【CN109993692A】一种基于深度学习的电子海图和雷达图像的数据融合方法【专利】

(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 (43)申请公布日 (21)申请号 201910281317.X

(22)申请日 2019.04.09

(71)申请人 大连海事大学

地址 116026 辽宁省大连市高新园区凌海

路1号

(72)发明人 张闯　郭沐壮　郭晨　

(74)专利代理机构 大连东方专利代理有限责任

公司 21212

代理人 李馨

(51)Int.Cl.

G06T 3/00(2006.01)

G06T 5/00(2006.01)

G06T 5/30(2006.01)

G06T 5/50(2006.01)

G06T 7/11(2017.01)

G06T 7/33(2017.01)G06T 7/60(2017.01)

(54)发明名称一种基于深度学习的电子海图和雷达图像的数据融合方法(57)摘要本发明提供一种基于深度学习的电子海图和雷达图像的数据融合方法。本发明方法，包括如下步骤：利用深度学习目标检测模型对输入的雷达图像进行目标检测，识别出航海雷达探测到的特征物标；对雷达图像中特征区域进行预处理；向雷达图像中特征区域的几何中心发射射线，寻找配准参考点；采用基于特征的仿射变换，用电子海图对雷达图像进行配准，达到雷达图像和电子海图的数据融合。本发明有效地融合电子海图和雷达图像，从而帮助船舶驾驶员更好地理解航行环境，并提高驾驶自动化水平和导航安全

性。权利要求书3页 说明书6页 附图5页CN 109993692 A 2019.07.09

C N 109993692

A

1.一种基于深度学习的电子海图和雷达图像的数据融合方法，其特征在于，包括如下步骤：

S1、利用深度学习目标检测模型对输入的雷达图像进行目标检测，识别出航海雷达探测到的特征物标；

S2、对雷达图像中特征区域进行预处理，所述特征区域为深度学习目标检测模型检测出来的包括所述特征物标的区域，其包括如下步骤：

S21、对雷达图像中特征区域进行滤波处理；

S22、对滤波后的雷达图像进行二值化处理，将灰度图像转换为二值图像；

S23、提取雷达图像中特征区域的雷达回波边界；

S3、向雷达图像中特征区域的几何中心发射射线，寻找配准参考点；

S4、采用基于特征的仿射变换，用电子海图对雷达图像进行配准，达到雷达图像和电子海图的数据融合。

2.根据权利要求1所述的基于深度学习的电子海图和雷达图像的数据融合方法，其特征在于，所述步骤S1之前还有如下步骤：

利用深度学习目标检测模型中的基于区域的全卷积网络模型结合迁移学习技术将待配准雷达数据集代入到已有目标检测模型中，对模型进行预处理。

3.根据权利要求1所述的基于深度学习的电子海图和雷达图像的数据融合方法，其特征在于，所述步骤S21中，采用自适应均值滤波算法对雷达图像中特征区域进行滤波处理，具体为：

K(x)＝c k k(||x||2) (1)

其中，c k 为一个大于0的常数，满足∫k(x)dr＜0，K(x)为一个核函数，核密度估计值由下

式给出：

其中，K H (x)＝|H|-1/2K(H -1/2x)，n表示样本像素点总量，H为参数，

在H＝h 2I的前提下，I为单位矩阵简化密度方程，

可得到下式，

梯度满足：

当g(x)＝-k ′(x)，G(x)＝c k g(||x||2)时，G(x)作为K(x)的不透明函数，得到：

权　利　要　求　书1/3页2CN 109993692 A