一种基于改进Mask2Former的海面石油泄漏语义分割方法、装置及星地协同仿真检测系统

本技术涉及遥感图像语义分割与智能检测，尤其涉及面向多源遥感数据的海面油污自动检测与精细分割技术。

背景技术：

1、海面石油泄漏是一种严重的突发性海洋污染事故，对海洋生态系统、渔业资源及沿海经济造成极大破坏，快速精准地检测与定量评估泄漏范围是开展污染治理和应急处置的首要前提。随着遥感卫星及无人机技术的发展，利用光学、多光谱及合成孔径雷达（sar）等传感器获取海面图像，并结合深度学习语义分割方法进行自动检测，已成为当前海洋污染监测的重要技术手段。然而，海面石油泄漏场景具有显著的复杂性：一方面，油污目标在遥感图像中占比极小，类别分布高度不均衡；另一方面，海面环境中存在波浪反光、云影及海流扰动等复杂背景干扰，同时油膜边界呈现出模糊、不连续等特征，给精确分割带来较大挑战。此外，油污在空间尺度上变化显著，从薄油膜到大面积扩散形态差异较大，进一步增加了模型建模难度。

2、现有语义分割方法多基于通用视觉场景设计，缺乏针对海洋环境特性的专门优化。mask2former作为一种先进的语义分割框架，结合了transformer与掩码预测的优势，在通用语义分割任务中取得了优异性能，但其直接应用于海面石油泄漏分割场景时，仍面临类别极端不平衡、背景噪声干扰严重、油污边界模糊以及多尺度目标变化等核心技术难题。

3、现有技术中，针对海面石油泄漏分割的改进方法多集中于单一模块优化，缺乏面向多项挑战协同设计的系统性方案，且鲜有考虑深度学习模型在实际硬件平台中的部署约束与系统级协同处理机制，导致算法层面的改进成果难以转化为可直接投入使用的海面石油泄漏检测系统，无法满足海洋污染事故快速响应中对实时性与精确性的双重需求。此外，现有方案通常将遥感图像全量下传至地面进行处理，未能充分利用星载平台的边缘计算能力实现数据的初步筛选，导致大量无效数据占据有限通信带宽，制约了整体系统的响应效率。

技术实现思路

1、本发明目的是为了解决无法满足海洋污染事故快速响应中对实时性与精确性的双重需求以及系统响应效率低的技术问题，提供了一种基于改进mask2former的海面石油泄漏语义分割方法、装置及星地协同仿真检测系统。

2、本发明为解决上述问题采取的技术方案是：一种基于改进的mask2former海面石油泄漏语义分割方法，所述方法包括：

3、步骤s1：获取海面遥感图像，并对其进行多尺度特征提取，得到c2、c3、c4不同层级的多尺度特征图及c5高层语义特征图；

4、步骤s2：将所述c5高层语义特征图输入多尺度变形注意力像素解码器，经上采样与融合后生成掩码特征图；再通过海洋场景上下文聚合模块对所述掩码特征图进行海洋上下文增强，抑制海面背景噪声干扰；

5、步骤s3：通过多尺度特征增强模块对所述c2、c3、c4多尺度特征图进行尺度自适应残差增强，得到增强后的多尺度特征图，提升多尺度特征表达能力；

6、步骤s4：将步骤s2输出的增强掩码特征图与步骤s3输出的增强多尺度特征图共同输入变换器解码器；在变换器解码器的自注意力层中，通过类别平衡查询注意力模块对查询向量进行类别感知重加权，解决复杂海面场景中类别极端不平衡问题；

7、步骤s5：对变换器解码器输出的最终掩码预测，通过边界精炼模块进行边界增强，提升油污边缘分割精度；

8、步骤s6：通过自适应边界上采样模块对边界精炼模块输出的掩码预测进行上采样，输出最终的海面石油泄漏语义分割结果。

9、进一步地，步骤s2中所述海洋场景上下文聚合模块包括三个子模块：

10、方向条形池化子模块：分别沿水平方向和垂直方向对掩码特征图执行自适应条形池化，得到水平方向条形池化特征和垂直方向条形池化特征，具体表示为：

11、；

12、其中，和分别表示水平和垂直方向上的掩码特征图，b表示批量大小、c表示特征通道数、h和w分别为掩码特征图的高度和宽度；

13、将条形池化结果经卷积处理后扩展还原至原始空间尺寸，并通过融合层生成方向注意力权重图，对像素解码器输出的掩码特征进行加权，以捕获海面油膜沿海流方向扩散的方向性特征，

14、，为方向注意力权重图；

15、多尺度上下文金字塔子模块：使用不同膨胀率的深度可分离空洞卷积分支与全局平均池化分支并行提取多尺度上下文特征，经通道拼接与卷积融合后输出多尺度上下文特征图；

16、噪声感知门控子模块：通过全局平均池化提取通道统计特征，经全连接层生成通道注意力门控；同时通过空间卷积生成空间注意力门控；门控机制的计算公式如下：

17、；

18、其中，为经过噪声感知门控调制后的特征图，表示多尺度上下文特征图；联合两路门控对特征进行调制，抑制海面波浪反光等背景噪声干扰；

19、各子模块输出与原始掩码特征图进行融合，得到增强后的掩码特征图。

20、进一步地，步骤s3中所述多尺度特征增强模块包括：

21、尺度注意力子模块：对各层级特征图分别进行全局平均池化，从中提取出全局语义描述符，

22、；

23、其中，表示捕获的第个尺度的聚合全局上下文信息的全局特征向量；

24、将所有层级的全局特征向量拼接后经尺度权重预测网络，该网络由两层全连接层、relu激活函数和softmax函数组成，为每个层级预测一个重要性权重标量，实现对不同尺度特征的自适应权重分配，计算公式如下：

25、

26、其中，为尺度权重预测网络输出的多尺度权重矩阵，分别表示捕获的第1，2，3个尺度的聚合全局上下文信息的全局特征向量；

27、残差尺度增强子模块：对每个层级特征图依次执行深度可分离卷积与逐点卷积完成特征增强；增强特征以可学习残差缩放因子乘以对应尺度权重后叠加至原始特征，构成残差增强输出，计算公式如下：

28、；

29、其中，为增强后的多尺度特征图，和分别为第个尺度特征图的高度和宽度，表示第维的原始特征，表示增强的分支特征，表示可学习残差缩放因子，表示第个尺度的自适应权重；所述可学习残差缩放因子初始化为零，确保训练初始阶段模块输出与输入完全一致。

30、进一步地，步骤s4中所述类别平衡查询注意力模块包括：

31、查询类别估计子模块：对变换器解码器中的查询特征向量经过分类网络输出每个查询向量对应海面油膜分割各类别的概率分布：

32、；

33、其中，表示预定义的若干个查询数量，表示分类网络，表示为语义类别数量；

34、类别感知重加权子模块：根据类别频率对数平滑权重与可学习权重调制因子，为每个查询向量计算类别重要性得分：

35、

36、其中，为每个批次中每个查询被估计为第个类别的概率，表示有效类别权重，经过对类权重向量引入可学习的类调制因子，即由计算得出，然后将其作为缩放因子施加于自注意力得分矩阵，以增强稀有类别查询向量的注意力响应，表示为第个类别的有效类别权重；

37、动态平衡因子子模块：根据当前批次内查询类别概率分布的信息熵估计类别不平衡程度，通过全连接网络动态输出平衡因子，对重加权注意力与原始注意力进行插值融合，使类别平衡强度自适应地随批次内类别分布变化。

38、进一步地，步骤s5中所述边界精炼模块包括：

39、轻量级边缘检测子模块：对掩码特征图各通道均值采用固定sobel算子分别计算水平与垂直方向梯度：

40、；

41、其中，为水平方向梯度，为垂直方向梯度，表示为由像素解码器得到的平均掩码特征，和分别表示水平和垂直梯度算子；取梯度幅值后归一化，生成与掩码预测等分辨率的边缘强度图；

42、边界注意力权重子模块：将所述边缘强度图经卷积、批归一化、relu-卷积和sigmoid网络，输出空间边界注意力权重图，突出油膜边缘区域，抑制非边界区域的干扰，具体表示为：

43、；

44、其中，为空间边界注意力权重，表示为边界概率图，是一个轻量级权重生成网络，表示函数；

45、残差精炼子模块：将最终掩码预测张量批量化后经卷积网络计算残差调整量并限制残差范围，与可学习残差缩放因子相乘后再与边界注意力权重点乘，最后叠加至原始掩码预测，具体表示为：

46、；

47、其中，为经过边界注意力权重调制后的精炼掩码预测，表示原始掩码预测，表示残差矫正项，受到可学习残差缩放因子的限制。

48、进一步地，步骤s6中所述自适应边界上采样模块包括：

49、对掩码原始logit张量始终采用标准双线性插值进行上采样，避免引入性能退化风险；

50、在上采样完成且经激活函数得到概率图之后，利用sobel算子在概率图上检测边缘位置，按边缘强度对概率值施加对比度增强项，使边界处的概率预测向0或1两极推移以锐化分割边界。

51、第二方面，本发明提供一种星地协同仿真检测系统，所述系统包括：

52、星载边缘处理子系统，用于以等效仿真方式构建并在地面计算平台上进行验证，模拟部署于低轨道卫星平台的在轨处理过程，包括：遥感图像采集单元，用于采集海面遥感图像；星载推理单元，用于模拟搭载于低轨道卫星平台的空间级可编程逻辑器件，在地面环境中运行经量化压缩的轻量化分割模型，对遥感图像执行快速检测推理，输出油污检测置信度图及粗分割掩码；自适应传输控制单元，用于根据置信度图执行差异化数据传输策略，确定需传输的数据内容，并生成对应的下传数据集合，包括置信度图、粗分割掩码及选择性保留的原始遥感图像数据；

53、地面接收与精炼子系统，包括：遥感数据接收单元，用于接收由自适应传输控制单元生成的下传数据集合；全模型推理单元，运行如上文所述的一种基于改进的mask2former海面石油泄漏语义分割方法，对接收的遥感图像执行精细分割，输出分割结果；

54、云端分析子系统，用于汇聚历史分割结果并向星载推理单元对应的仿真模块推送轻量化模型更新指令。

55、进一步地，所述星载推理单元中的轻量化分割模型为通过对如上文所述的一种基于改进的mask2former海面石油泄漏语义分割方法进行模型压缩与优化处理得到，包括：

56、以完整分割模型作为教师模型，通过蒸馏学习方式对轻量化学生模型进行训练，使学生模型在降低模型复杂度的同时保持较高的分割精度；

57、对学生模型进行整型量化处理，将浮点运算转换为低比特定点运算，以降低模型计算复杂度和存储需求，从而适配边缘处理器的计算资源约束；

58、根据各模块对分割性能的贡献程度，对完整模型中的部分计算分支进行裁剪，并保留对目标检测及边界识别具有显著作用的关键子模块，以降低模型参数量和计算量，使其满足边缘计算环境下的部署需求。

59、进一步地，所述自适应传输控制单元执行的差异化数据传输策略包括：

60、低置信度场景：当置信度图的最大置信度低于预设阈值时，判定当前遥感图像中不存在油污目标，仅传输辅助信息或低分辨率缩略图，以最小化数据传输量；

61、中等置信度场景：当最大置信度处于低置信度阈值与高置信度阈值时，判定当前图像中存在疑似油污目标，传输粗分割掩码及压缩后的遥感图像数据，以供地面端进一步分析与确认；

62、高置信度场景：当最大置信度高于预设阈值或存在目标边界结构复杂时，判定当前图像中存在高可信度油污目标，传输高分辨率遥感图像数据，以支持地面端运行完整改进mask2former模型执行高精度语义分割处理。

63、第三方面，本发明提供一种基于改进mask2former的海面石油泄漏语义分割装置，所述装置包括：

64、数据采集单元，用于获取海面遥感图像数据；

65、预处理单元，用于对遥感图像进行归一化、随机裁剪及数据增强；

66、语义分割单元，用于实现如上文所述的一种基于改进的mask2former海面石油泄漏语义分割方法；

67、结果输出单元，用于实时展示油污区域分割标注、面积统计及预警信息；当检测结果满足预设报警条件时，触发报警；

68、存储单元，用于存储语义分割模型参数及程序指令；

69、处理单元，与数据采集单元、预处理单元、语义分割单元及结果输出单元连接，用于协调各单元协同运行。

70、本发明的有益效果：

71、1. 有效解决海面石油泄漏场景中类别极端不平衡问题。通过类别平衡查询注意力模块的类别感知重加权机制与动态平衡因子，稀有类别的查询响应得到针对性增强，有效改善了小目标和稀有类别被主导类别抑制的问题，提升了稀有类别的分割精度；

72、2. 显著提升油膜边界分割精度。通过构建边界精炼模块与自适应边界上采样模块的协同优化机制，前者通过边界注意力权重将残差精炼约束于边界区域，后者在概率图上施加边界锐化后处理，二者共同解决了油膜边界模糊及上采样引入的边缘失真问题，使得油膜边缘更加清晰、连续，提升了分割结果的边界质量；

73、3. 显著增强对海面背景噪声的抑制能力。海洋场景上下文聚合模块通过方向性条形池化与噪声感知门控，结合通道注意力与空间注意力对特征进行联合调制，有效抑制了波浪反光、云层阴影等背景噪声干扰，降低了误判率；

74、4. 提升多尺度油膜目标的特征表达能力。多尺度特征增强模块通过尺度自适应权重分配与残差增强机制，使模型能够同时兼顾薄油膜、小尺度油迹以及大面积油污扩散等多尺度形态，提高整体分割性能与泛化能力；

75、5. 显著提升系统实时性与资源利用效率。本发明在传统语义分割方法基础上，引入面向低轨道卫星应用场景的星地协同处理架构，通过等效仿真方式构建星载边缘处理流程，将经模型压缩与量化优化的轻量化分割模型用于模拟在轨快速检测，实现遥感数据的初步筛选与目标定位；结合置信度驱动的数据选择机制，仅对候选区域或关键数据进行传输，减少无效数据占用；同时在地面端部署完整改进mask2former模型进行精细分割处理，云端负责模型更新与历史数据管理。该分级处理机制在保证分割精度的前提下，有效降低数据传输压力与计算资源消耗，提升系统整体响应效率与工程适用性。

76、6. 具备良好的工程可部署性与跨平台适配能力。本发明采用模块化与轻量化设计策略，各功能模块可灵活部署于不同计算平台，包括地面gpu服务器、嵌入式边缘计算设备以及等效星载计算环境；通过统一的数据处理流程与接口设计，实现多源遥感数据的高效处理与系统集成，能够满足海面石油泄漏监测在实时性、稳定性及资源受限条件下的应用需求，具有良好的工程推广价值。

77、本发明通过深度学习模型优化与星地协同渐进推理机制，实现对海面石油泄漏目标的高精度识别与边界提取。进一步地，本发明涉及软硬件协同设计方法，所述方法可部署于地面计算设备或边缘计算平台，并通过等效仿真方式验证面向低轨道卫星应用场景的星载处理流程，适用于海面油污的自动化监测与应急预警。