[发明专利]一种基于小波变换算法的水下海参图像处理方法及系统在审
| 申请号: | 201510291065.0 | 申请日: | 2015-05-29 |
| 公开(公告)号: | CN104951783A | 公开(公告)日: | 2015-09-30 |
| 发明(设计)人: | 李振波;徐银丽;乔曦;杨卫中;段作栋;郭传鑫;杜攀 | 申请(专利权)人: | 中国农业大学 |
| 主分类号: | G06K9/40 | 分类号: | G06K9/40;G06K9/52;G06K9/46 |
| 代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 李相雨 |
| 地址: | 100193 *** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 变换 算法 水下 海参 图像 处理 方法 系统 | ||
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于小波变换算法的水下海参图像处理方法及系统。
背景技术
数字图像由于成像系统、图像采集系统以及传输系统的不完善,往往存在大量的噪声而不能在视觉系统中直接使用,必须先对其进行灰度校正、噪声过滤等图像处理操作。图像处理与分析是机器视觉的核心部分。其中,图像处理的目的是为了消除噪声,抑制背景并突出目标物;而图像分析的最终目的则是实现目标的提取与识别,而为了达到这一目的,首先需要将目标与背景分割开,然后对目标进行表达和描述,对特征进行提取,最后利用模式识别技术实现目标物的识别。
水下环境具有特殊性,水作为传播介质也具有一些特性,因此在水下光视觉的研究中遇到一些典型的问题,例如,复杂的成像环境使水下海参图像对各种噪声和干扰比较敏感,造成获取水下海参图像成像质量不高而且信息冗余;在不同光照条件下,悬浮物以及水流等因素都给最终的视觉任务带来很大的影响。但光视觉有其他方法所不能比拟的优点:直观,信息量大,处理方法多样,并不断产生新的算法。因此,水下海参图像处理算法渐渐成为当今的研究热点。鉴于图像数据的复杂性,现在还没有一种通用的算法可以处理任意场景的图像,因此研究水下海参图像处理算法具有较高的研究价值和实际意义。
海参的价值海参(Sea cucumbers,holothurians)属于棘皮动物门(Echinodermata)、海参纲(Holothuroidea),是海洋中常见但非常重要的无脊椎动物。全球约有1200种海参分布于世界各大洋的潮间带至万米水深的海域,绝大多数营地栖生活附着在礁石、泥沙及海藻重生的地带,我国海域分布的有140多种,其中能食用的仅20种,占世界能食用海参种类的二分之一。海参具有很高的营养价值,与其他食物相比,海参的蛋白质含量高,脂肪含量低,氨基酸含量丰富,特别是人体必需氨基酸,并含有多种微量元素,如钙、镁盐及铁、锰等,是理想的滋补保健品。
目前常用的海参捕捞方法有拖网捕捞和人工潜水捕捞,拖网捕捞不仅造成海参的过多捕捞还破坏了海洋的生态环境,造成了海参资源锐减;人工捕捞则对潜水员的生命有着严重的威胁。因此随着人类对海洋的研究,越来越多的国内外学者把精力投入到了水下机器人的研究,利用机器视觉技术识别定位水下目标引导水下机器人工作有着很广阔的前景,而数字图像处理是机器视觉中的基础技术,因此能够研究出一种处理水下海参图像的算法尤为重要。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决或者减缓上述问题的基于小波变换算法的水下海参图像处理方法及系统。
根据本发明的一个方面,提供了一种基于小波变换算法的水下海参图像处理方法,该方法包括:
获取待处理的水下海参图像,并将所述水下海参图像转化为灰度图像;
采用小波函数对所述灰度图像进行分解,得到所述灰度图像的低频子带近似图像以及所述灰度图像在水平边缘、垂直边缘和对角线边缘的高频子带细节图像;
提取所述灰度图像的默认阈值,根据所述默认阈值对所述灰度图像在对角线边缘的高频子带细节图像进行阈值去噪;
对所述低频子带近似图像进行边缘增强;
对所述灰度图像在水平边缘和垂直边缘的高频子带细节图像、阈值去噪后的所述灰度图像在对角线边缘的高频子带细节图像以及边缘增强后的低频子带近似图像进行二维小波重构,得到小波变换后的水下海参图像。
可选的,所述采用小波函数对所述灰度图像进行分解,,具体为:采用coif2小波函数对所述灰度图像进行一层分解。
可选的,所述采用coif2小波函数对所述灰度图像进行一层分解,包括:
对所述灰度图像的每一行和每一列分别进行低通滤波处理;
对所述灰度图像的每一行和每一列分别进行高通滤波处理;
对低通滤波和高通滤波后的图像分别进行隔点抽样,得到所述灰度图像的低频子带近似图像以及所述灰度图像在水平边缘、垂直边缘和对角线边缘的高频子带细节图像。
可选的,所述提取所述灰度图像的默认阈值,具体为:采用阈值获取函数提取所述灰度图像的默认阈值。
可选的,所述对所述低频子带近似图像进行边缘增强,具体为:采用反锐化掩模法对所述低频子带近似图像进行边缘增强;
可选的,所述对所述灰度图像在水平边缘和垂直边缘的高频子带细节图像、阈值去噪后的所述灰度图像在对角线边缘的高频子带细节图像以及边缘增强后的低频子带近似图像进行二维小波重构,具体为:采用小波逆变换算法进行二维小波重构。
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中国农业大学,未经中国农业大学许可,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/201510291065.0/2.html,转载请声明来源钻瓜专利网。
- 上一篇:基于概率潜在语义分析模型的动态纹理识别和定位方法
- 下一篇:人脸识别系统





