[发明专利]基于舰船实例分割的港口全景感知系统

说明书

本发明公开了基于舰船实例分割的港口全景感知系统，包括图像采集模块、神经网络模型以及全景感知结果输出模块；图像采集模块用于采集港口图像；神经网络模型用于对采集的港口图像进行军舰检测、军舰分割以及水域提取处理，获取军舰目标定位框、军舰目标具体形状轮廓以及港口水域分布；所述全景感知结果输出模块用于根据所述军舰目标定位框、所述军舰目标具体形状轮廓以及所述港口水域分布输出全景感知结果。本发明通过构建的神经网络模型，能够同时处理军舰检测、军舰分割和水域提取，并且提升了军舰检测准确度。

技术领域

本发明涉及港口交通管理技术领域，更具体的说是涉及一种基于舰船实例分割的港口全景感知系统。

背景技术

目前，对遥感技术在军事领域的广泛研究揭示了全景感知系统在一些重要军事区域如港口、机场执行相关任务时的重要性。它在遥感图像的智能解译中发挥着重要作用，因为它可以从遥感影像中提取丰富的视觉信息，并协助决策系统分析场景要素。以军事港口为例，为了充分获取遥感影像中重点区域的信息，视觉感知系统应该能够理解场景，然后为决策系统提供指导信息，包括：军舰目标的位置、军舰区别于民船的大小形状以及港口水域面积分布等。港口全景感知系统中通常会涉及目标检测，来确定舰船位置，除此之外还需要对舰船进行分割从而确定其基本类型，以及对港口进行水域分割提取来确定港口的基本态势。目前有许多方法分别处理港口相关任务。例如用目标检测算法处理舰船检测；用语义分割方法来执行舰船和水域的分割。

但是，这些方法存在两方面的问题：首先，一个接一个地处理这些任务比一次处理所有任务需要更长的时间，在遥感信息处理常用的设备上部署全景感知系统，应考虑有限的计算资源和延迟。其次，军舰和民用船只都作为舰船目标，在无法分别标注的情况下，无法只检测军舰目标，民用船只在检测过程中会造成大量虚警。

因此，如何提供一种港口全景感知系统使其在输入图像中同时处理军舰检测、军舰分割和水域提取是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于舰船实例分割的港口全景感知系统，一方面，实例分割将像素级的监督信息加入目标检测任务，对于军舰这种大小形状特征明显的目标具有明显的效果，可以有效排除民用小型船只对检测造成的干扰；另一方面，实例分割任务建立在目标检测的基础上，从而保证了对军舰进行分割时不会受水面或岸上其他相似内容的干扰。除此以外，本发明还采用了多尺度交叉融合的特征提取网络，在任务间共享信息的同时，摆脱了编解码的语义分割网络结构，直接在输出特征图上高效进行水域提取。

为了实现上述目的，本发明采用如下技术方案：基于舰船实例分割的港口全景感知系统，包括图像采集模块、神经网络模型以及全景感知结果输出模块；所述图像采集模块用于采集港口图像；所述神经网络模型用于对采集的港口图像进行军舰检测、军舰分割以及水域提取处理，获取军舰目标定位框、军舰目标具体形状轮廓以及港口水域分布；所述全景感知结果输出模块用于根据所述军舰目标定位框、所述军舰目标具体形状轮廓以及所述港口水域分布输出全景感知结果。

优选的，所述神经网络模型包括卷积层、多尺度特征编码网络层、水域提取模块和实例分割模块；所述卷积层用于对采集的港口图像进行降采样，获得特征图；所述多尺度特征编码网络层用于对所述特征图进行分类处理，得到高、中、低三种尺度的特征图；所述水域提取模块根据高、中、低三种尺度的特征图进行提取处理，获取港口水域分布图像；所述实例分割模块根据高、中、低三种尺度的特征图进行检测以及分割处理，得到军舰目标定位框以及军舰目标具体形状轮廓图像。

优选的，所述多尺度特征编码网络层包括第一反卷积层，所述第一反卷积层用于对所述特征图进行插值上采样处理，得到插值上采样后的特征图。

优选的，所述水域提取模块包括concatenate层、第二反卷积层以及提取层；所述concatenate层依次连接所述第二反卷积层以及所述提取层；所述concatenate层用于将插值上采样后的特征图进行融合；所述第二反卷积层用于对融合后的特征图进行上采样；所述提取层用于对上采样后的特征图进行提取处理，得到港口水域分布图像。