[发明专利]水下照片珊瑚礁识别方法、系统及存储介质

权利要求书

1.一种水下照片珊瑚礁识别方法，其特征在于，包括：

获取水下珊瑚礁的图像数据，根据珊瑚礁图像数据赋予对应的珊瑚礁名称标签；

对获取的水下珊瑚礁图像数据进行预处理，通过色彩识别模块及边缘识别模块获取图像中的珊瑚礁的颜色种类、颜色排布方式及轮廓特征，输出特征数据；

利用输出的特征数据及对应的名称标签对珊瑚图像数据进行珊瑚礁种类的识别训练；

对待识别的水下珊瑚礁图像数据进行预处理，通过色彩识别模块及边缘识别模块获取图像中的珊瑚的颜色种类、颜色排布方式及轮廓特征，根据珊瑚礁种类识别模型对图像中的珊瑚礁的颜色、颜色排布方式及轮廓特征进行识别；

珊瑚礁种类识别模型识别时，依次对颜色、颜色排布方式及轮廓特征进行识别匹配；

若颜色特征输出的匹配结果等于1，则直接输出识别结果，若颜色特征输出的匹配结果大于1，则进入颜色排布方式匹配判定；

若颜色排布方式匹配的输出结果等于1，则直接输出识别结果，若颜色排布方式匹配的输出结果大于1，则进入轮廓特征匹配判定；

根据轮廓特征的匹配结果，输出识别结果。

2.根据权利要求1所述的水下照片珊瑚礁识别方法，其特征在于，图像数据的预处理步骤如下：

计算图像每个通道的像素均值；

将图像缩小到224*224像素；

将缩小后图像的各通道的像素值减去上述得到的像素均值，得到预处理后的图像数据。

3.根据权利要求2所述的水下照片珊瑚礁识别方法，其特征在于，边缘识别模块通过canny边缘检测或Scharr边缘检测方式获取珊瑚礁的轮廓特征。

4.根据权利要求1所述的水下照片珊瑚礁识别方法，其特征在于，所述珊瑚礁种类识别模型是经训练的Faster R-CNN网络模型，所述珊瑚礁种类识别模型的训练过程包括：

以珊瑚礁的颜色、颜色排布方式及轮廓特征为输入，对珊瑚礁种类识别模型进行训练，直至类识别模型收敛。

5.根据权利要求1所述的水下照片珊瑚礁识别方法，其特征在于，轮廓特征匹配过程中计算待测图像数据中轮廓特征对应数据库中各种类珊瑚礁对应特征的概率值，概率最高的类别即识别结果。

6.一种水下照片珊瑚礁识别系统，其特征在于，包括

拍照模块，搭载于水下设备上，用于获取水下珊瑚礁的图像数据；

色彩识别模块，用于获取预处理后图像数据中珊瑚礁的颜色及颜色排布方式；

边缘识别模块，用获取预处理后图像数据中珊瑚礁的轮廓特征；

图像处理识别模块，内含图像数据预数据处理单元及训练好的珊瑚礁种类识别模型；

所述图像数据预数据处理单元，用于对珊瑚礁图像数据进行前期的数据处理工作；

所述训练好的珊瑚礁种类识别模型，用于将获取的珊瑚礁的颜色、颜色排布方式及轮廓特征为输入，自动识别出图像数据中的珊瑚礁种类。

7.根据权利要求6所述的一种水下照片珊瑚礁识别系统，其特征在于，还包括显示屏，用于显示图像数据中珊瑚礁种类的识别结果。

8.根据权利要求6所述的一种水下照片珊瑚礁识别系统，其特征在于，所述图像数据预数据处理单元，具体用于：

计算图像每个通道的像素均值；

将图像缩小到224*224像素；

将缩小后图像的各通道的像素值减去上述得到的像素均值，得到预处理后的图像数据。

所述训练好的珊瑚礁种类识别模型，具体用于：

依次对颜色、颜色排布方式及轮廓特征进行识别匹配；

若颜色特征输出的匹配结果等于1，则直接输出识别结果，若颜色特征输出的匹配结果大于1，则进入颜色排布方式匹配判定；

若颜色排布方式匹配的输出结果等于1，则直接输出识别结果，若颜色排布方式匹配的输出结果大于1，则进入轮廓特征匹配判定；

根据轮廓特征的匹配结果，输出识别结果。

9.一种计算机可读的存储介质，其特征在于：所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现如权利要求1至5之一所述的水下照片珊瑚礁识别方法。