一种基于双分支GAN网络的高光谱溢油检测方法技术

本发明专利技术公开一种基于双分支GAN网络的高光谱溢油检测方法，包括步骤一、获取溢油区块高光谱溢油数据集，步骤二、对高光谱溢油数据集进行光谱归一化和主成分分析后裁剪并划分到训练集和测试集，步骤三、构建溢油检测模型，步骤四、利用训练集训练溢油检测模型，步骤五、利用测试集测试训练后的溢油检测模型；本发明专利技术可以同时提取高光谱数据的光谱特征和空间特征，充分发掘高光谱数据的优势，检测模型中的生成器可以生成虚拟样本，一定程度上解决了溢油数据集标记样本稀少、类别分布不均的问题，且具有鲁棒性强、收敛速度快等特点，为溢油检测等难以获取大量样本的任务提供了良好的分类模型。型。型。

【技术实现步骤摘要】
一种基于双分支GAN网络的高光谱溢油检测方法


[0001]本专利技术涉及溢油检测
，尤其涉及一种基于双分支GAN网络的高光谱溢油检测方法。

技术介绍

[0002]海上溢油是由管道破裂、油轮碰撞和钻井平台爆炸等原因引起的一种海洋环境污染，具有发生频率高、危害程度大、分布面积广的特点，受到了世界上各个国家的重视，其中重大海洋溢油污染事件带来的灾难性后果让人触目惊心，不仅会严重破坏海洋生态系统平衡，还会对沿海居民的生产生活造成破坏；
[0003]为有效地制定溢油应急决策并进行事故处理，快速获取海洋表面的溢油信息、准确进行溢油检测显得尤为重要，在已投入的监测系统中，最常用的卫星遥感传感器的高光谱传感器获得的高光谱图像以其“图、谱”合一、光谱分辨率高、光谱信息范围广的优势在溢油检测领域中具有巨大潜力，应用前景广阔；
[0004]现有的光谱指数算法普遍存在油膜和海水误分类的情况，且容易受到多种因素影响；机器学习方法多数仅利用数据的光谱特征，且人工提取特征复杂且耗时，提取的特征有可能不是设计的分类器所需要的最优特征；基于深度学习的方法比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双分支GAN网络的高光谱溢油检测方法，其特征在于，包括以下步骤：步骤一、数据集获取，利用遥感卫星获取溢油区块的高光谱图像，并整理获得高光谱溢油数据集；步骤二、图像预处理，利用光谱归一化和主成分分析对数据集进行预处理，再对数据集进行图像裁剪，然后对裁剪后的数据集进行划分，获得训练集和测试集；步骤三、检测模型构建，构建由光谱生成器、空间邻域生成器和判别器构成的溢油检测模型；步骤四、检测模型训练，利用步骤二划分的训练集对步骤三中构建的溢油检测模型进行训练；步骤五、检测模型测试，利用步骤二中划分的测试集对训练后的溢油检测模型进行测试。2.根据权利要求1所述的一种基于双分支GAN网络的高光谱溢油检测方法，其特征在于：所述步骤一中在经过主成分分析降维后提取前三个主成分，并对图像进行裁剪，取每个像素的9
×
9邻域作为提供空间信息的样本获得空间样本数据集，取像素点的光谱曲线作为提供光谱信息的样本获得光谱样本数据集，再将像素类别作为标签获得样本标签集，最后在光谱样本数据集、空间样本数据集和样本标签集中每类数据集随机抽取10％的标记样本作为训练集，剩余的标记样本作为测试集。3.根据权利要求1所述的一种基于双分支GAN网络的高光谱溢油检测方法，其特征在于：所述步骤三中光谱生成器标记为G_spec，空间邻域生成器标记为G_spat，判别器标记为D，所述步骤三中构建的检测模型中的光谱生成器、空间邻域生成器是基于全转置卷积网络搭建的，判别器是基于全卷积网络搭建的。4.根据权利要求3所述的一种基于双分支GAN网络的高光谱溢油检测方法，其特征在于：所述光谱生成器由一个全连接层、五个一维转置卷积层和一个自注意力层构成，其中每个卷积核大小为5，且自注意力层位于光谱生成器最后一层；所述...

【专利技术属性】
技术研发人员：宋冬梅，汤云贺，王斌，杨长龙，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：