[發明專利]一種用于水下復雜環境中的圖像目標識別方法

有效

• 申請號: 202011484533.3
• 申請日: 2020-12-15
• 公開（公告）號: CN112560870B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 徐健;張高興;邢文;張耕實;李娟
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06V20/05
• 分類號: G06V20/05;G06V10/50;G06V10/77;G06V10/764;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種用于水下復雜環境中的圖像目標識別方法，包括：步驟1：采用gamma變換對圖片進行預處理；步驟2：提取圖片方向梯度直方圖特征；步驟3：根據圖片模糊度進行特征選擇；步驟4：使用支持向量機進行訓練和測試；步驟5：利用步驟4訓練好的支持向量機進行圖像識別。本發明可以克服目前水下圖像庫不多，圖片背景復雜，理想的水下圖片稀少的困難，降低了在使用支持向量機進行水下圖像目標識別對于圖像的要求，而且還能保證快速性和準確性，同時降低目標特征維數，避免了在使用機器學習進行目標識別時由于樣本數量遠小于特征維數造成過擬合，提高了水下目標識別的速度和準確率。

技術領域

本發明涉及一種用于水下復雜環境中的圖像目標識別方法，屬于水下圖像目標識別領域。

背景技術

水下圖像目標識別是圖像識別領域的重要分支，具有廣闊的應用前景，使用傳統機器學習手段進行水下圖像目標識別無需大量的學習數據，能很好解決水下圖像可用樣本數據量不足的問題，但同時也帶來了新的困擾，為了能夠從少量學習數據中準確的提出目標特征，要求圖片中背景、光照等干擾的特征盡可能的少，對圖片質量要求較高，否則將會影響圖像目標識別的準確率。為了使圖像目標識別能克服當前理想目標圖像難以獲得的困難，能夠切合實際環境情況，滿足實際應用需求，一種基于機器學習的水下圖像目標檢測方法必須能夠從數量有限而且背景復雜的圖片中快速準確的提取出目標特征，確保該方法在非理想情況下的快速性和準確性。

發明內容

針對上述現有技術，本發明要解決的技術問題是提供一種用于水下復雜環境中的圖像目標識別方法，根據圖片中不同區域模糊度不同的特點，實現從背景復雜的水下圖像中快速且準確的提取待識別目標的特征，降低目標特征維數。

為解決上述技術問題，本發明的一種用于水下復雜環境中的圖像目標識別方法，包括以下步驟：

步驟1：采用gamma變換對圖片進行預處理；

步驟2：提取圖片方向梯度直方圖特征，具體為：設置滑框Block和單元框Cell的大小和移動步長，先提取Cell內的方向梯度直方圖特征，然后組成Block的特征，當Block劃過整張圖片，把所有Block的特征組合得到圖片的方向梯度直方圖特征向量；

步驟3：根據圖片模糊度進行特征選擇，利用拉普拉斯算子計算每一個Block的模糊度，滑框內的每個像素點的二階導數滿足：

其中，f(x,y)表式圖片中(x,y)處像素點的灰度值；

求得一個滑框內所有像素點的二階導數，然后求方差得到每個像素點的模糊度；設置覆蓋目標的滑框數量為m，選取模糊度較大的m個模糊度，然后按照每個模糊度對應像素點的滑框編號選取對應的HOG特征子向量并組合成一個一維的特征向量；

步驟4：使用支持向量機進行訓練和測試，具體為：首先設置支持向量機的高斯核函數，為參數γ和懲罰系數C賦予初值，然后使用步驟3得到的特征向量進行k-fold交叉折疊訓練，對支持向量機參數進行優化，并獲得所需要的支持向量；

步驟5：利用步驟4訓練好的支持向量機進行圖像識別，具體為：待識別圖像經過步驟1至步驟3得到對應的特征向量，將特征向量輸入步驟4訓練得到的支持向量機中，輸出識別結果。

本發明還包括：

步驟1中采用gamma變換對水下圖片進行預處理具體為：將圖片先轉化為單通道的灰度圖，然后轉化為矩陣形式，每一個元素是一個像素的灰度值，計算每個像素的新的灰度值，然后將圖像進行還原，新的灰度值滿足：

其中，輸入量為圖片中每一個像素點的灰度值g，γ為固定值。