一种水下声呐图像开放集分类方法技术

本发明专利技术公开一种水下声呐图像开放集分类方法

【技术实现步骤摘要】
一种水下声呐图像开放集分类方法、系统、设备及介质


[0001]本专利技术涉及水下目标检测
，特别是涉及一种水下声呐图像开放集分类方法
、
系统
、
设备及介质
。

技术介绍

[0002]随着中国的海洋战略深入推进，水下目标检测技术日益成为焦点
。
海洋探索和开发等水下作业的能见度往往较差，为水下任务带来重重的困难，声呐设备成为获取水下信息的重要手段
。
水下目标分类是水下任务的重要一环，通过声呐图像的识别和分类，可以更好地了解海洋环境和资源分布，识别军事上可疑的水下目标，不仅有利于海洋资源的开发，也可以有效地预警和避免敌方的威胁，为攻击
、
防御和侦查等提供更加准确的数据支持
。
[0003]开放集识别是一个重要的分类问题，它强调对未知类别进行有效的分类和识别，突破了传统训练集和测试集类别数相同的局限性
。
水下环境因其复杂性常常存在很多未知因素，例如水质
、
海底地形
、
鱼群等
。
这些未知因素使得难以获得全部类别的数据以及特征信息，限制了声呐识别分类模型的性能和泛化能力
。
针对开放集识别和分类的算法更符合水下复杂的环境，因此更加切合实际应用
。

技术实现思路

[0004]本专利技术的目的是提供一种水下声呐图像开放集分类方法
、
系统
、
设备及介质，以解决水下声呐图像开放集错误分类的问题，提高水下声呐图像开放集识别的准确性和鲁棒性
。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种水下声呐图像开放集分类方法，包括：
[0007]构建声呐图像分类模型；所述声呐图像分类模型包括：特征提取模块和基于
Openmax
的分类器模块；所述特征提取模块用于对输入图像进行特征提取，得到激活向量；所述分类器模块用于对所述激活向量进行修正，并根据修正后的激活向量计算所述输入图像属于各个类别的概率；
[0008]获取目标声呐图像；
[0009]将所述目标声呐图像输入至所述声呐图像分类模型中，得到所述目标声呐图像属于各个类别的概率
。
[0010]可选地，构建声呐图像分类模型，具体包括：
[0011]获取水下声呐数据集；
[0012]搭建
Resnet18
网络，并采用所述水下声呐数据集对所述
Resnet18
网络进行训练，得到特征提取模块；
[0013]将所述水下声呐数据集输入至所述特征提取模块中进行特征提取，得到激活向量数据集；
[0014]搭建
Openmax
分类器，并根据所述激活向量数据集确定所述
Openmax
分类器的
Weibull
参数，得到分类器模块
。
[0015]可选地，根据所述激活向量数据集确定所述
Openmax
分类器的
Weibull
参数，具体包括：
[0016]根据所述激活向量数据集计算各个类别的平均激活向量；
[0017]根据所述平均激活向量和所述激活向量数据集计算各个类别的欧几里得距离并进行降序排序，得到各个类别的降序序列；
[0018]采用
FitHigh
函数，根据所述降序序列拟合三参数
Weibull
模型，得到各个类别的
Weibull
参数；所述
Weibull
参数包括：
Weibull
模型的位置参数
、
形状参数和尺寸参数
。
[0019]可选地，将所述目标声呐图像输入至所述声呐图像分类模型中，得到所述目标声呐图像属于各个类别的概率，具体包括：
[0020]将所述目标声呐图像输入至所述声呐图像分类模型的特征提取模块中，得到目标激活向量；
[0021]对所述目标激活向量中的各个激活值进行降序排序，得到类别索引；
[0022]根据所述目标激活向量计算所述目标声呐图像的离群距离；
[0023]根据所述离群距离和所述
Weibull
参数计算各个类别的开放空间风险权重；
[0024]根据所述类别索引和待修正类别数量计算各个类别的缩放系数；
[0025]根据所述开放空间风险权重和所述缩放系数对所述目标激活向量进行修正，得到修正激活向量；
[0026]根据所述修正激活向量计算所述目标声呐图像属于各个类别的概率
。
[0027]可选地，根据所述离群距离和所述
Weibull
参数计算各个类别的开放空间风险权重，具体公式为：
[0028][0029]其中，
w
j
为第
j
个类别的开放空间风险权重，
ED
为离群距离，
τ
j
为第
j
个类别的位置参数，
κ
j
为第
j
个类别的形状参数，
λ
j
为第
j
个类别的尺寸参数
。
[0030]可选地，根据所述开放空间风险权重和所述缩放系数对所述目标激活向量进行修正，得到修正激活向量，具体公式为：
[0031]modAV
test
(j)
＝
AV(j)(1
‑
w
j
×
α
(j))
；
[0032]其中，
modAV
test
(j)
为修正激活向量中的第
j
个激活值，
AV(j)
为目标激活向量中的第
j
个激活值，
α
(j)
为第
j
个类别的缩放系数
。
[0033]可选地，根据所述修正激活向量计算所述目标声呐图像属于各个类别的概率，具体公式为：
[0034][0035]其中，
s
openj
为目标声呐图像属于第
j
个类别的概率，
N
为类别总数，
k
和
j
均为类别序号
。
[0036]一种水下声呐图像开放集分类系统，包括：
[0037]模型构建模块，用于构建声呐图像分类模型；所述声呐图像分类模型包括：特征提取模块和基于
Openmax
的分类器模块；所述特征提取模块用于对输入图像进行特征提取，得到激活向量；所述分类器模块用于对所述激活向量进行修正，并根据修正后的激活向量计算所述输入图像属于各个类别的概率；
[0038]图像获取模块，用于获取目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种水下声呐图像开放集分类方法，其特征在于，包括：构建声呐图像分类模型；所述声呐图像分类模型包括：特征提取模块和基于
Openmax
的分类器模块；所述特征提取模块用于对输入图像进行特征提取，得到激活向量；所述分类器模块用于对所述激活向量进行修正，并根据修正后的激活向量计算所述输入图像属于各个类别的概率；获取目标声呐图像；将所述目标声呐图像输入至所述声呐图像分类模型中，得到所述目标声呐图像属于各个类别的概率
。2.
根据权利要求1所述的水下声呐图像开放集分类方法，其特征在于，构建声呐图像分类模型，具体包括：获取水下声呐数据集；搭建
Resnet18
网络，并采用所述水下声呐数据集对所述
Resnet18
网络进行训练，得到特征提取模块；将所述水下声呐数据集输入至所述特征提取模块中进行特征提取，得到激活向量数据集；搭建
Openmax
分类器，并根据所述激活向量数据集确定所述
Openmax
分类器的
Weibull
参数，得到分类器模块
。3.
根据权利要求2所述的水下声呐图像开放集分类方法，其特征在于，根据所述激活向量数据集确定所述
Openmax
分类器的
Weibull
参数，具体包括：根据所述激活向量数据集计算各个类别的平均激活向量；根据所述平均激活向量和所述激活向量数据集计算各个类别的欧几里得距离并进行降序排序，得到各个类别的降序序列；采用
FitHigh
函数，根据所述降序序列拟合三参数
Weibull
模型，得到各个类别的
Weibull
参数；所述
Weibull
参数包括：
Weibull
模型的位置参数
、
形状参数和尺寸参数
。4.
根据权利要求3所述的水下声呐图像开放集分类方法，其特征在于，将所述目标声呐图像输入至所述声呐图像分类模型中，得到所述目标声呐图像属于各个类别的概率，具体包括：将所述目标声呐图像输入至所述声呐图像分类模型的特征提取模块中，得到目标激活向量；对所述目标激活向量中的各个激活值进行降序排序，得到类别索引；根据所述目标激活向量计算所述目标声呐图像的离群距离；根据所述离群距离和所述
Weibull
参数计算各个类别的开放空间风险权重；根据所述类别索引和待修正类别数量计算各个类别的缩放系数；根据所述开放空间风险权重和所述缩放系数对所述目标激活向量进行修正，得到修正激活向量；根据所述修正激活向量计算所述目标声呐图像属于各个类别的概率
。5.
根据权利要求4所述的水下声呐图像开放集分类方法，其特征在于，根据所述离群距离和所述
Weibull
参数计算...

【专利技术属性】
技术研发人员：张建磊，张春燕，夏梓淇，
申请(专利权)人：南开大学，
类型：发明
国别省市：