[发明专利]一种基于图像处理算法的深海网箱网衣检测方法

权利要求书

1.一种基于图像处理算法的深海网箱网衣检测方法，其特征在于，包括以下步骤：S1，获取传感器采集到的深海网箱网衣的彩色图像；

S2，对S1所得的彩色图像进行预处理；

S3，对S2所得图像中的网箱网衣目标进行目标检测；

S4，提取网箱网衣的边缘信息；

S5，对网箱网衣边缘信息进行线段化处理；

S6，对网箱网衣线段化信息进行分析处理；

S7，网箱网衣缺陷检测结果可视化；

所述步骤S7中，网箱网衣缺陷检测结果可视化，进一步包括以下步骤：

S71，采用Python的OpenCV库将分析结果与原始图像进行叠加和融合，生成可视化的图像或视频；

S72，根据缺陷类型和位置，选用矩形框、多边形填充、文字标注或颜色映射对缺陷区域进行标注，提高可视化效果；

S73，使用图形界面或动态交互方式，将图像或视频显示在屏幕或设备上，或通过网络或存储介质进行远程访问和共享；

S74，将可视化结果和缺陷信息保存为标准图片格式和标准视频格式；

所述步骤S4中，提取网箱网衣的边缘信息，进一步包括以下步骤：

S41，采用高斯滤波去除图像中的噪声信号；

S42，使用Sobel算子和梯度阈值确定图像的边缘位置；

S43，采用非最大抑制算法细化图像边缘位置，保留梯度最大的像素，过滤掉不相邻或低于梯度阈值的像素；

S44，对边缘像素进行高阈值和低阈值处理，边缘像素大于高阈值的被保留，低于低阈值的被过滤，介于两者之间的边缘像素如果与高阈值像素相邻则被保留，不相邻则被过滤；

S441.将通过非最大抑制算法细化之后的边缘像素进行阈值处理，用一个高阈值和一个低阈值来区分不同强度的边缘像素；

S442.对于每个像素，如果其强度值大于高阈值，则将该像素标记为边缘像素，并将其像素值设为1，表示该像素位于深海网箱的网衣位置，如果像素值小于低阈值，则将其标记为非边缘像素，并将其像素值设为0，表示该像素位于深海网箱网衣外；

S443.对于介于高阈值和低阈值之间的边缘像素，如果其与高阈值像素相邻，则将其标记为边缘像素，并将其像素值设为1；相邻的定义是指在8个方向中，至少有一个像素的像素值大于高阈值，如果该像素没有与高阈值像素相邻，则将其标记为非边缘像素，并将其像素值设为0，表示该像素位于深海网箱网衣外；

S444.通过进行阈值处理，可以将深海网箱网衣区域从图像中准确识别出来，并进一步进行分析、定位和控制等操作；

S45，使用曲线拟合方法将保留下的边缘像素连接成一条不间断的曲线，以表示网箱网衣的边缘；

所述步骤S5中，对网箱网衣边缘信息进行线段化处理，进一步包括以下步骤：

S51，采用Canny算法实现图像的边缘检测，将网箱网衣边缘提取出来；

S52，使用特征点匹配、拟合或跟踪的方法对边缘检测图像进行边缘连接，形成形状连续、封闭的边缘；

S53，采用霍夫变换或极大值抑制法对边缘进行线段检测，过滤掉噪声和不相关的直线；

S54，使用直线拟合算法将曲线形边缘拟合成直线或折线段；

S55，将线段化处理后的结果转化为数据和图像；

所述步骤S6中，对网箱网衣线段化信息进行分析处理，进一步包括以下步骤：

S61，采用图像分割技术将网箱网衣的具体结构从图像中分离出来；

S62，使用SIFT算法、SURF算法或ORB算法提取每个具体结构的代表性特征；

S63，采用监督学习方法训练一个分类模型，将缺陷视为一个分类问题，以区分出网箱网衣的正常部分和缺陷部分；

S64，综合考虑缺陷的尺寸、形状和纹理因素，使用形态学运算和纹理特征分析方法对缺陷进行检测和定位；

S65，分析网箱网衣缺陷的类型、数量和位置。