技術領域

本發明涉及圖像模式識別領域，具體而言，涉及一種沉船識別模型構建方法、裝置、電子設備及存儲介質。

背景技術

側掃聲吶(Side Scan Sonar，SSS)圖像在海洋科學研究(如海底底質分布、深海熱液形成機制)、海洋工程(如海底管線選址、海底地貌獲取，沉船發現)和海洋軍事等方面有重要的應用價值。實際應用中，目標探測和識別大都基于目視判讀，效率和精度受判讀者經驗影響顯著。

因此，如何對沉船圖像進行自動、準確識別，是目前急需解決的問題。

發明內容

有鑒于此，本發明實施例的目的在于提供一種沉船識別模型構建方法、裝置、電子設備及存儲介質，以提高沉船圖像識別的準確性。

第一方面，本發明實施例提供了一種沉船識別模型構建方法，所述方法包括：提取沉船圖片中的沉船典型特征；從所述典型特征中提取最優特征；采用預設算法構建分類識別器；將所述最優特征輸入所述分類識別器進行訓練，以構建沉船識別模型。

進一步地，提取沉船圖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圖片中的沉船典型特征。

進一步地，所述預設算法為Gentle AdaBoost算法。

進一步地，從所述典型特征中提取最優特征，包括：采用獨立成分分析法從所述典型特征中提取最優特征。

第二方面，本發明實施例提供了一種沉船識別模型構建裝置，所述裝置包括：特征提取模塊，用于提取沉船圖片中的沉船典型特征；最優特征提取模塊，用于從所述典型特征中提取最優特征；分類識別器構建模塊，用于采用預設算法構建分類識別器；模型構建模塊，用于將所述最優特征輸入所述分類識別器進行訓練，以構建沉船識別模型。

進一步地，所述典型特征提取模塊，具體用于采用分形及多重分形算法提取沉船圖片中的沉船典型特征。

進一步地，所述預設算法為Gentle AdaBoost算法。

進一步地，所述最優特征提取模塊，具體用于采用獨立成分分析法從所述典型特征中提取最優特征。

第三方面，本發明實施例提供了一種電子設備，所述電子設備包括處理器以及存儲器，所述存儲器耦接到所述處理器，所述存儲器存儲指令，當所述指令由所述處理器執行時所述電子設備執行以下操作：提取沉船圖片中的沉船典型特征；從所述典型特征中提取最優特征；采用預設算法構建分類識別器；將所述最優特征輸入所述分類識別器進行訓練，以構建沉船識別模型。

第四方面，本發明實施例提供了一種可讀取存儲介質，所述可讀取存儲介質存儲于計算機內，所述可讀取存儲介質包括多條指令，所述多條指令被配置成使得計算機執行上述沉船識別模型構建方法。

本發明實施例的有益效果是：

本發明實施例提供一種沉船識別模型構建方法、裝置、電子設備及存儲介質，首先提取沉船圖片中的沉船典型特征，然后從所述典型特征中提取最優特征，采用預設算法構建分類識別器，將所述最優特征輸入所述分類識別器進行訓練，以構建沉船識別模型，從而通過本方法構建的沉船識別模型可以有效提高對沉船圖片識別的準確性。

本發明的其他特征和優點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發明實施例了解。本發明的目的和其他優點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現和獲得。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。

圖1示出了一種可應用于本發明實施例中的電子設備的結構框圖；

圖2為本發明實施例提供的一種沉船識別模型構建方法的流程圖；

圖3為本發明實施例提供的沉船圖像及其分形維特征示意圖；

圖4為本發明實施例提供的沉船和海底自然背景圖像的多重分形譜寬比較示意圖；

圖5為本發明實施例提供的區域I沉船識別結果示意圖；

圖6為本發明實施例提供的實測側掃聲吶條帶數據沉船目標圖像識別結果示意圖；

圖7為本發明實施例提供的一種沉船識別模型構建裝置的結構框圖。

具體實施方式