油罐布局信息生成方法、装置、电子设备、介质制造方法及图纸

本公开的实施例公开了油罐布局信息生成方法、装置、电子设备和介质。该方法的一具体实施方式包括：对目标合成孔径雷达图像进行图像剪裁，得到子图像集；对于子图像集对应的区域信息集中的每个区域信息，获取光学图像集；对于光学图像集组中的每个光学图像集，将光学图像集中的各个光学图像分别输入至油罐特征信息提取网络，得到特征图集；对于特征图集组中的每个特征图集，将特征图集中的各个特征图进行特征图融合，得到融合后特征图；对于所得到的融合后特征图集中的每个融合后特征图，生成第一油罐信息集中各个第一油罐信息的位置信息和各个第一油罐信息的半径信息；生成油罐布局信息。该实施方式可以准确、高效的生成油罐布局信息。布局信息。布局信息。

【技术实现步骤摘要】
油罐布局信息生成方法、装置、电子设备、介质


[0001]本公开的实施例涉及计算机
，具体涉及油罐布局信息生成方法、装置、电子设备和介质。

技术介绍

[0002]目前，在日常生活中，油罐常常是用来储存油品的、且具有规定规则形体（例如，圆柱型）的大型容器。油罐的目标检测和参数提取对油罐监测、储油分析等应用领域具有重要的意义。对于油罐的目标检测，通常采用的方式为：首先，获取待检测的目标合成孔径雷达图像。然后，将目标合成孔径雷达图像输入至预先训练的卷积神经网络（Convolutional Neural Networks, CNN），以来进行针对油罐的目标检测。
[0003]然而，当采用上述方式来进行油罐检测，经常会存在如下技术问题：第一，合成孔径雷达图像虽然可以有效地体现目标区域内各个油罐的相位信息。但是，将合成孔径雷达图像作为神经网络的输入来进行油罐的检测，常常存在准确率较低的问题。除此之外，将较高分辨率的目标合成孔径雷达图像作为神经网络的输入，存在训练神经网络和后续目标区域的油罐检测的计算量较大的问题。
[0004]第三，单单使用卷积神经网络来进行针对目标区域的油罐检测常常存在精准度较低的问题。例如，卷积神经网络常常没有考虑油罐图像中的一些主要特征信息（例如，结构种类、阴影区域等），导致油罐的检测精准度较低。

技术实现思路

[0005]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0006]本公开的一些实施例提出了油罐布局信息生成方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0007]第一方面，本公开的一些实施例提供了一种油罐布局信息生成方法，包括：对预先获取的目标合成孔径雷达图像进行图像剪裁，得到子图像集，其中，上述目标合成孔径雷达图像是由合成孔径雷达传感器针对目标区域拍摄的、分辨率大小满足第一条件的图像；对于子图像集对应的区域信息集中的每个区域信息，获取由光学图像传感器针对上述区域信息对应区域拍摄的、分辨率大小满足不同第二条件的光学图像集；对于所得到的光学图像集组中的每个光学图像集，将上述光学图像集中的各个光学图像分别输入至预先训练的油罐特征信息提取网络，得到特征图集；对于所得到的特征图集组中的每个特征图集，将上述特征图集中的各个特征图进行特征图融合，得到融合后特征图；对于所得到的融合后特征图集中的每个融合后特征图，根据上述融合后特征图和油罐识别模型集，生成上述融合后特征图所对应的第一油罐信息集中各个第一油罐信息的位置信息和上述第一油罐信息集中各个第一油罐信息的半径信息；根据上述目标合成孔径雷达图像、上述油罐识别模型集、
所得到的第一油罐信息集组中各个第一油罐信息的位置信息和上述第一油罐信息集组中各个第一油罐信息的半径信息，生成上述目标区域的油罐布局信息。
[0008]第二方面，本公开的一些实施例提供了一种油罐布局信息生成装置，包括：剪裁单元，被配置成对预先获取的目标合成孔径雷达图像进行图像剪裁，得到子图像集，其中，上述目标合成孔径雷达图像是由合成孔径雷达传感器针对目标区域拍摄的、分辨率大小满足第一条件的图像；获取单元，被配置成对于子图像集对应的区域信息集中的每个区域信息，获取由光学图像传感器针对上述区域信息对应区域拍摄的、分辨率大小满足不同第二条件的光学图像集；输入单元，被配置成对于所得到的光学图像集组中的每个光学图像集，将上述光学图像集中的各个光学图像分别输入至预先训练的油罐特征信息提取网络，得到特征图集；融合单元，被配置成对于所得到的特征图集组中的每个特征图集，将上述特征图集中的各个特征图进行特征图融合，得到融合后特征图；第一生成单元，被配置成对于所得到的融合后特征图集中的每个融合后特征图，根据上述融合后特征图和油罐识别模型集，生成上述融合后特征图所对应的第一油罐信息集中各个第一油罐信息的位置信息和上述第一油罐信息集中各个第一油罐信息的半径信息；第二生成单元，被配置成根据上述目标合成孔径雷达图像、上述油罐识别模型集、所得到的第一油罐信息集组中各个第一油罐信息的位置信息和上述第一油罐信息集组中各个第一油罐信息的半径信息，生成上述目标区域的油罐布局信息。
[0009]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0010]第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0011]本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的油罐布局信息生成方法以准确、高效的生成目标区域的油罐布局信息。具体来说，造成生成油罐布局信息不够准确、有效的原因在于：第一，将合成孔径雷达图像作为神经网络的输入来进行油罐的检测，常常存在准确率较低的问题。除此之外，将较高分辨率的目标合成孔径雷达图像作为神经网络的输入，存在训练卷积神经网络和后续目标区域的油罐检测的计算量较大的问题。第二，单单使用卷积神经网络来进行针对目标区域的油罐检测常常存在精准度较低的问题。例如，卷积神经网络常常没有考虑油罐图像中的一些主要特征信息（例如，结构种类、阴影区域等），导致油罐的检测精准度较低。基于此，本公开的一些实施例的油罐布局信息生成方法可以首先对上述目标合成孔径雷达图像进行图像剪裁，得到子图像集。在这里，通过对目标孔径雷达图像进行剪裁，以用于后续获取对应的光学图像集。其中，上述目标合成孔径雷达图像是由合成孔径雷达传感器针对目标区域拍摄的、分辨率大小满足第一条件的图像。然后，确对于子图像集对应的区域信息集中的每个区域信息，获取由光学图像传感器针对上述区域信息对应区域拍摄的、分辨率大小满足不同第二条件的光学图像集。在这里，获取光学图像集组的目的在于：相对于目标合成孔径雷达图像，对应的光学图像更容易进行目标物品检测。虽然光学图像进行油罐检测的准确率更高，但是没有目标合成孔径雷达图像能较好地体现油罐的相位信息。基于此，从目标合成孔径雷达图像和光学图像两方面来进行油罐检测，可以大大提高油罐的检测准确率。进而，对于所得到的光学图像集组中
的每个光学图像集，将上述光学图像集中的各个光学图像分别输入至预先训练的油罐特征信息提取网络，得到特征图集。在这里，由于光学图像集中的各个光学图像的分辨率是不同的，提取对应区域的特征信息也是不同的，特征信息的不同使得可以从全局角度、局部角度等各方面角度来确定对应区域的各个油罐的油罐信息。进而，对于所得到的特征图集组中的每个特征图集，将上述特征图集中的各个特征图进行特征图融合，得到融合后特征图。在这里，将所得到的各个融合后特征图作为模型的输入，可以更为准确的确定出目标区域的油罐信息。进一步地，对于所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油罐布局信息生成方法，包括：对预先获取的目标合成孔径雷达图像进行图像剪裁，得到子图像集，其中，所述目标合成孔径雷达图像是由合成孔径雷达传感器针对目标区域拍摄的、分辨率大小满足第一条件的图像；对于子图像集对应的区域信息集中的每个区域信息，获取由光学图像传感器针对所述区域信息对应区域拍摄的、分辨率大小满足不同第二条件的光学图像集；对于所得到的光学图像集组中的每个光学图像集，将所述光学图像集中的各个光学图像分别输入至预先训练的油罐特征信息提取网络，得到特征图集；对于所得到的特征图集组中的每个特征图集，将所述特征图集中的各个特征图进行特征图融合，得到融合后特征图；对于所得到的融合后特征图集中的每个融合后特征图，根据所述融合后特征图和油罐识别模型集，生成所述融合后特征图所对应的第一油罐信息集中各个第一油罐信息的位置信息和所述第一油罐信息集中各个第一油罐信息的半径信息；根据所述目标合成孔径雷达图像、所述油罐识别模型集、所得到的第一油罐信息集组中各个第一油罐信息的位置信息和所述第一油罐信息集组中各个第一油罐信息的半径信息，生成所述目标区域的油罐布局信息。2.根据权利要求1所述的方法，其中，所述对所述目标合成孔径雷达图像进行图像剪裁，得到子图像集，包括：提取所述目标合成孔径雷达图像的纹理特征信息；根据所述纹理特征信息，对所述目标合成孔径雷达图像进行剪裁，得到剪裁后图像集；从所述剪裁后图像集中筛选出满足第三条件的剪裁后图像，作为子图像，得到所述子图像集。3.根据权利要求1所述的方法，其中，所述根据所述目标合成孔径雷达图像、所述油罐识别模型集、所得到的第一油罐信息集组中各个第一油罐信息的位置信息和所述第一油罐信息集组中各个第一油罐信息的半径信息，生成所述目标区域的油罐布局信息，包括：根据所述目标合成孔径雷达图像和所述油罐识别模型集，生成目标合成孔径雷达图像所对应的第二油罐信息集中各个第二油罐信息的位置信息和第二油罐信息集中各个第二油罐信息的半径信息；根据所述第二油罐信息集中各个第二油罐信息的位置信息、所述第二油罐信息集中各个第二油罐信息的半径信息、所述第一油罐信息集组中各个第一油罐信息的位置信息和所述第一油罐信息集组中各个第一油罐信息的半径信息，生成所述目标区域的油罐布局信息。4.根据权利要求3所述的方法，其中，所述根据所述目标合成孔径雷达图像和所述油罐识别模型集，生成目标合成孔径雷达图像所对应的第二油罐信息集中各个第二油罐信息的位置信息和第二油罐信息集中各个第二油罐信息的半径信息，包括：获取所述油罐识别模型集中各个油罐识别模型的优先级；从所述油罐识别模型集中选取优先级满足第四条件的油罐识别模型，作为目标油罐识别模型；将所述目标合成孔径雷达图像输入至预先训练的目标油罐识别模型，得到第三油罐信
息集中各个第三油罐信息的位置信息和所述第三油罐信息集中各个第三油罐信息的半径信息；将所述目标合成孔径雷达图像输入至所述油罐识别模型集中至少一个油罐识别模型中每个油罐识别模型，以输出第四油罐信息集中各个第四油罐信息的位置信息和所述第四油罐信息集中各个第四油罐信息的半径信息，得到第四油罐信息集组中各个第四油罐信息的位置信息、所述第四油罐信息集组中各个第四油罐信息的半径信息，其中，所述至少一个油罐识别模型为所述油罐识别模型集中去除所述目标油罐识别模型的各个油罐识别模型；对于所述各个第三油罐信息的位置信息中的每个第三油罐信息的位置信息，执行以下确定步骤：确定所述各个第四油罐信息的位置信息中是否存在与所述第三油罐信息的位置信息相同的位置信息；响应于确定存在，从所述各个第四油罐信息的位置信息中筛选出与所述第三油罐信息的位置信息相同的位置信息，作为第一目标位置信息，得到至少一个第一目标位置信息；确定所述至少一个第一目标位置信息所对应的各个第一目标位置信息的第一数目；响应于确定所述第一数目大于或等于预定阈值，将所述第三油罐信息的位置信息确定为第二油罐信息的位置信息，以及将所述第三油罐信息的半径信息确定为对应第二油罐信息的半径信息。5.根据权利要求4所述的方法，其中，所述根据所述融合后特征图和油罐识别模型集，生成所述融合后特征图所对应的第一油罐信息集中各个第一油罐信息的位置信息和所述第一油罐信息集中各个第...

【专利技术属性】
技术研发人员：区东，
申请(专利权)人：中科星睿科技北京有限公司，
类型：发明
国别省市：