[发明专利]基于单目时空连续图像的网箱网衣破损监测方法及系统在审

专利信息
申请号: 201910425601.X 申请日: 2019-05-21
公开(公告)号: CN110335245A 公开(公告)日: 2019-10-15
发明(设计)人: 王景景;李嘉恒;王传旭;施威;闫正强;杜子俊;李爽;张海霞 申请(专利权)人: 青岛科技大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/593;G06T5/00;G06T5/50;G06T3/40;G06Q50/02
代理公司: 青岛联智专利商标事务所有限公司 37101 代理人: 王艳珍
地址: 266061 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 网衣 网衣破损 单目 非监督学习 初步图像 局部图像 连续图像 破损监测 网络模型 网箱网衣 整体图像 图像处理步骤 水下机器人 时空 破损检测 人力消耗 训练步骤 硬件配置 自动检测 监测 拼接 遮挡 扫描 相机 修复 检测 分析
【权利要求书】:

1.一种基于单目时空连续图像的网箱网衣破损监测方法,其特征在于,包括:

非监督学习网络模型训练步骤,训练得到非监督学习网络模型;

网衣图像处理步骤,包括:

(1)、采用单目相机对网衣进行扫描,获取多幅空间连续的网衣局部图像;

(2)、将网衣局部图像输入非监督学习网络模型,得到各网衣局部图像中不同语意的景深,将语意为网衣的像素进行分离,去除网衣局部图像中被遮挡的像素,得到网衣初步图像;

(3)、利用空间连续的网衣局部图像之间存在拍摄重叠区域,对网衣初步图像中被遮挡的区域进行修复和拼接,获得网衣整体图像;

(4)、对网衣整体图像进行破损检测,包括:

(41)、将网衣整体图像进行多级非抽取的小波分解,融合小波系数得到特征融合矩阵;

(42)、将特征融合矩阵划分成多个区域,对每个区域内的数据分布使用Gumbel分布模型建模,构造出每个矩形区域的对数似然映射;

(43)、对各矩形区域的对数似然映射进行二值化处理,实现网衣破损区域与非破损区域进行分割,得到网衣破损检测结果。

2.根据权利要求1所述的监测方法,其特征在于,所述非监督学习网络模型训练步骤包括:

(101)、采用双目相机对网衣进行拍摄,分别获得一组左源图Il和一组右源图Ir

(102)、将其中一组图像输入至所述非监督学习网络模型中进行卷积计算,生成两组相对应的视差图,分别为左视差图dl和右视差图dr

(103)、对dl和dr分别使用双线性采样器进行计算,反向生成左平面输入图像和右平面输入图像

(104)、将Il与的误差和Ir与的误差共同作为目标函数,训练所述非监督学习网络模型,确定模型参数。

3.根据权利要求1所述的监测方法,其特征在于,步骤(1)中对网衣进行扫描包括水平扫描和竖直扫描,获得多幅空间连续的网衣局部图像。

4.根据权利要求1所述的监测方法,其特征在于,步骤(3)中对网衣初步图像中被遮挡的区域进行修复和拼接之前还包括:

(30)、对各网衣初步图像进行几何角度旋转校正和亮度均衡处理。

5.根据权利要求1所述的监测方法,其特征在于,步骤(3)中对网衣初步图像中被遮挡的区域进行修复和拼接包括水平修复和拼接步骤以及竖直拼接步骤,其中,水平修复和拼接步骤包括:

(31)、选定包含同一场景的多幅图像,取该场景的完整图像作为基准图像;

(32)、以所述基准图像为中心,取其两侧相邻的图像,分别比较所述基准图像与其两侧相邻的图像重合区域内的网衣像素的完整情况,将两侧相邻的图像中包含而基准图像中不包含的网衣像素填充到基准图像中,作为新的基准图像;

(32)、继续向所述基准图像的两侧取图像,并且所取图像与所述基准图像存在间隔,比较当前基准图像中与所取图像之间重合区域的完整情况,将所取图像中包含而基准图像中不包含的网衣像素填充到基准图像中,直至将所有与所述基准图像存在重合区域的图像查找并且填充完毕;

(33)、继续选定包含下一场景的多幅图像,直至所有场景的图像修复完成,将所有场景的图像拼接,得该基准图像所在深度的网衣水平完整图像;

竖直拼接步骤包括将所有的网衣水平完整图像在竖直方向上进行拼接,得到网衣整体图像。

6.根据权利要求5所述的监测方法,其特征在于,步骤(33)中还包括消除图像拼接产生的缝合斑痕的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛科技大学,未经青岛科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910425601.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top