[發明專利]一種水下圖像目標提取系統

在審

• 申請號: 201710424076.0
• 申請日: 2017-06-07
• 公開（公告）號: CN107274391A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 梧州市興能農業科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/181;G06K9/00
• 代理公司: 北京高航知識產權代理有限公司11530
• 代理人: 趙永強

1.一種水中圖像目標提取系統，其特征是，包括主控模塊、水下機器人模塊、圖像處理模塊、信息傳輸模塊和顯示模塊，所述主控模塊用于控制水下機器人模塊的運作和水下原始圖像的采集，所述圖像處理模塊用于對所述原始圖像進行處理，從而識別圖像中的目標，所述信息傳輸模塊用于將處理后的圖像信息傳輸到顯示模塊進行顯示。

2.根據權利要求1所述的一種水中圖像目標提取系統，其特征是，所述水下機器人模塊包括控制器單元、水下攝像單元和水下照明單元，所述控制器單元通過信息傳輸模塊接收來自主控模塊的指令，從而根據指令調整機器人的運行狀態，所述水下攝像單元用于采集水下的原始圖像，所述水下照明單元用于在水下攝像頭單元采集時進行照明。

3.根據權利要求2所述的一種水中圖像目標提取系統，其特征是，所述信息傳輸模塊采用防水電纜與主控模塊進行通信。

4.根據權利要求3所述的一種水中圖像目標提取系統，其特征是，所述圖像處理模塊包括高斯濾波單元、邊緣處理單元和形心提取單元，所述高斯濾波單元用于對采集得到的原始圖像進行處理，去除圖像中的噪聲等干擾，并實現圖像邊緣的精確定位，所述邊緣處理單元用于對濾波后圖像的邊緣進行處理，去除濾波后圖像中剩余的偽邊緣，所述形心提取單元用于根據檢測所得的圖像的輪廓提取目標的形心，從而實現目標的快速識別。

5.根據權利要求4所述的一種水中圖像目標提取系統，其特征是，所述高斯濾波單元用于對采集得到的水下的原始圖像進行高斯濾波處理，其采用一種改進的濾波尺度算法進行高斯濾波尺度參數的確定，具體包括：

a.對所述原始圖像進行分區域濾波，計算圖像的局部區域的組合復雜度因子，其計算方法如下：

Ex=Σi=m-(s-1)/2m+(s-1)/2Σj=n-(s-1)/2n+(s-1)/2XijS2]]>

ρx=Σi=m-(s-1)/2m+(s-1)/2Σj=n-(s-1)/2n+(s-1)/2(Xij-Ex)2S]]>

式中，E_x為圖像局部區域D_x的像素點的均值，ρ_x為圖像局部區域D_x的像素點的標準方差，(m,n)為圖像局部區域D_x的中心點，s為圖像局部區域D_x的行列值，X_ij為圖像局部區域D_x位置(i,j)處的像素點；

δx=-Σi=1hpi*logpi]]>

pi=ZiΣi=1hzi]]>

式中，δ_x為圖像局部區域D_x的信息熵值，h是圖像的總的灰度級，z_i為圖像局部區域D_x中灰度級為i的像素點總數，p_i為圖像局部區域D_x中灰度級為i的像素點數的概率；

定義圖像局部區域D_x位置(m_i,n_i)處的像素點為f(m_i,n_i),則圖像局部區域D_x位置(m_i,n_i)處中的像素點f(m_i,n_i)在θ方向的平均梯度值為ω_x；

ωx=Σi=1g(fmicosθ+fnisinθ)g]]> 1

式中，g為圖像局部區域D_x的像素點總數,為圖像局部區域D_x位置(m_i,n_i)處像素點的橫坐標值，為圖像局部區域D_x位置(m_i,n_i)處像素點的縱坐標值；

則圖像局部區域D_x的組合復雜度因子f_x的計算公式如下：

fx=θ1δx+θ2ωx+θ3ln(1+ρx)]]>

式中，δ_x為圖像局部區域的信息熵值，ρ_x為圖像局部區域D_x的像素點的標準方差，ω_x為圖像局部區域的平均梯度值，θ₁、θ₂和θ₃分別為圖像局部區域信息熵值、標準方差和平均梯度值在組合復雜度因子f_x中所占的比值；

b.根據上述所得的圖像局部區域的組合復雜度因子計算局部區域的濾波尺度因子p_x，則局部區域D_x的濾波尺度因子p_x的計算公式為：

px=pmax;fx=fminpmax(1-fxfmax-fmin);fmin<fx<fmax1;fx=fmax]]>

p_max＝log₂[max(H,L)]

式中，f_x是圖像局部區域D_x的局部復雜度，f_max是局部區域中的最大局部復雜度，f_min是圖像局部區域的最小局部復雜度，p_max是局部最小復雜度的濾波尺度因子，(H,L)是最小局部復雜度對應圖像局部區域的分辨率；

c.根據上述計算所得各局部區域的濾波尺度因子p_x，計算對應區域的高斯濾波參數σ_x的值為：

σx=px3]]>

6.根據權利要求5所述的一種水中圖像目標提取系統，其特征是，所述邊緣處理單元用于對濾波后的圖像進行處理，去除濾波后圖像中剩余的偽邊緣，具體包括：

a.計算濾波后圖像的梯度值，從而建立濾波后圖像的梯度直方圖，定義梯度直方圖中像素點數最多的梯度幅值為T_m，定義邊緣連接的高閾值y_m,則閾值y_m的計算公式為：

km=Σi=0N|Ti-Tm|N]]>

ym=Tm(1+ekm)]]>

式中，T_i為圖像的梯度幅值，T_m為梯度直方圖中像素點數最多的梯度幅值，N為圖像中梯度幅值的個數；

b.去除梯度直方圖中大于上述所得高閾值y_m的像素點，建立剩余像素點的梯度直方圖，定義剩余像素點的梯度直方圖中像素點數最多的梯度幅值為K_m，定義邊緣連接的低閾值y_l，則低閾值y_l的計算公式為：

gl=Σi=0M|Ki-Km|M]]>

yl=Km(1+egl)]]>

式中，K_i為剩余像素點的梯度直方圖中的梯度值,M為剩余像素點的梯度直方圖中梯度幅值的個數，K_m為剩余像素點的梯度直方圖中像素點數最多的梯度幅值；

c.去除梯度直方圖中大于閾值y_l的像素點，剩余的像素點即為圖像的邊緣。