[發明專利]適用于河道的漂浮物識別方法與系統、設備、介質

在審

• 申請號: 202110385058.2
• 申請日: 2021-04-09
• 公開（公告）號: CN113065486A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 張楠;吳振鋒;姜鑫;何加浪;唐鵬;董一舟
• 申請（專利權）人: 中電科數字科技（集團）有限公司;中電科數智科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34;G06K9/46;G06T7/187;G06N3/04
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種適用于河道的漂浮物識別方法，其特征在于，包括如下步驟：

步驟S1：采集待監測區域的圖像，對采集的圖像進行預處理；

步驟S2：利用生長區域的識別算法對預處理后的圖像進行語義劃分，提取待監測區域的特征值，確定待監測區域的輪廓；

步驟S3：確定好待監測區域的輪廓后，對待監測區域的漂浮物進行分類，利用標準圖像數據集對神經網絡進行識別訓練，識別出漂浮物。

2.根據權利要求1所述的適用于河道的漂浮物識別方法，其特征在于，所述步驟S1中預處理過程包括利用均值濾波消除圖片噪聲、利用顏色空間轉換消除倒影的影響以及利用sobel算子提取圖像邊緣信息。

3.根據權利要求2所述的適用于河道的漂浮物識別方法，其特征在于，利用均值濾波消除圖片噪聲的計算公式如下：

其中，i為計算像素點的x坐標，j為計算像素點的y坐標，h為計算像素的步長，j+h為y軸變化的過程，i+1為選中像素的下一行的x坐標，i-1為選中像素的上一行的x坐標。

4.根據權利要求2所述的適用于河道的漂浮物識別方法，其特征在于，利用顏色空間轉換消除倒影的影響是將圖像的RGB空間轉換為HIS空間，轉換公式如下：

I＝(R+G+B)/3

其中，θ是轉換過程中的中間變量，R是RGB顏色空間中代表紅色分量的值，G是RGB顏色空間中代表綠色分量的值，B是RGB顏色空間中代表藍色分量的值，H是指色調值，S是指色飽和度，I是指亮度。

5.根據權利要求4所述的適用于河道的漂浮物識別方法，其特征在于，利用sobel算子提取圖像邊緣信息是對得到的HIS空間中的H值做基于sobel算子的邊緣提取，采用垂直方向和水平方向平方根的方式確定圖像邊緣值。

6.根據權利要求1所述的適用于河道的漂浮物識別方法，其特征在于，所述步驟S2包括如下步驟：

步驟S2.1：在經過預處理的圖像上隨機選取n個點作為區域生長的種子像素；

步驟S2.2：根據選取的n個種子節點向周圍擴展，計算周圍像素點的灰度值與種子節點的灰度值的差值ΔE，當差值ΔE≤設定閾值時，將擴展到的像素點位歸于種子節點的生長區域內；

步驟S2.3：如果存在點位的集合S，S內的所有點位均不屬于該圖像中的所有生長區域，則在S集合內重新選擇種子點位，再次產生生長區域；

步驟S2.4：重復步驟S2.2和步驟S2.3，直到所有的像素點都歸入到指定的種子節點產生的生長區域中；

步驟S2.5：合并生長區域；

步驟S2.6：根據灰度值范圍確定待監測區域的生長區域。

7.根據權利要求1所述的適用于河道的漂浮物識別方法，其特征在于，所述步驟S3包括如下步驟：

步驟S3.1：對常見的待監測區域的漂浮物進行分類；

步驟S3.2：選取多個數據集的圖像整合成本次訓練的數據集；

步驟S3.3：根據整合的數據集對神經網絡進行訓練；

步驟S3.4：從圖像采集源提取圖像信息，將經過預處理后的圖像進行識別，識別出漂浮物。

8.一種適用于河道的漂浮物識別系統，其特征在于，包括：

模塊M1：采集待監測區域的圖像，對采集的圖像進行預處理；

模塊M2：利用生長區域的識別算法對預處理后的圖像進行語義劃分，提取待監測區域的特征值，確定待監測區域的輪廓；

模塊M3：確定好待監測區域的輪廓后，對待監測區域的漂浮物進行分類，利用標準圖像數據集對神經網絡進行識別訓練，識別出漂浮物。

9.一種存儲有計算機程序的計算機可讀存儲介質，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。

10.一種適用于河道的漂浮物識別設備，其特征在于，包括權利要求8所述的適用于河道的漂浮物識別系統或權利要求9所述的存儲有計算機程序的計算機可讀存儲介質。