’、yj’分别为x’、y’的像素值,n为像素个数,j从0取值到n;
3)若loss不小于设定的第一阈值,则对loss求导计算梯度,并反向传播梯度到Gmodel,以更新模型中的参数,直至loss小于所述设定的第一阈值;
若loss小于第一阈值,则进入训练的第2阶段;
训练的第2阶段:
1)将训练集的B部分输入到Gmodel,获取Gmodel输出的复原图片y’;
2)将y’与x’分别输入到判别模型Dmodel获取两个判别概率df和dr,同时通过下式求取最大化值:
max(log(df)+log(1-dr)),
并以所述最大化值更新Dmodel的参数,当两个判别概率df、dr的值趋近于0.5时停止更新;
3)获取Dmodel计算判别概率时的中间特征,以计算感知误差Ploss:
其中,vf、vr...
【专利技术属性】
技术研发人员:刘云川,郑光胜,郑侃,蒋俊之,黄进凯,杨正川,
申请(专利权)人:四川泓宝润业工程技术有限公司,重庆庆云石油工程技术有限责任公司,北京宝隆泓瑞科技有限公司,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。