[发明专利]一种基于机器视觉的水下网衣系统破损检测方法

权利要求书

1.一种基于机器视觉的水下网衣系统破损检测方法，其特征在于，该基于机器视觉的水下网衣系统破损检测方法包括网孔信息识别及网孔异常检测；

(一)网孔信息识别，包括网衣图像预处理、图像二值化、连通域分割、网衣特征梯度曲线构造，具体步骤如下：

(1)利用水下机器人对水下网衣进行视频采集，获取网衣局部图像；

(2)网衣图像预处理

(2.1)将网衣视频输入到计算机中，转化为单帧图像，设定网衣图像的主分析区域ROI，忽略图像边缘区域；

(2.2)将ROI区域内的网衣像素矩阵进行双边带滤波操作，在保留网衣边缘的同时去除其它噪声；

(2.3)对滤波后的网衣图像进行灰度处理，将原图像由RGB三通道变换为单通道灰度图；

(3)利用最大类间方差法即大津法对网衣单通道灰度图像进行二值化操作，通过不断调整自适应阈值来达到目标网衣与背景的最优分割，得到网衣网线与网孔的二值图；

(4)对网衣二值图像进行连通域分割，将网衣上的每个网孔分割开来作为单独的研究对象；

(4.1)对二值图像进行取反，转化研究对象，将以网衣边缘为研究对象转化为以网孔为分析目标，以便后续计算机对网孔进行识别分割；

(4.2)对网衣图像进行连通域分割，统计连通域的数目，使整体的网衣分割为多个独立的网孔；

(4.3)通过统计每个网孔内像素点的个数计算每个网孔的面积，将小面积噪声点及边缘不完整网孔面积值设为0；

(5)根据得到的网孔面积值得到面积升序曲线，并计算曲线的特征梯度，进而形成网衣特征梯度曲线；

(二)网孔异常检测，包括曲线峰值搜索、网孔异常阈值设定、网衣异常判别标准、网衣破损位置提取，具体步骤如下：

(1)搜索网衣特征梯度曲线的局部峰值K，并计算局部峰值平均值；当时，将K保存为K_j于集合P中；

(2)利用最大类间方差法，找到符合峰值的网孔异常阈值，此网孔异常阈值为自适应阈值，随网衣图像的变化自适应选择符合条件的阈值；

(3)根据网衣异常判别公式判别网孔是否有异常情况，即集合P中的最大峰值与最小峰值之间的差大于网孔异常阈值时，筛选出网孔异常点；

(4)根据网孔异常点，映射到网衣特征梯度曲线中，其纵坐标代表网衣破损程度，横坐标表示网衣破损位置；根据提取的网衣破损位置即可返回到网衣局部图像中确定破损情况。