1.一种基于迁移重构的渔获多源融合数据集生成方法,其特征在于,包括:
将获取到的渔获观测数据划分为源域数据和目标域数据,其中,所述源域数据包括观测数据丰富的渔区对应的第一水下图像数据和第一鱼类行为数据,所述目标域数据包括观测数据稀疏的渔区对应的第二水下图像数据和第二鱼类行为数据;
基于环境入射光线特性分别对所述第一水下图像数据和所述第二水下图像数据进行边缘增强,得到第一增强水下图像数据和第二增强水下图像数据;
基于鱼鳞反光特性分别对所述第一增强水下图像数据和所述第二增强水下图像数据进行鱼类识别,生成所述源域数据对应的第一鱼类特征向量和所述目标域数据对应的第二鱼类特征向量;
以所述第一鱼类特征向量为训练样本,学习所述第一鱼类特征向量和所述第一鱼类行为数据的关联规律,并将所述关联规律迁移至所述目标域数据以对所述第二鱼类特征向量进行补全;
将补全后的所述第二鱼类特征向量和所述第二鱼类行为数据进行时空对齐,并将时空对齐后的数据和所述源域数据进行整合得到渔获多源融合数据集。
2.根据权利要求1所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,所述基于环境入射光线特性分别对所述第一水下图像数据和所述第二水下图像数据进行边缘增强,得到第一增强水下图像数据和第二增强水下图像数据,包括:分别提取所述源域数据和所述目标域数据中的环境入射光线特性参数;
基于所述环境入射光线特性参数分别将所述第一水下图像数据和所述第二水下图像数据划分为若干光照区域;
分别对所述第一水下图像数据和所述第二水下图像数据下的每一所述光照区域进行边缘增强;
对边缘增强后的每一所述光照区域进行融合,得到所述第一水下图像数据对应的第一增强水下图像数据和所述第二水下图像数据对应的第二增强水下图像数据。
3.根据权利要求2所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,所述基于所述环境入射光线特性参数分别将所述第一水下图像数据和所述第二水下图像数据划分为若干光照区域,包括:提取所述环境入射光线特性参数中的光线强度梯度分布,基于所述光线强度梯度分布分别将所述第一水下图像数据和所述第二水下图像数据划分为强光饱和区、弱光模糊区和正常光照区。
4.根据权利要求3所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,所述分别对所述第一水下图像数据和所述第二水下图像数据下的每一所述光照区域进行边缘增强,包括:基于自适应阈值压缩分别抑制所述第一水下图像数据和所述第二水下图像数据下所述强光饱和区的光线强度;
分别对所述第一水下图像数据和所述第二水下图像数据下的所述弱光模糊区进行顶帽变换;
采用边缘检测算子分别强化所述第一水下图像数据和所述第二水下图像数据下所述正常光照区的边缘轮廓。
5.根据权利要求1所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,所述基于鱼鳞反光特性分别对所述第一增强水下图像数据和所述第二增强水下图像数据进行鱼类识别,生成所述源域数据对应的第一鱼类特征向量和所述目标域数据对应的第二鱼类特征向量,包括:通过自适应阈值分割分别提取所述第一增强水下图像数据和所述第二增强水下图像数据中所有高于背景灰度的反光区域;
对每一所述反光区域进行频域分解得到对应所述反光区域的高频分量能量占比,并基于所述高频分量能量占比筛选出所有符合第一鱼鳞反光特性的候选鱼鳞反光区域,其中,所述第一鱼鳞反光特性包括所述高频分量能量占比超过第一阈值;
分析每一所述候选鱼鳞反光区域的反光点排列规律,并根据所述反光点排列规律筛选出所有符合第二鱼鳞反光特性的目标鱼鳞反光区域,其中,所述第二鱼鳞反光特性包括反光点密集度超过第二阈值;
对每一所述目标鱼鳞反光区域进行特征匹配,生成所述源域数据对应的第一鱼类特征向量和所述目标域数据对应的第二鱼类特征向量。
6.根据权利要求5所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,所述对每一所述反光区域进行频域分解得到对应所述反光区域的高频分量能量占比,并基于所述高频分量能量占比筛选出所有符合第一鱼鳞反光特性的候选鱼鳞反光区域,包括:采用多尺度小波变换对每一所述反光区域进行频域分解,得到对应所述反光区域的高频分量能量占比,并基于所述高频分量能量占比筛选出所有符合第一鱼鳞反光特性的候选鱼鳞反光区域。
7.根据权利要求5所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,所述分析每一所述候选鱼鳞反光区域的反光点排列规律,并根据所述反光点排列规律筛选出所有符合第二鱼鳞反光特性的目标鱼鳞反光区域,包括:基于空间分布熵分析每一所述候选鱼鳞反光区域的反光点排列规律,并根据所述反光点排列规律筛选出所有符合第二鱼鳞反光特性的目标鱼鳞反光区域。
8.根据权利要求1所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,所述以所述第一鱼类特征向量为训练样本,学习所述第一鱼类特征向量和所述第一鱼类行为数据的关联规律,并将所述关联规律迁移至所述目标域数据以对所述第二鱼类特征向量进行补全,包括:构建包含注意力机制的迁移学习模型,以所述第一鱼类特征向量为所述迁移学习模型的输入,以所述第一鱼类行为数据为所述迁移学习模型的输出,通过所述注意力机制学习所述第一鱼类特征向量和所述第一鱼类行为数据的非线性映射关系;
将所述第二鱼类特征向量输入优化后的所述迁移学习模型进行特征适配与缺失信息补全,生成与所述目标域数据对应渔情适配的完整鱼类特征向量,其中,所述特征适配被配置为将所述非线性映射关系适配所述第二鱼类特征向量。
9.根据权利要求8所述的基于迁移重构的渔获多源融合数据集生成方法,其特征在于,引入域适应损失函数优化所述迁移学习模型,其中,所述域适应损失函数被配置为以最小化所述第一鱼类特征向量和所述第二鱼类特征向量的特征分布距离为目标。
10.一种基于迁移重构的渔获多源融合数据集生成系统,其特征在于,包括:
数据划分模块,用于将获取到的渔获观测数据划分为源域数据和目标域数据,其中,所述源域数据包括观测数据丰富的渔区对应的第一水下图像数据和第一鱼类行为数据,所述目标域数据包括观测数据稀疏的渔区对应的第二水下图像数据和第二鱼类行为数据;
边缘增强模块,用于基于环境入射光线特性分别对所述第一水下图像数据和所述第二水下图像数据进行边缘增强,得到第一增强水下图像数据和第二增强水下图像数据;
鱼类识别模块,用于基于鱼鳞反光特性分别对所述第一增强水下图像数据和所述第二增强水下图像数据进行鱼类识别,生成所述源域数据对应的第一鱼类特征向量和所述目标域数据对应的第二鱼类特征向量;
迁移补全模块,用于以所述第一鱼类特征向量为训练样本,学习所述第一鱼类特征向量和所述第一鱼类行为数据的关联规律,并将所述关联规律迁移至所述目标域数据以对所述第二鱼类特征向量进行补全;
对齐融合模块,用于将补全后的所述第二鱼类特征向量和所述第二鱼类行为数据进行时空对齐,并将时空对齐后的数据和所述源域数据进行整合得到渔获多源融合数据集。