一种基于图像风格迁移的舰船目标融合识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114973164A(43)申请公布日2022.08.30(21)申请号202210691091.2G06N3/08(2006.01)(22)申请日2022.06.17(71)申请人西北工业大学地址710072陕西省西安市友谊西路127号(72)发明人文载道丁正宇(74)专利代理机构西安维赛恩专利代理事务所(普通合伙)61257专利代理师李明全(51)Int.Cl.G06V20/54(2022.01)G06V10/764(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)权利要求书2页说明书10页附图3页(54)发明名称一种基于图像风格迁移的舰船目标融合识别方法(57)摘要本发明公开了一种基于图像风格迁移的舰船目标融合识别方法，获取目标舰船的红外图像和可见光图像；采用残差网络分别提取红外图像的红外舰船特征图和可见光图像的可见光舰船特征图；根据红外舰船特征图生成第一目标语义变量和第一源语义变量；根据可见光舰船特征图生成第二源语义变量；对第一目标语义变量、第二目标语义变量和第二源语义变量进行融合，生成源随机舰船特征图；将源随机舰船特征图输入舰船分类网络，确定目标舰船的类别；本发明可以使得在分类过程中舰船分类网络更关注目标相关特征，提升准确性。CN114973164ACN114973164A权利要求书1/2页1.一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，包括以下步骤：获取目标舰船的红外图像和可见光图像；采用残差网络分别提取所述红外图像的红外舰船特征图和所述可见光图像的可见光舰船特征图；根据所述红外舰船特征图生成第一目标语义变量和第一源语义变量；根据所述可见光舰船特征图生成第二源语义变量；对所述第一目标语义变量、第一源语义变量和第二源语义变量进行融合，生成源随机舰船特征图；将所述源随机舰船特征图输入舰船分类网络，确定所述目标舰船的类别；其中，所述舰船分类网络包括依次连接的第一卷积层、第二卷积层、自适应平均池化层和全连接层。2.如权利要求1所述的一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，根据所述红外舰船特征图生成第一目标语义变量和第一源语义变量包括：采用计算所述红外舰船特征图的通道平均值；其中，z为所述红外舰船特征图，μ(z)为第一通道平均值，H为所述红外舰船特征图的高度维度，W为所述红外舰船特征图的宽度维度；采用计算所述红外舰船特征图的第一标准差，∈为噪声；组合所述通道平均值和标准差，得到第一源语义变量。3.如权利要求2所述的一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，得到第一源语义变量之后还包括：采用计算所述第一目标语义变量；其中，c1为第一目标语义变量。4.如权利要求2或3所述的一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，对所述第一目标语义变量、第一源语义变量和第二源语义变量进行融合包括：采用计算所述可见光舰船特征图的通道平均值；其中，z′为所述可见光舰船特征图，μ(z′)为第二通道平均值；采用计算所述可见光舰船特征图的第二标准差；组合所述第二通道平均值和第二标准差，得到第二源语义变量。5.如权利要求4所述的一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，得到第二源语义变量之后还包括：对所述第一源语义变量和第二源语义变量进行差值，得到第三源语义变量；根据所述第三源语义变量和第一目标语义变量确定所述源随机舰船特征图。6.如权利要求5所述的一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，2CN114973164A权利要求书2/2页确定所述源随机舰船特征图包括：采用计算所述源随机舰船特征图；其中，SR(z,z′)为源随机舰船特征图，α为源风格加权权重，7.如权利要求6所述的一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，所述源随机舰船特征图大小为(128,28,28)；所述第一卷积层的输入通道数为128、输出通道数为256、卷积核大小为(3,3)、步长为(1,1)、填充为(1,1)、输出大小为(256,28,28)；所述第二卷积层输入通道数为256、输出通道数为512、卷积核大小为(3,3)、步长为(1,1)、填充为(1,1)、输出大小为(512,28,28)；所述自适应平均池化层的输入特征图大小为(512,28,28)、输出大小为(512,1,1)；所述全连接层的输入神经节点数512、输出神经节点数6。8.如权利要求7所述的一种基于图像风格迁移的舰船目标融合识别方法，其特征在于，还包括：对所述自适应平均池化层输出的特征图进行整形，将整形后的特征图送入所述全连接层；其中，整形后的特征图大小为