【技術實現步驟摘要】
本專利技術涉及目標識別，具體涉及一種光學遙感影像淺水目標的識別方法與系統。
技術介紹
1、為維護我國領海秩序，精確定位并識別各類海面及淺水目標至關重要。與水下聲吶探測系統相比，衛星偵察監視系統對水面及淺水目標識別具有作用距離遠、覆蓋范圍廣、方便安全等特點。在民用方面，水面目標檢測識別能夠為船只進出港管理、打擊海運走私不法行為、監管海洋漁業的發展、海岸帶綜合管理、艦船溢油污染探測等活動提供信息服務。目前，可用于水面目標檢測的數據主要包括紅外圖像、光學遙感圖像以及合成孔徑雷達圖像等。不過紅外圖像和合成孔徑雷達圖像由于水體吸收和高海情、洋流變化等海況的影響，獲取的圖像質量差異較大，呈現極不均勻的現象，不能完成對淺水目標的有效探測，所以目前光學遙感手段在淺水目標方面具有一定的探索應用前景。
2、由于淺水目標在遙感影像中出現概率低、樣本數量不足，極大限制了識別算法的學習效能。深度學習技術雖然能夠進行大規模圖像特征分類和學習，但淺水目標出現幾率少，沒有該專門領域的影像數據庫，進而限制了模型識別精度。
技術實現思路
1、本專利技術提供了一種光學遙感影像淺水目標的識別方法及系統，以提高目標識別精度。
2、為解決上述技術問題，本專利技術提供了一種光學遙感影像淺水目標的識別方法，包括：
3、s1、利用數據增強和數據擴展分別對原始淺水目標數據集進行處理，并將處理后的數據集整合得到淺水目標數據集；
4、s2、根據淺水目標數據集，訓練改進的yolov11識別網
5、s3、將待識別的光學遙感影像輸入訓練后的改進的yolov11識別網絡，獲取識別結果。
6、按上述方案，所述數據增強包括mosaic數據增強、mixup數據增強、hideandseek數據增強。
7、按上述方案，利用數據擴展對原始淺水目標數據集進行處理的方法為：利用多分支條件生成網絡對原始淺水目標數據集進行數據擴展。
8、按上述方案，所述原始淺水目標數據集的獲取方法為：將公開淺水目標數據、人工標注的遙感影像合并為原始淺水目標數據集。
9、按上述方案，改進的yolov11識別網絡相較于yolov11識別網絡，其改進包括：通過引入高效空間壓縮注意力模塊增強yolov11識別網絡的主干網絡中的c3k2模塊。
10、按上述方案，改進的yolov11識別網絡相較于yolov11識別網絡，其改進包括：通過引入多重注意力特征融合模塊增強yolov11識別網絡的頸部網絡中的部分c3k2模塊。
11、按上述方案，改進的yolov11識別網絡相較于yolov11識別網絡，其改進包括：通過引入顯著位置注意力機制模塊增強yolov11識別網絡的頸部網絡中的部分c3k2模塊。
12、按上述方案，利用損失函數訓練改進的yolov11識別網絡，所述損失函數包括以設定權重相加的ciou損失函數、二元交叉熵函數、分類損失函數。
13、按上述方案，所述分類損失函數采用基于bce損失的分類器。
14、本專利技術還提供一種光學遙感影像淺水目標的識別系統，包括：
15、淺水目標數據集獲取模塊，用于利用數據增強和數據擴展分別對原始淺水目標數據集進行處理，并將處理后的數據集整合得到淺水目標數據集；
16、淺水目標識別模塊，包括訓練后的改進的yolov11識別網絡，用于根據輸入的光學遙感影像，獲取識別結果。
17、有益效果：本專利技術通過數據增強和數據擴展對原始淺水目標數據集進行了增強和擴充，獲取了更為全面的淺水目標數據集，為后續的識別網絡的增量學習提供了基礎，提升了最終的識別結果精度。并且，本專利技術對原有的yolov11識別網絡進行改進，在原有的識別框架上進行擴展強化，進一步增強了識別效果。
本文檔來自技高網...【技術保護點】
1.一種光學遙感影像淺水目標的識別方法，其特征在于，包括：
2.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，所述數據增強包括Mosaic數據增強、MixUp數據增強、HideAndSeek數據增強。
3.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，利用數據擴展對原始淺水目標數據集進行處理的方法為：利用多分支條件生成網絡對原始淺水目標數據集進行數據擴展。
4.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，所述原始淺水目標數據集的獲取方法為：將公開淺水目標數據、人工標注的遙感影像合并為原始淺水目標數據集。
5.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，改進的YOLOv11識別網絡相較于YOLOv11識別網絡，其改進包括：通過引入高效空間壓縮注意力模塊增強YOLOv11識別網絡的主干網絡中的C3K2模塊。
6.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，改進的YOLOv11識別網絡相較于YOLOv11識別網絡，其改進包括：通過引
7.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，改進的YOLOv11識別網絡相較于YOLOv11識別網絡，其改進包括：通過引入顯著位置注意力機制模塊增強YOLOv11識別網絡的頸部網絡中的部分C3K2模塊。
8.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，利用損失函數訓練改進的YOLOv11識別網絡，所述損失函數包括以設定權重相加的CIoU損失函數、二元交叉熵函數、分類損失函數。
9.根據權利要求8所述的光學遙感影像淺水目標的識別方法，其特征在于，所述分類損失函數采用基于BCE損失的分類器。
10.一種光學遙感影像淺水目標的識別系統，其特征在于，包括：
...【技術特征摘要】
1.一種光學遙感影像淺水目標的識別方法，其特征在于，包括：
2.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，所述數據增強包括mosaic數據增強、mixup數據增強、hideandseek數據增強。
3.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，利用數據擴展對原始淺水目標數據集進行處理的方法為：利用多分支條件生成網絡對原始淺水目標數據集進行數據擴展。
4.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，所述原始淺水目標數據集的獲取方法為：將公開淺水目標數據、人工標注的遙感影像合并為原始淺水目標數據集。
5.根據權利要求1所述的光學遙感影像淺水目標的識別方法，其特征在于，改進的yolov11識別網絡相較于yolov11識別網絡，其改進包括：通過引入高效空間壓縮注意力模塊增強yolov11識別網絡的主干網絡中的c3k2模塊。
6.根據權利...
【專利技術屬性】
技術研發人員：樂天，秦廣健，呂遐東，胡朋，潘孝楓，
申請(專利權)人：中國艦船研究設計中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。