[发明专利]一种基于干扰抑制和动态轮廓的雾天场景船舶实例分割方法

说明书

本发明提供了一种基于干扰抑制和动态轮廓的雾天场景船舶实例分割方法，包括以下步骤：步骤1：建立雾天场景下船舶实例分割网络；步骤2：训练雾天船舶实例分割网络；步骤3：测试雾天船舶实例分割效果。本发明解决了现有技术无法准确分割雾天场景船舶的问题，全面提升了雾天场景下船舶实例分割的准确度，减少了船舶漏检。

技术领域

本发明属于计算机视觉和图像处理中的实例分割领域，具体涉及一种基于干扰抑制和动态轮廓的雾天场景船舶实例分割方法。

背景技术

当今世界已进入“工业4.0”智能化发展时代，智能船舶是未来船舶发展的必然趋势，具有良好的应用需求和发展前景。实例分割是计算机视觉中一项基本但具有挑战性的任务，其目的是将实例的每个像素分配到特定的语义类别并区分同一类别中的不同实例。特别是与智能船舶相关的实例分割技术可以准确感知海上船舶的形状和位置信息，适用于海上交通监管、海洋监视、航行安全等各个领域。然而，海洋气候迅速变化和恶劣天气频繁发生，严重威胁着船舶作业的安全。同时，计算机视觉系统的视觉信号在恶劣的天气条件下也会受到损坏和扭曲，特别在雾天条件下。海雾数据具有图像模糊，船舶与海天背景易混淆，远距离目标识别困难等特点。在这种情况下，低质量的成像会严重影响雾天船舶实例分割结果。

当前最先进的实例分割方法如Mask R-CNN,Solo，CondInst等直接用于雾天船舶分割任务，会产生大量船舶漏检和分割不完整的问题，导致船舶分割精度严重下降。这些算法主要适用于晴天场景，而没有考虑上述恶劣天气条件。同时，现有相关的船舶实例分割主要集中在高分辨率SAR(合成孔径雷达)图像和遥感图像上。然而，由于图像采集的时效性，SAR和光学远程图像的船舶分割难以满足实时性要求。相比之下，可见光图像具有更好的检测精度和实时性能。但现有研究很少关注可见光图像的船舶实例分割，更无法为雾天场景下的船舶实例分割提供有效的解决方法。

发明内容

本发明的目的为了减少了海雾造成的恶劣干扰，提高了船舶分割精度，可以完整分割雾天场景下的船舶目标的一种基于干扰抑制和动态轮廓的雾天场景船舶实例分割方法。

本发明的目的是这样实现的：

步骤1：建立雾天场景下船舶实例分割网络

所述雾天场景下船舶实例分割网络包括特征提取网络，参数生成网络，干扰抑制模块，轮廓分支和分割网络。

所述特征提取网络使用深层残差卷积网络输出不同尺寸的特征进行高层与低层特征的融合构成特征金字塔。

所述参数生成网络是分别连接在特征金字塔的不同输出特征图上进行参数预测，保证了多尺度目标的分割精度。参数生成网络由3组并行的Convs卷积层组成，输出为控制器分类器p_x,y和控制器θ_x,y。

所述干扰抑制模块，使船舶实例分割网络更加注重有效信息特征，抑制海雾对分割船舶的干扰。干扰抑制模块分别从像素和通道两方面提取有效特征，输出结果为F_IR。

所述轮廓分支，用于提取轮廓特征作为动态轮廓学习模块的输入。轮廓分支由四个3×3的卷积组成，连接一个特征融合模块来融合轮廓特征 F_contour和掩模特征F_mask。

所述分割网络，用于动态预测每个实例的掩码和轮廓。分割网络包括掩码模块和动态轮廓学习模块，均由三个1×1的8通道卷积组成。同时结合所述轮廓分支使用动态卷积来学习模糊船舶的轮廓并辅助雾天场景中的掩码预测。动态轮廓学习模块仅用作辅助主网络的训练并不参与最终测试。

步骤2：训练雾天船舶实例分割网络

设计损失函数用于优化雾天船舶实例分割网络的训练。