【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...
【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...
【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。