一种基于特征融合的深度学习SAR影像溢油区识别方法技术

本发明专利技术公开了一种基于特征融合的深度学习SAR影像溢油区识别方法，包括：利用ToZero阈值分割方法进行全局特征提取；将全局特征与源数据进行融合；利用卷积神经网络对融合的数据进行高维特征提取，并记录池化过程中最大值的位置；反卷积利用记录的最大值位置特征将高维小尺寸特征恢复到原图像尺寸；获得图像分割的结果。本发明专利技术的方法提高了原模型分割准确率并且降低了过拟合现象，提供了一种新型的提高模型识别精度的方法。型识别精度的方法。型识别精度的方法。

【技术实现步骤摘要】
一种基于特征融合的深度学习SAR影像溢油区识别方法


[0001]本专利技术涉及图像分割
，特别涉及一种基于Tozero阈值分割与UNet深度学习两种算法融合的海洋溢油自动监测方法。

技术介绍

[0002]海洋以后问题近些年来越来越严重，随着海洋石油的进一步开采和海洋原油运输量持续增加，海洋生态环境的破坏也愈发严重。对海洋溢油的监测是及时控制溢油污染扩散，减少海洋溢油带来的经济损失和环境污染的有效方法。
[0003]主要有两类对溢油区识别的方式，一种是人工提取方式，另一种是自动提取方法。利用深度学习模型自动且准确地识别海洋溢油成为近些年来的研究热点，一些基于深度学习的语义分割模型，例如UNet、SegNet等，在这个领域已经有了较为广泛的应用，但是识别有效性不足，且模型会出现过拟合问题。

技术实现思路

[0004]本专利技术针对现有技术的缺陷，提供了一种基于特征融合的深度学习SAR影像溢油区的识别方法。
[0005]为了实现以上专利技术目的，本专利技术采取的技术方案如下：
[0006]一种基于特征融合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征融合的深度学习SAR影像溢油区识别方法，其特征在于，包括以下步骤：步骤1，利用ToZero阈值分割方法进行全局特征提取并得到源数据集；步骤2，将全局特征与下载获得的源数据集在维度上进行融合；步骤3，利用卷积神经网络对融合的数据进行高维特征提取，并记录池化过程中最大值的位置；步骤4，反卷积利用记录的最大值位置特征将高维小尺寸特征恢复到原图像尺寸；步骤5，获得图像分割的结果。2.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：范永磊，芮小平，张光远，徐锡杰，
申请(专利权)人：河海大学，
类型：发明
国别省市：