[发明专利]一种基于深度学习的卫星图像中船舶识别与分割方法

权利要求书

1.一种基于深度学习的卫星图像中船舶识别与分割方法，其特征在于，该方法基于改进的Xception和改进的U-Net网络，对海面上航行的船只进行监测，实现对于船舶的识别和图像分割，得到关于船舶的预警和图像信息，所述的方法具有以下步骤：

步骤1)采集数据；

步骤2)数据集增强；

步骤3)标记图片；

步骤4)进行卫星图像中的船舶识别；

步骤5)进行船舶图像语义分割；

步骤6)实时进行船舶的自动识别和监测。

2.根据权利要求1所述的一种基于深度学习的卫星图像中船舶识别与分割方法，其特征在于，所述的步骤1)采集数据具体为：

通过卫星图采集海域的视频，从视频中截取任意可能存在船只的图片，生成图片库A。

3.根据权利要求2所述的一种基于深度学习的卫星图像中船舶识别与分割方法，其特征在于，所述的步骤2)数据集增强具体为：

所述的图片库A通过数据增强生成图片库A1；图片库A、图片库A1共同构成数据集B。

4.根据权利要求3所述的一种基于深度学习的卫星图像中船舶识别与分割方法，其特征在于，所述的数据增强包括：

a)水平、垂直翻转；b)任意角度旋转：在-90°至90°之间选择随机值；c)将图片进行模拟其他天气的图像增强。

5.根据权利要求3所述的一种基于深度学习的卫星图像中船舶识别与分割方法，其特征在于，所述的步骤3)标记图片具体为：

将数据集B中的每张图片进行辨识，对每张图片中进行标注，标注内容为是否包含船只，将其与图片名称对应后生成数据集D；同时选出其中含船舶的图片选出，形成图片库B，图片库B构成数据库C；

将图片库B中的每张图片进行标注，标注形式为Length×Width×1的矩阵，目标是分割出船舶的位置和轮廓，即对图像的每个像素分别进行标注，每个像素的标注结果只有0和1两种，最终得到图片中包含船舶每个像素的分类信息的数据集E。

6.根据权利要求5所述的一种基于深度学习的卫星图像中船舶识别与分割方法，其特征在于，所述的步骤4)进行卫星图像中的船舶识别具体为：

401)将整个数据集B随机的分为三部分训练集P1、验证集P2和测试集P3；

402)训练集P1用于改进的Xception网络的训练，将训练集P1及数据集D送入到改进的Xception网络中进行训练得到多个权重模型；

403)验证集P2用于调整模型中的各个参数，当训练集P1训练出多个权重模型后，分别使用不同的权重模型对P2进行预测，将其与数据集D中的验证信息进行对比，选择预测后F1-Score最高的权重模型所对应参数，从而生成最优的权重模型；

404)经过训练集P1和验证集P2得到了最优权重模型之后，接着使用测试集进行测试，得到最优权重模型用于卫星图片中的船舶的识别。

7.根据权利要求6述的一种基于深度学习的卫星图像中船舶识别与分割方法，其特征在于，所述的F1-Score的计算公式如下：

其中各参数的物理意义为：TP：图片中实际存在船只且预测结果也为存在船只的样本数量；FN：图片中实际存在船只但预测结果为不存在船只的样本数量；FP：图片中实际不存在船只但预测结果为存在船只的样本数量；Precision：在所有被预测为存在船只的测试数据中，图片中真正存在船只的样本数量比例；Recall：在图片中真正存在船只的测试数据中，被预测为存在船只的样本数量比例；

F1-score越高，说明分类模型越稳健。