基于多核分类模型决策融合的海面溢油检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113920445A(43)申请公布日2022.01.11(21)申请号202111169802.1G06N20/10(2019.01)(22)申请日2021.10.08G06Q50/30(2012.01)(71)申请人自然资源部第一海洋研究所地址266061山东省青岛市崂山区仙霞岭路6号(72)发明人马毅戴渝心姜宗辰杜凯(74)专利代理机构北京华仁联合知识产权代理有限公司11588代理人陶长清(51)Int.Cl.G06V20/13(2022.01)G06V10/44(2022.01)G06V10/764(2022.01)G06V10/80(2022.01)G06K9/62(2006.01)权利要求书2页说明书7页附图6页(54)发明名称基于多核分类模型决策融合的海面溢油检测方法(57)摘要本公开的实施例公开了基于多核分类模型决策融合的海面溢油检测方法，该方法包括：获取目标海域的多光谱遥感图像，作为待检测图像；对待检测图像进行特征提取，得到特征信息；基于特征信息，构建输入数据；将输入数据分别输入多个单核函数的分类模型，得到多个分类结果；基于多个分类结果，得到决策融合结果，以区分出待检测图像中的溢油区域。本发明提供的海面溢油检测方法，将输入数据分别输入多个单核函数的分类模型中，得到多个分类结果，然后将多个分类结果进行决策性融合，得到决策融合结果，多核决策融合算法能够将各单核的优势互补，提高分类精度，有效地在复杂水色背景下进行溢油检测，进一步提高了海面溢油检测的准确性。CN113920445ACN113920445A权利要求书1/2页1.一种基于多核分类模型决策融合的海面溢油检测方法，其特征在于，所述方法包括：获取目标海域的多光谱遥感图像，作为待检测图像；对所述待检测图像进行特征提取，得到特征信息；基于所述特征信息，构建输入数据；将所述输入数据分别输入多个单核函数的分类模型，得到多个分类结果；基于所述多个分类结果，得到决策融合结果，以区分出待检测图像中的溢油区域。2.根据权利要求1所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，所述特征信息包括光谱特征和纹理特征。3.根据权利要求2所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，所述光谱特征的提取方法包括：在所述待检测图像中选取多个预设波段初始数据；对多个预设波段初始数据进行预处理，得到处理后的多个预设波段数据；基于最佳指数法，在所述多个预设波段数据中选取预定数量的波段组合；将所述多个预设波段数据以及所述预定数量的波段组合确定为所述光谱特征。4.根据权利要求2所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，所述纹理特征的提取方法包括：对所述待检测图像进行主成分分析，提取出第一主成分；基于所述第一主成分，确定所述纹理特征。5.根据权利要求4所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，基于灰度共生矩阵分别在多个方向上得到第一主成分的多个特征，对每个特征的多个方向取平均值，得到所述纹理特征。6.根据权利要求4所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，分别采用多个不同尺寸的窗口计算灰度共生矩阵，以提取所述纹理特征。7.根据权利要求1至6任一项所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，基于所述特征信息，构建输入数据的方法包括：计算所述特征信息中每个特征的油‑水巴氏距离；筛选出油‑水巴氏距离较大的特征作为最佳溢油空谱特征数据集；将所述最佳溢油空谱特征数据集确定为所述输入数据。8.根据权利要求1至6任一项所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，基于所述多个分类结果，得到决策融合结果的方法包括：基于模糊隶属度，逐像元地判定融合后各像元的所属类别。9.根据权利要求1至6任一项所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，对于多个分类结果中同一位置的像元，判定融合后该像元的所属类别的方法包括：若多个分类结果在该像元的所属类别相同，则将这一类别赋予该像元的决策融合结果；若多个分类结果在该像元的所属类别不同，则获取多个分类结果在该像元周围预定窗口中最多的类别，如果一分类结果在该像元的所属类别与其他分类结果在所述预定窗口中最多的类别相同，则将这一类别赋予该像元的决策融合结果，否则，计算该像元在各分类结2CN113920445A权利要求书2/2页果中属于各类别的隶属度，将隶属度高的类别作为该像元的决策融合结果。10.根据权利要求1至6任一项所述的基于多核分类模型决策融合的海面溢油检测方法，其特征在于，所述多个单核函数的分类模型包括RBF核函数的SVM分类模型、Linear核函数的SVM分类模型、