【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种海杂波背景下的隐蔽信号检测方法。
技术介绍
1、图像语义分割作为海洋目标检测的关键技术之一，其快速性、准确性和清晰性直接决定了检测算法的整体性能。高效、准确的光学图像语义分割算法对海洋隐蔽信号检测的发展具有重要的现实意义和应用价值，可应用到民用渔业，养殖业等场合。
2、基于深度学习的海洋图像语义分割算法需要大量有标注的训练数据，且语义分割要求对每个训练图像进行精确的逐像素标注，再加上复杂海杂波背景下的隐蔽信号具有难辨识性，使得图像手工标注需要高昂的人工和时间成本，加剧了获取大量标注数据的挑战性。面对这些问题，仿真模型结合深度学习网络的检测方法应运而生，即在缺乏大量手工标注的情况下，首先使用仿真环境对真实的环境进行模拟，并生成所需的数据集。再通过显式或隐式地注入某种形式的先验知识，减少对高质量数据的依赖，从而高效地进行语义分割任务。近几年，研究学者针对海洋隐蔽信号检测领域展开广泛研究，提出了许多相关的语义分割算法，包括unet，pspnet，mobilenet等，这些算法都可以从不同的角度实现对海洋目标的语义分割，也取得了一定的进展，但分割精度仍无法满足在复杂海杂波干扰下对隐蔽信号检测的需求。因此，语义分割任务如何在图像数据量不足和图像质量较低的情况下，精确、快速、稳定地实现对隐蔽信号的检测是亟待解决的问题。
技术实现思路
1、根据现有技术存在的问题，本专利技术公开的一种海杂波背景下的隐蔽信号检测方法，其中该方法包括：
2
3、搭建基于多尺度特征提取与融合的编码解码网络；
4、设计面向多尺度特征的自注意力特征表达机制；
5、构建基于多尺度特征融合的金字塔池化网络；
6、利用编码解码网络、自注意力特征表达机制以及金字塔池化网络对训练集和验证集进行训练得到预测模型，并使用测试集对预测模型进行评估。
7、进一步的，对隐蔽信号环境数据分布特性进行分析，使用虚拟仿真环境生成包含隐蔽信号的海洋图像数据集；在对数据集进行预处理时：使用随机裁剪算法和正则化算法对图像进行数据增广，并将数据集按照8:1:1的比例分为训练集、验证集和测试集。
8、进一步的，所述基于多尺度特征提取与融合的编码解码网络包括编码器和解码器，在编码器部分：对预处理后的图像分辨率进行修改，将预处理后的图像输入到具有卷积层和池化层的编码器中，对预处理后的图像进行卷积和池化操作，提取低维度特征信息，每一次卷积和池化都将预处理后的图像尺寸大小缩小为原来的二分之一，通道数增加为原来的2倍，进而获得四个不同尺寸的特征图；
9、在解码器部分：对最下层的特征图做双线性插值操作，将预处理后的图像尺寸变为原来的2倍，并将双线性插值后生成的特征图与编码器部分获取的同级信息进行特征融合和通道拼接，将浅层的位置信息与深层的语义信息相融合，经过四次重复的操作，将数据恢复到和预处理后的图像相同的尺寸，保留第四次双线性插值之后的特征图。
10、进一步的，所述面向多尺度特征的自注意力特征表达机制包括：将从编码器网络中的提取到的多通道特征图转换成二维数组，其中每个通道包含在不同位置提取到的特征，通过使用卷积核为3×1或者1×3的一维卷积操作对每个通道进行卷积运算，计算通道维度上的权重，对于每个通道，一维卷积操作会得到一个相应的卷积结果，将卷积结果进行缩放，使用激活函数将卷积结果映射到0到1之间，生成通道维度上的注意力权重，将每个通道的特征图与其对应的注意力权重相乘，从而增强重要特征的表示，将应用注意力权重的特征图叠加起来，形成最终的输出特征图。
11、进一步的，构建基于多尺度特征融合的金字塔池化网络时：使用四种不同尺度的全局池化层进行下采样操作，并结合卷积来生成降维后的上下文信息表征，直接使用双线性插值对低分辨率的特征图进行上采样处理，并与在编码解码网络最后一层生成的特征图进行通道拼接，生成全局金字塔池化特征，最后再进行一次1维卷积，生成最终的语义分割预测结果。
12、使用仿真环境对真实的环境进行模拟，并生成所需的数据集，通过显式或隐式地注入某种形式的先验知识，减少对高质量数据的依赖，节省了大量的时间成本；采用深度学习领域中的先进技术，将基于卷积结构的编码解码网络与隐蔽信号检测任务结合，通过采用数据增广和正则化技术对海杂波的环境数据分布特性进行分析，再基于多层卷积层特征提取方法、语义分割算法等完成检测任务。本专利技术能更好的应用于在复杂海杂波背景下隐蔽信号的检测。
本文档来自技高网...【技术保护点】
1.一种海杂波背景下的隐蔽信号检测方法，其特征在于包括：
2.根据权利要求1所述的一种海杂波背景下的隐蔽信号检测方法，其特征在于：对隐蔽信号环境数据分布特性进行分析，使用虚拟仿真环境生成包含隐蔽信号的海洋图像数据集；在对数据集进行预处理时：使用随机裁剪算法和正则化算法对图像进行数据增广，并将数据集按照8:1:1的比例分为训练集、验证集和测试集。
3.根据权利要求2所述的一种海杂波背景下的隐蔽信号检测方法，其特征在于：所述基于多尺度特征提取与融合的编码解码网络包括编码器和解码器，在编码器部分：对预处理后的图像分辨率进行修改，将预处理后的图像输入到具有卷积层和池化层的编码器中，对预处理后的图像进行卷积和池化操作，提取低维度特征信息，每一次卷积和池化都将预处理后的图像尺寸大小缩小为原来的二分之一，通道数增加为原来的2倍，进而获得四个不同尺寸的特征图；
4.根据权利要求1所述的一种海杂波背景下的隐蔽信号检测方法，其特征在于：所述面向多尺度特征的自注意力特征表达机制包括：将从编码器网络中的提取到的多通道特征图转换成二维数组，其中每个通道包含在不同位置提取
5.根据权利要求1所述的一种海杂波背景下的隐蔽信号检测方法，其特征在于：构建基于多尺度特征融合的金字塔池化网络时：使用四种不同尺度的全局池化层进行下采样操作，并结合卷积来生成降维后的上下文信息表征，直接使用双线性插值对低分辨率的特征图进行上采样处理，并与在编码解码网络最后一层生成的特征图进行通道拼接，生成全局金字塔池化特征，最后再进行一次1维卷积，生成最终的语义分割预测结果。
...【技术特征摘要】
1.一种海杂波背景下的隐蔽信号检测方法，其特征在于包括：
2.根据权利要求1所述的一种海杂波背景下的隐蔽信号检测方法，其特征在于：对隐蔽信号环境数据分布特性进行分析，使用虚拟仿真环境生成包含隐蔽信号的海洋图像数据集；在对数据集进行预处理时：使用随机裁剪算法和正则化算法对图像进行数据增广，并将数据集按照8:1:1的比例分为训练集、验证集和测试集。
3.根据权利要求2所述的一种海杂波背景下的隐蔽信号检测方法，其特征在于：所述基于多尺度特征提取与融合的编码解码网络包括编码器和解码器，在编码器部分：对预处理后的图像分辨率进行修改，将预处理后的图像输入到具有卷积层和池化层的编码器中，对预处理后的图像进行卷积和池化操作，提取低维度特征信息，每一次卷积和池化都将预处理后的图像尺寸大小缩小为原来的二分之一，通道数增加为原来的2倍，进而获得四个不同尺寸的特征图；
4.根据权利要求1所述的一种海杂波背景下的隐蔽信号检测方法，其特征在于：所述面向多尺...
【专利技术属性】
技术研发人员：刘厶源，马欢，陈瀚，朱鹏莅，刘彦呈，张勤进，周世健，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：
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。