[发明专利]一种基于瀑布图的目标信号检测识别方法

权利要求书

1.一种基于瀑布图的目标信号检测识别方法，其特征在于，包括步骤：

S100，预处理原始数据，获取瀑布图；

S200，使用U-net语义分割方法对瀑布图进行语义分割，获得初始目标区域；

S300，通过Opencv图像处理库的凸包检测对所述初始目标区域进行后处理，去除目标区域的分割接壤，获取精确目标区域；

在步骤S300，通过Opencv图像处理库的凸包检测对所述初始目标区域进行后处理，包括步骤：

S301，对所述初始目标区域的掩膜进行分割，二值化掩膜；

S302，通过像素间的连通性确定不同的目标信号实体，剔除目标信号面积过小的区域，根据判定阈值确定接壤目标区域；

S303，对接壤目标区域的掩膜进行闭操作后，进行凸包凹陷检测，获取两个凹陷处共6个点的坐标，并确定外接矩形四个顶点中与凸包的距离最近的2个点；

S304，将8个点组合成两个矩形，完成接壤区域拆分，完成对接壤目标的分离；

S400，根据精确目标区域获取目标信号在瀑布图中的时间和频率位置。

2.根据权利要求1所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，在步骤S100中，利用给定的背景和信号类型，进行随机重采样合成源数据，模拟通过信号处理技术得到二维的时频图作为瀑布图。

3.根据权利要求2所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，由于瀑布图背景的固定区域存在明显白线，通过将白线处像素值替代为一维横向区域的像素值，去除生成的瀑布图背景中存在的白线，取值概率为高斯分布。

4.根据权利要求3所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，将瀑布图中各类型的信号有放回地重复采样，信号改变尺寸后随机合成到截取后的背景图片，确保最终生成的不同信号间不相交。

5.根据权利要求1所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，在步骤S200中，利用U-net语义分割网络对瀑布图进行信号和背景的分割，U-net语义分割网络包括收缩路径和扩张路径。

6.根据权利要求5所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，所述U-net语义分割网络包括5个连续的3*3卷积核、一个用于下采样的2*2卷积核做最大池化操作、以及一个1*1卷积核。

7.根据权利要求6所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，利用U-net语义分割网络对瀑布图进行信号和背景的分割，包括步骤：

在扩张路径中，每一步都包含对瀑布图进行上采样；

然后用5个连续的3*3卷积核进行卷积运算，且在所述3*3卷积核中均使用ReLU激活函数；

每一次卷积运算之后均采用2*2卷积核的最大池化层获取局部特征；

在所述网络的最后一层，利用1*1卷积核进行卷积运算，将每个特征向量映射网络的输出层。

8.根据权利要求7所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，使用keras深度学习框架实现U-net语义分割网络模型的搭建和训练。

9.根据权利要求1所述的一种基于瀑布图的目标信号检测识别方法，其特征在于，所述判定阈值计算公式为：

其中，S_凸包为凸包面积，S_外为外界矩形面积，为平均目标高度，H_目标为目标高度。