[发明专利]一种基于机器视觉的水下目标识别方法

权利要求书

1.一种基于机器视觉的水下目标识别方法，其特征在于，包括以下步骤：

步骤1、对水下视频进行获取，对获取的图像进行初始化，其包含调整图像的大小以及图像的分辨率；

步骤2、对调整好大小和尺寸的图像进行灰度处理，获取灰度图像；

步骤3、对获取得到的灰度图像进行高斯滤波；

步骤4、获取高斯滤波之后的图像再对图像进行背景累积；

步骤5、在获取累积所得的背景图像之后，再通过当前实时的水下图像与背景图像进行帧间差分，获取动态的前景图像；

步骤6、获取前景图像之后对目标图像进行自适应二值化处理；

步骤7、在对图像进行二值化处理之后需要对图像进行膨胀处理；

步骤8、将图像中目标点像素的坐标输入数组，进行物体边界的求取然后将对应的坐标输入矩形框，对目标进行圈定；在图像输入一条警戒线的坐标，然后规定圈定的目标在警戒线之下的情况下进行报警。

2.如权利要求1所述的基于机器视觉的水下目标识别方法，其特征在于，步骤4的图像背景累积具体为:

dst(x,y)←(1-alpha)*dst(x,y)+alpha*src(x,y)，其中，src(x,y)为输入图像，dst(x,y)为输出图像，alpha为卷积参数，按照背景更新速度进行适当调整，取值在0～1之间。

3.如权利要求1所述的基于机器视觉的水下目标识别方法，其特征在于，步骤5具体为:

sl(x,y)＝src(x,y)-dst(x,y)，其中，dst(x,y)为累积获取的背景图像，src(x,y)为实时获取的前景图像，sl(x,y)为通过帧间虾粉所获取的目标前景图像。

4.如权利要求1所述的基于机器视觉的水下目标识别方法，其特征在于，步骤6具体为:利用OTSU算法对目标图像进行自适应二值化处理，首先，假设图像像素能够根据阈值，被分成背景[background]和目标[objects]两部分；然后，计算该最佳阈值来区分这两类像素，使得两类像素区分度最大，

设图像的总平均灰度为：u＝w0*u0+w1*u1，

前景和背景图像的方差：

g＝w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)＝w0*w1*(u0-u1)*(u0-u1)，

最佳阈值：sb＝w1*w2*(u1-u0)*(u0-u1)，

其中，t为前景与背景的分割阈值，w0为前景点数占图像比例，u0为平均灰度，w1为背景点数占图像比例，u1为平均灰度，

获取最佳阈值之后对图像进行逐点判断，规定大于此阈值的图像点像素设置为255，小于此像素值的点像素设置为0。

5.如权利要求1所述的基于机器视觉的水下目标识别方法，其特征在于，步骤7具体为：所述膨胀是将物体与接触的所有背景点合并到该物体中，使便捷向外部扩张的过程，其膨胀算法的步骤：

(1)采用3x3的结构元素，扫描图像的每一个像素；

(2)用结构元素与其覆盖的二值图像做“与”操作；

(3)如果都为0，结果图像的该像素为0。否则为1；

(4)结果：使二值图像扩大一圈。