[发明专利]基于联合分割和傅里叶描述子库的水下目标图像识别方法

摘要

本发明涉及图像分割与识别技术，旨在提供一种基于联合分割和傅里叶描述子库的水下目标图像识别方法。本发明基于灰度信息的多阈值分割以及基于色彩信息的HSV空间分割两种分割算法的联合，利用灰度和色彩两种最基础的信息对图像进行分割，提高了分割的准确率。在分割完成后，对目标的形状进行识别。本发明选用傅里叶描述子刻画形状特征，确定形状采用的是特征比较分类，建立傅里叶描述子库，把识别问题转化为聚类问题，相比于直接利用特征算子进行形状识别，可扩展性更高。采用多阈值分割算法以及HSV色彩分割算法，发展比较成熟，应用广泛，易于掌握。采用傅里叶描述子库进行分类识别可以方便地扩展分类库，适用于不同场景。

主权项

1.一种基于联合分割和傅里叶描述子库的水下目标图像识别方法，其特征在于，该方法包括基于HSV色彩分割与多阈值迭代的分割，以及对分割后目标进行基于傅里叶描述子库的识别；并以欧氏距离作为形状失真度的刻画标准，通过求取平均欧氏距离来降低识别误差；具体包括以下步骤：/n(1)以水下摄像设备采集训练目标的图像，对图像进行灰度化处理；使用多阈值迭代分割技术对灰度化的图像进行阈值分割，初步分割出目标区域，目标区域与背景分别用1，0二值化表示；/n(2)根据环境设置底色，使用HSV色彩空间分割技术对原始图像进行分割；利用彩色信息特征分割出目标区域，分割后的图像采用二值化表示；/n(3)将步骤(1)和(2)中的处理结果进行比对，二值图叠加，根据阈值划分的二值图，高于阈值为1，低于阈值为0；若某区域二值差异超过20％则认为处理的重合率低，该区域对比度不足处理误差大，应予以删除舍去；若某区域二值结果差异在20％以内，则认为某区域二值基本相同重合率高，该区域处理后特征明显，应予以保留；处理后生成新的二值图；对合成后的目标区域边缘进行平滑处理，该目标区域就是基于多阈值分割与HSV色彩分割的联合分割算法分割后的结果；/n(4)基于训练目标的颜色、形状和水深环境，为每一训练目标的图像提取出一个傅里叶描述子，用于刻画目标区域的形状特征；/n(5)将全部的傅里叶描述子组合，建立一个傅里叶描述子库，该傅里叶描述子库包含所有训练目标的形状特征，并根据形状和颜色进行分类；/n(6)以水下摄像设备采集待测目标的图像后，按步骤(1)-(3)对图像进行处理，并提取待测目标的归一化傅里叶描述子；/n(7)采用KNN分类，计算待测目标的傅里叶描述子与傅里叶描述子库中各描述子之间的欧氏距离，该欧氏距离代表待测目标与库中训练目标的形状相似度；/n(8)选取欧式距离最小，即与待测目标形状最接近的那组描述子，该组描述子对应的形状最有可能是待测目标的形状；/n(9)选取库中与待测目标形状最接近的n组傅里叶描述子，n的取值与傅里叶描述子库的样本数有关，其确定方法如下：将待测目标与傅里叶描述子库各描述子间的欧氏距离按照递增顺序排列，选取与步骤(8)中最小欧式距离相差5％以内的描述子，选取出来的组数即为n；/n(10)确定这n组所在类别的出现频率，并计算平均欧式距离，返回这n组中出现频率最高的形状组别作为待测目标的形状，其平均欧式距离即为该待测目标的失真度。/n