[发明专利]基于海冰场景分类的冰间通路提取方法

摘要

本发明涉及一种基于海冰场景分类的冰间通路提取方法，包括以下步骤：收集多场景的高分辨率机载海冰图像；分为包含冰间通路的场景和不包含冰间通路的场景，制作训练集和测试集并给训练集和数据集中的海冰图像制作标签；微调卷积神经网络VGG‑f，冻结VGG‑f归一化层、卷积层、池化层的权重参数，重新训练VGG‑f最后一层全连接层的权重参数实现模型的迁移，得到海冰图像的场景级分类结果；对包含冰间通路的场景进行Tamura特征提取，选取对比度作为包含冰间通路类别的图像代表性特征；对ORTSEG方法进行参数优化选择，实现目标场景中的包含冰间通路的场景提取。本发明可以更有效地提取冰间通路，保证提取可靠性。

主权项

1.一种基于海冰场景分类的冰间通路提取方法，其特征在于，包括以下步骤：步骤一：收集多场景的高分辨率机载海冰图像；步骤二：将收集到的海冰场景分为Lead‑Ice和Others两大类场景，其中Lead‑Ice为包含冰间通路的场景，Others为不包含冰间通路的场景，制作训练集和测试集并给训练集和数据集中的海冰图像制作标签；步骤三：微调卷积神经网络VGG‑f，冻结VGG‑f归一化层、卷积层、池化层的权重参数，重新训练VGG‑f最后一层全连接层的权重参数实现模型的迁移，得到海冰图像的场景级分类结果，即Lead‑Ice和Others；步骤四：对Lead‑Ice进行Tamura特征提取，在特征提取结果中选取对比度作为Lead‑Ice类别的图像代表性特征，其中，提取对比度的计算公式如下：其中，α4是峰度，σ2是方差，μ4是四次矩，设置一个对比度阈值，根据图像对比度的提取结果与阈值的关系将目标场景细分为Plain Lead‑Ice和Complex Lead‑Ice两类，分别缩写为PLI和CLI；步骤五：根据PLI和CLI不同的图像特征，对多重随机纹理动态逼近分割方法进行参数优化选择，实现目标场景中的Lead‑Ice类场景的提取，多重随机纹理动态逼近分割方法的基本数学模型满足：其中，X_n＝{x|σ(x)＝n}是一系列属于第n个量化级的像素，是依据X_n的概率密度函数，1_{n}(σ)的取值为{0,1}，通过变量松弛对多重随机纹理动态逼近分割方法的基本数学模型进行近似，近似后满足：其中，{λ_n}和{μ_n}是拉格朗日系数，直方图p₀,p₁,...,p_N‑1以及其权重α₀,α₁,...,α_N‑1满足的条件为