[发明专利]沉船识别模型构建方法、装置、电子设备及存储介质

说明书

技术领域

本发明涉及图像模式识别领域，具体而言，涉及一种沉船识别模型构建方法、装置、电子设备及存储介质。

背景技术

侧扫声呐(Side Scan Sonar，SSS)图像在海洋科学研究(如海底底质分布、深海热液形成机制)、海洋工程(如海底管线选址、海底地貌获取，沉船发现)和海洋军事等方面有重要的应用价值。实际应用中，目标探测和识别大都基于目视判读，效率和精度受判读者经验影响显著。

因此，如何对沉船图像进行自动、准确识别，是目前急需解决的问题。

发明内容

有鉴于此，本发明实施例的目的在于提供一种沉船识别模型构建方法、装置、电子设备及存储介质，以提高沉船图像识别的准确性。

第一方面，本发明实施例提供了一种沉船识别模型构建方法，所述方法包括：提取沉船图片中的沉船典型特征；从所述典型特征中提取最优特征；采用预设算法构建分类识别器；将所述最优特征输入所述分类识别器进行训练，以构建沉船识别模型。

进一步地，提取沉船图片中的沉船典型特征，包括：采用分形及多重分形算法提取沉船图片中的沉船典型特征。

进一步地，所述预设算法为Gentle AdaBoost算法。

进一步地，从所述典型特征中提取最优特征，包括：采用独立成分分析法从所述典型特征中提取最优特征。

第二方面，本发明实施例提供了一种沉船识别模型构建装置，所述装置包括：特征提取模块，用于提取沉船图片中的沉船典型特征；最优特征提取模块，用于从所述典型特征中提取最优特征；分类识别器构建模块，用于采用预设算法构建分类识别器；模型构建模块，用于将所述最优特征输入所述分类识别器进行训练，以构建沉船识别模型。

进一步地，所述典型特征提取模块，具体用于采用分形及多重分形算法提取沉船图片中的沉船典型特征。

进一步地，所述预设算法为Gentle AdaBoost算法。

进一步地，所述最优特征提取模块，具体用于采用独立成分分析法从所述典型特征中提取最优特征。

第三方面，本发明实施例提供了一种电子设备，所述电子设备包括处理器以及存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时所述电子设备执行以下操作：提取沉船图片中的沉船典型特征；从所述典型特征中提取最优特征；采用预设算法构建分类识别器；将所述最优特征输入所述分类识别器进行训练，以构建沉船识别模型。

第四方面，本发明实施例提供了一种可读取存储介质，所述可读取存储介质存储于计算机内，所述可读取存储介质包括多条指令，所述多条指令被配置成使得计算机执行上述沉船识别模型构建方法。

本发明实施例的有益效果是：

本发明实施例提供一种沉船识别模型构建方法、装置、电子设备及存储介质，首先提取沉船图片中的沉船典型特征，然后从所述典型特征中提取最优特征，采用预设算法构建分类识别器，将所述最优特征输入所述分类识别器进行训练，以构建沉船识别模型，从而通过本方法构建的沉船识别模型可以有效提高对沉船图片识别的准确性。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了一种可应用于本发明实施例中的电子设备的结构框图；

图2为本发明实施例提供的一种沉船识别模型构建方法的流程图；

图3为本发明实施例提供的沉船图像及其分形维特征示意图；

图4为本发明实施例提供的沉船和海底自然背景图像的多重分形谱宽比较示意图；

图5为本发明实施例提供的区域I沉船识别结果示意图；

图6为本发明实施例提供的实测侧扫声呐条带数据沉船目标图像识别结果示意图；

图7为本发明实施例提供的一种沉船识别模型构建装置的结构框图。

具体实施方式