一種水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法
【專利摘要】本發(fā)明屬于信息工程領(lǐng)域中的信息處理領(lǐng)域，具體涉及一種水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法。本發(fā)明包括：圖像去霧；灰度化；圖像穩(wěn)像；目標(biāo)分割；二值化；形狀特征提??；紋理特征提取；建立不同類型目標(biāo)特征庫；神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試。水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法具有處理實(shí)時(shí)性強(qiáng)、圖像綜合分析處理能力強(qiáng)、適用范圍廣等特點(diǎn)，能夠?qū)λ嬉苿?dòng)平臺在海霧等惡劣天氣環(huán)境下進(jìn)行實(shí)時(shí)的視頻圖像去霧和電子穩(wěn)像處理，并且能夠?qū)λ娑囝惸繕?biāo)進(jìn)行識別。
【專利說明】一種水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明專利屬于信息工程領(lǐng)域中的信息處理領(lǐng)域，具體涉及一種水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法。
【背景技術(shù)】
[0002]隨著高精度、高分辨率圖像傳感器以及高速數(shù)據(jù)采集和嵌入式處理系統(tǒng)的出現(xiàn)，使視頻圖像實(shí)時(shí)處理能力得到極大提高。也使得視覺系統(tǒng)在水面移動(dòng)平臺，如勘探船、運(yùn)輸船、無人艇、巡航艦等中的應(yīng)用也越來越廣泛，成為水面移動(dòng)平臺目標(biāo)探測、目標(biāo)特征提取與識別以及目標(biāo)跟蹤的重要手段。
[0003]目前水面移動(dòng)平臺中使用的視覺系統(tǒng)存在的不足主要體現(xiàn)在:
[0004]視覺系統(tǒng)的圖像自主分析處理能力不足，體現(xiàn)在:
[0005]由于在海浪和水面移動(dòng)平臺的運(yùn)行，攝像頭采集的視頻圖像會(huì)發(fā)生抖動(dòng)而變得模糊，會(huì)造成目標(biāo)圖像無法識別或識別錯(cuò)誤，且由于這一模糊中存在平移、旋轉(zhuǎn)、隨機(jī)抖動(dòng)等多種情況，所以處理復(fù)雜，目前現(xiàn)有的水面移動(dòng)平臺視覺系統(tǒng)缺乏這一處理能力；
[0006]由于海洋環(huán)境復(fù)雜，水面移動(dòng)平臺視覺系統(tǒng)所拍攝的視頻圖像經(jīng)常會(huì)受到海霧天氣情況的影響，造成所拍攝的視頻圖像模糊降質(zhì)、對比度低，影響圖像后續(xù)分析和處理。目前現(xiàn)有的視頻圖像增強(qiáng)處理大部分用于陸地圖像處理，對于水面不均勻的圖像海霧處理研究非常有限，水面移動(dòng)平臺視覺系統(tǒng)更是缺乏這一處理能力；
[0007]目前的水面移動(dòng)平臺的水面目標(biāo)的特征提取和識別大部分停留在水面船只的識另IJ，還不具有水面多類目標(biāo)(如島嶼、巖石、船只等)識別功能。
[0008]由于現(xiàn)有的軟件算法與硬件系統(tǒng)相匹配融合的能力不足，大部分水面移動(dòng)平臺的視覺系統(tǒng)都是與常規(guī)計(jì)算機(jī)相配合，起到環(huán)境或目標(biāo)監(jiān)視的輔助作用，靠人工與其他測量設(shè)備綜合分析之后作出判斷決策，不利于視頻圖像自主處理功能的實(shí)時(shí)實(shí)現(xiàn)。

【發(fā)明內(nèi)容】

[0009]本發(fā)明的目的在于提供一種適合于水面移動(dòng)平臺的水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法。
[0010]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0011]I)圖像去霧:對于海霧下對比度低的待識別目標(biāo)圖像進(jìn)行去霧增強(qiáng)清晰化處理，得到去霧清晰化的視頻圖像:
[0012]1.1)對海霧下的待識別目標(biāo)視頻圖像進(jìn)行幀差法背景提取得到初始背景；
[0013]1.2)對當(dāng)前同一背景下的待識別圖像視頻幀的第一幀進(jìn)行基于大氣散射物理模型的單幅圖像去霧處理，用處理前的圖片減去處理后的圖片得到該背景下的霧氣遮罩；
[0014]1.3)當(dāng)前同一背景下的所有視頻幀都減去這個(gè)霧氣遮罩得到當(dāng)前背景下待識別目標(biāo)視頻增強(qiáng)復(fù)原后的清晰化視頻序列；
[0015]1.4)背景更新，并返回步驟1.2)繼續(xù)執(zhí)行，輸出去霧后的清晰化待識別目標(biāo)視頻圖像；
[0016]2)灰度化:對上一步圖像去霧得到的清晰化的待識別目標(biāo)視頻圖像進(jìn)行灰度化處理；
[0017]3)圖像穩(wěn)像:對上一步得到的灰度化的待識別目標(biāo)圖像進(jìn)行圖像電子穩(wěn)像處理，消除由于海浪和水面移動(dòng)平臺運(yùn)動(dòng)抖動(dòng)而造成待識別目標(biāo)圖像模糊的影響，得到最終清晰化的待識別目標(biāo)圖像:
[0018]3.1)利用SIFT角點(diǎn)提取方法分別提取待識別目標(biāo)視頻圖像參考幀圖像的特征點(diǎn)集A和當(dāng)前幀圖像的特征點(diǎn)集B，這里參考幀是當(dāng)前幀的前一幀，當(dāng)前幀表示當(dāng)前正在進(jìn)行穩(wěn)像處理的視頻幀；
[0019]3.2)利用序列相似性檢測算法對3.1)中特征點(diǎn)集A和特征點(diǎn)集B進(jìn)行角點(diǎn)特征匹配；
[0020]3.3)對匹配后的特征點(diǎn)利用仿射模型求解特征點(diǎn)集A和B中匹配點(diǎn)的運(yùn)動(dòng)參數(shù)；
[0021]3.4)利用Kalman運(yùn)動(dòng)濾波方法得到當(dāng)前待識別圖像幀正常掃描對應(yīng)的運(yùn)動(dòng)參數(shù)；
[0022]3.5)將3.3)得到的圖像運(yùn)動(dòng)參數(shù)與3.4)得到的正常掃描對應(yīng)的運(yùn)動(dòng)參數(shù)相減得到攝像機(jī)的隨機(jī)抖動(dòng)對應(yīng)的運(yùn)動(dòng)參數(shù)，即需要對當(dāng)前幀進(jìn)行補(bǔ)償?shù)倪\(yùn)動(dòng)參數(shù)；
[0023]3.6)根據(jù)3.5)最終獲得的運(yùn)動(dòng)參數(shù)對當(dāng)前幀圖像進(jìn)行相應(yīng)的補(bǔ)償，重新執(zhí)行
3.1)繼續(xù)下一幀待識別目標(biāo)圖像的穩(wěn)像處理；
[0024]4)目標(biāo)分割:采用基于自適應(yīng)Mean-Shift的平滑分割算法對上一步最終清晰化的待識別目標(biāo)圖像進(jìn)行目標(biāo)背景的分割，提取目標(biāo)；
[0025]5)二值化:對上一步提取出的目標(biāo)進(jìn)行簡單的二值化操作，將目標(biāo)標(biāo)記為白色，背景為黑色，得到白色的目標(biāo)區(qū)域；
[0026]6)形狀特征提取:將上一步二值化得到的目標(biāo)區(qū)域，提取其14個(gè)形狀特征，包括面積特征、細(xì)長度特征、緊密度特征、凸包性特征、凸起度量以及6個(gè)Hu不變矩特征和3個(gè)仿射不變矩特征；
[0027]7)紋理特征提取:根據(jù)二值化得到目標(biāo)區(qū)域，得到穩(wěn)像處理后的原待識別目標(biāo)圖像中目標(biāo)區(qū)域，對該目標(biāo)區(qū)域進(jìn)行紋理特征的提取，得到目標(biāo)所對應(yīng)的6個(gè)紋理特征；
[0028]8)建立不同類型目標(biāo)特征庫:目標(biāo)圖像樣本經(jīng)過圖像分割、二值化之后提取其形狀特征和紋理特征得到；
[0029]9)神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試:將由目標(biāo)圖像樣本庫得到的目標(biāo)特征輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，然后將待識別目標(biāo)特征輸入到訓(xùn)練網(wǎng)絡(luò)中進(jìn)行識別，得到最終的識別結(jié)果。
[0030]本發(fā)明的有益效果在于:水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法具有處理實(shí)時(shí)性強(qiáng)、圖像綜合分析處理能力強(qiáng)、適用范圍廣等特點(diǎn)，能夠?qū)λ嬉苿?dòng)平臺在海霧等惡劣天氣環(huán)境下進(jìn)行實(shí)時(shí)的視頻圖像去霧和電子穩(wěn)像處理，并且能夠?qū)λ娑囝惸繕?biāo)進(jìn)行識別。解決了由于移動(dòng)平臺的快速移動(dòng)引起的圖像抖動(dòng)、由于水面海霧天氣下造成的圖像模糊以及水面目標(biāo)識別單一等造成的水面移動(dòng)平臺視覺系統(tǒng)圖像綜合處理分析功能不足，適應(yīng)性不強(qiáng)，以及軟件算法與硬件平臺融合不足引起的水面移動(dòng)平臺視頻圖像自主處理功能實(shí)時(shí)性不強(qiáng)的問題?！緦＠綀D】

【附圖說明】
[0031]圖1為水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理器總體結(jié)構(gòu)框圖；
[0032]圖2軟件實(shí)時(shí)處理顯示界面；
[0033]圖3水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法的算法框圖；
[0034]圖4視頻圖像增強(qiáng)處理流程圖；
[0035]圖5單幅圖像去霧框圖；
[0036]圖6視頻增強(qiáng)處理效果；
[0037]圖7基于特征點(diǎn)提取和Kalman濾波的電子穩(wěn)像算法流程圖；
[0038]圖8相鄰幀補(bǔ)償示意圖；
[0039]圖9視頻圖像穩(wěn)像處理效果；
[0040]圖10四種實(shí)驗(yàn)數(shù)據(jù)來源；
[0041]圖11軟件圖像處理效果。
【具體實(shí)施方式】
[0042]下面結(jié)合附圖對本發(fā)明做進(jìn)一步描述。
[0043]本發(fā)明的目的是提供一種適合于水面移動(dòng)平臺的水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法，重點(diǎn)解決的技術(shù)問題:解決由于移動(dòng)平臺的快速移動(dòng)引起的圖像抖動(dòng)、由于水面海霧天氣下造成的圖像模糊以及水面目標(biāo)識別單一等造成的水面移動(dòng)平臺視覺系統(tǒng)圖像綜合處理分析功能不足，適應(yīng)性不強(qiáng)，以及軟件算法與硬件平臺融合不足引起的水面移動(dòng)平臺視頻圖像自主處理功能實(shí)時(shí)性不強(qiáng)的問題。開發(fā)了適合于水面移動(dòng)平臺的視覺系統(tǒng)視頻圖像的實(shí)時(shí)處理方法:包括:前臺軟件處理實(shí)時(shí)顯示界面和后臺處理算法。與基于FPGA的實(shí)時(shí)高速視頻圖像采集和miniPC主機(jī)以及嵌入式操作系統(tǒng)VxWorks的視頻圖像實(shí)時(shí)處理平臺相對接，實(shí)現(xiàn)軟硬件平臺融合。
[0044]本系統(tǒng)工作原理是利用安裝在水面移動(dòng)平臺上的FPGA圖像采集模塊和攝像頭模塊進(jìn)行移動(dòng)平臺周圍水面目標(biāo)視頻圖像的采集，通過FPGA圖像采集模塊將采集到的視頻圖像傳輸?shù)窖b有VxWorks嵌入式系統(tǒng)的miniPC主機(jī)平臺上進(jìn)行視頻圖像的處理，然后將處理后的結(jié)果傳輸?shù)絍GA顯示裝置上顯示，并且控制伺服系統(tǒng)調(diào)節(jié)攝像頭的位置，實(shí)現(xiàn)對水面移動(dòng)平臺周圍場景的全方位視頻圖像獲取。在嵌入式操作平臺下，主要完成對FPGA圖像采集模塊傳輸?shù)囊曨l圖像進(jìn)行處理、伺服系統(tǒng)的控制以及將處理結(jié)果在顯示裝置上進(jìn)行顯示，這里對FPGA圖像采集模塊傳輸?shù)囊曨l圖像主要進(jìn)行以下處理:視頻圖像去霧、視頻圖像的電子穩(wěn)像和目標(biāo)識別；顯示裝置則主要顯示處理后的視頻圖像以及目標(biāo)識別的結(jié)果。
[0045]上圖中各部分注釋及作用:
[0046]水面目標(biāo):水面移動(dòng)平臺周圍場景中的目標(biāo)，是視覺系統(tǒng)要識別的對象，包括:船只、島嶼、礁石等，主要由移動(dòng)平臺上的攝像頭獲取。
[0047]攝像頭模塊:用來獲取水面移動(dòng)平臺周圍的場景信息，這里主要獲取的是移動(dòng)平臺周圍的視頻圖像；
[0048]FPGA圖像采集模塊:控制攝像頭模塊完成水面移動(dòng)平臺周圍場景視頻圖像的高速采集，并且將采集到的視頻圖像傳輸?shù)角度胧较到y(tǒng)平臺上進(jìn)行處理；[0049]嵌入式系統(tǒng):核心控制和視頻圖像處理器，該系統(tǒng)中的視頻圖像處理方法也是本專利的核心技術(shù)所在。主要功能是對水面移動(dòng)平臺周圍場景視頻圖像的處理，主要完成海霧下的視頻圖像去霧和視頻圖像電子穩(wěn)像得到清晰化的水面移動(dòng)平臺周圍場景視頻，并通過對清晰化后的視頻圖像進(jìn)行目標(biāo)分割、目標(biāo)特征提取從而實(shí)現(xiàn)對水面移動(dòng)平臺周圍場景中的目標(biāo)識別，并且通過對伺服系統(tǒng)的控制從而調(diào)節(jié)攝像頭方向，從而更好的獲取水面移動(dòng)平臺周圍場景的目標(biāo)圖像；
[0050]伺服系統(tǒng):用來帶動(dòng)視覺系統(tǒng)平臺姿態(tài)調(diào)整，主要是調(diào)節(jié)攝像頭的位置方便對水面移動(dòng)平臺周圍場景信息的實(shí)時(shí)獲取；
[0051]顯示裝置:對經(jīng)過嵌入式系統(tǒng)平臺去霧、穩(wěn)像處理后清晰化的水面移動(dòng)平臺周圍場景圖像和目標(biāo)識別結(jié)果進(jìn)行實(shí)時(shí)顯示。
[0052]水面移動(dòng)平臺上的FPGA圖像采集模塊和攝像頭模塊將采集到的移動(dòng)平臺周圍場景視頻圖像傳輸?shù)角度胧较到y(tǒng)平臺中，在嵌入式系統(tǒng)下按照如圖3所示的算法步驟進(jìn)行視頻圖像處理，從而實(shí)現(xiàn)實(shí)時(shí)的視頻圖像分析處理和目標(biāo)識別。
[0053]本水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法主要由目標(biāo)預(yù)處理與檢測模塊、特征提取模塊和神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試模塊三大核心部分組成。其中算法框圖中的待識別目標(biāo)圖像是嵌入式系統(tǒng)平臺接收到的由FPGA圖像采集模塊和攝像頭模塊采集的水面移動(dòng)平臺周圍場景的視頻圖像；目標(biāo)圖像樣本則是搜集大量的海上島嶼、礁石和各種不同類型的船所組成的圖像樣本庫。目標(biāo)預(yù)處理與檢測模塊主要功能是對水面移動(dòng)平臺周圍的目標(biāo)圖像進(jìn)行去霧、穩(wěn)像、目標(biāo)分割便于提取該目標(biāo)圖像中待識別目標(biāo)的特征，以及對目標(biāo)圖像樣本中的大量樣本進(jìn)行目標(biāo)分割便于后面提取這些已知目標(biāo)樣本的特征。特征提取模塊主要完成對待識別目標(biāo)和目標(biāo)圖像樣本中的已知目標(biāo)進(jìn)行特征提取，便于后續(xù)利用這些特征進(jìn)行神經(jīng)網(wǎng)絡(luò)識別。神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試模塊主要功能是利用BP神經(jīng)網(wǎng)絡(luò)將前面提取到的待識別目標(biāo)特征和目標(biāo)圖像樣本庫中已知目標(biāo)的樣本特征進(jìn)行匹配分類識別，從而最終實(shí)現(xiàn)對于水面移動(dòng)平臺周圍場景目標(biāo)的識別。
[0054]對于圖3所示算法流程中，為了提高水面移動(dòng)平臺視覺系統(tǒng)視頻圖像算法識別的速度和實(shí)時(shí)性，目標(biāo)圖像樣本庫中的已知目標(biāo)圖像樣本的特征一般在該平臺投入使用之前就可提取出來，然后在水面移動(dòng)平臺使用過程中只需要提取水面移動(dòng)平臺周圍場景中的待識別目標(biāo)圖像中的目標(biāo)特征，然后將待識別目標(biāo)特征和已知的樣本庫特征輸入到神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識別。
[0055]對于待識別目標(biāo)圖像處理的算法步驟是:
[0056]I)圖像去霧:對于海霧下對比度低的待識別目標(biāo)圖像進(jìn)行去霧增強(qiáng)清晰化處理，得到去霧清晰化的視頻圖像:
[0057]1.1)對海霧下的待識別目標(biāo)視頻圖像進(jìn)行幀差法背景提取得到初始背景；
[0058]1.2)對當(dāng)前同一背景下的待識別圖像視頻幀的第一幀進(jìn)行基于大氣散射物理模型的單幅圖像去霧處理，用處理前的圖片減去處理后的圖片得到該背景下的霧氣遮罩；
[0059]1.3)當(dāng)前同一背景下的所有視頻幀都減去這個(gè)霧氣遮罩得到當(dāng)前背景下待識別目標(biāo)視頻增強(qiáng)復(fù)原后的清晰化視頻序列；
[0060]1.4)背景更新，并返回步驟1.2)繼續(xù)執(zhí)行，輸出去霧后的清晰化待識別目標(biāo)視頻圖像；[0061]2)灰度化:對上一步圖像去霧得到的清晰化的待識別目標(biāo)視頻圖像進(jìn)行灰度化處理；
[0062]3)圖像穩(wěn)像:對上一步得到的灰度化的待識別目標(biāo)圖像進(jìn)行圖像電子穩(wěn)像處理，消除由于海浪和水面移動(dòng)平臺運(yùn)動(dòng)抖動(dòng)而造成待識別目標(biāo)圖像模糊的影響，得到最終清晰化的待識別目標(biāo)圖像:
[0063]3.1)利用SIFT角點(diǎn)提取方法分別提取待識別目標(biāo)視頻圖像參考幀圖像的特征點(diǎn)集A和當(dāng)前幀圖像的特征點(diǎn)集B，這里參考幀是當(dāng)前幀的前一幀，當(dāng)前幀表示當(dāng)前正在進(jìn)行穩(wěn)像處理的視頻幀；
[0064]3.2)利用序列相似性檢測算法對3.1)中特征點(diǎn)集A和特征點(diǎn)集B進(jìn)行角點(diǎn)特征匹配；
[0065]3.3)對匹配后的特征點(diǎn)利用仿射模型求解特征點(diǎn)集A和B中匹配點(diǎn)的運(yùn)動(dòng)參數(shù)；
[0066]3.4)利用Kalman運(yùn)動(dòng)濾波方法得到當(dāng)前待識別圖像幀正常掃描對應(yīng)的運(yùn)動(dòng)參數(shù)；
[0067]3.5)將3.3)得到的圖像運(yùn)動(dòng)參數(shù)與3.4)得到的正常掃描對應(yīng)的運(yùn)動(dòng)參數(shù)相減得到攝像機(jī)的隨機(jī)抖動(dòng)對應(yīng)的運(yùn)動(dòng)參數(shù)，即需要對當(dāng)前幀進(jìn)行補(bǔ)償?shù)倪\(yùn)動(dòng)參數(shù)；
[0068]3.6)根據(jù)3.5)最終獲得的運(yùn)動(dòng)參數(shù)對當(dāng)前幀圖像進(jìn)行相應(yīng)的補(bǔ)償，重新執(zhí)行
3.1)繼續(xù)下一幀待識別目標(biāo)圖像的穩(wěn)像處理；
[0069]4)目標(biāo)分割:采用基于自適應(yīng)Mean-Shift的平滑分割算法對上一步最終清晰化的待識別目標(biāo)圖像進(jìn)行目標(biāo)背景的分割，提取目標(biāo)；
[0070]5)二值化:對上一步提取出的目標(biāo)進(jìn)行簡單的二值化操作，將目標(biāo)標(biāo)記為白色，背景為黑色，得到白色的目標(biāo)區(qū)域；
[0071]6)形狀特征提取:將上一步二值化得到的目標(biāo)區(qū)域，提取其14個(gè)形狀特征，包括面積特征、細(xì)長度特征、緊密度特征、凸包性特征、凸起度量以及6個(gè)Hu不變矩特征和3個(gè)仿射不變矩特征；
[0072]7)紋理特征提取:根據(jù)二值化得到目標(biāo)區(qū)域，得到穩(wěn)像處理后的原待識別目標(biāo)圖像中目標(biāo)區(qū)域，對該目標(biāo)區(qū)域進(jìn)行紋理特征的提取，得到目標(biāo)所對應(yīng)的6個(gè)紋理特征；
[0073]8)建立不同類型目標(biāo)特征庫:目標(biāo)圖像樣本經(jīng)過圖像分割、二值化之后提取其形狀特征和紋理特征得到；
[0074]9)神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試:將由目標(biāo)圖像樣本庫得到的目標(biāo)特征輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，然后將待識別目標(biāo)特征輸入到訓(xùn)練網(wǎng)絡(luò)中進(jìn)行識別，得到最終的識別結(jié)果。
[0075]其中各模塊功能如下:
[0076]圖像去霧:海霧下視頻圖像嚴(yán)重降質(zhì)，照成目標(biāo)模糊，很難進(jìn)行目標(biāo)特征提取，因此這里在海霧下利用大氣散射物理模型的去霧方法進(jìn)行去霧清晰化處理，便于后續(xù)的穩(wěn)像和圖像分割處理；
[0077]圖像穩(wěn)像:水面移動(dòng)平臺在高速移動(dòng)時(shí)攝像頭采集進(jìn)來的圖像會(huì)由于抖動(dòng)而模糊，因此這里對移動(dòng)平臺拍攝視頻圖像進(jìn)行穩(wěn)像處理，便于后續(xù)目標(biāo)背景分離；
[0078]圖像分割:采用自適應(yīng)的Mean-Shift圖像分割算法進(jìn)行目標(biāo)背景的分離，提取目標(biāo)，便于后續(xù)的目標(biāo)特征提?。籟0079]特征提取:對前面分割出來的目標(biāo)進(jìn)行紋理特征和形狀特征提取，其中形狀特征主要包括hu矩特征、仿射不變炬特征以及輪廓特征(面積特征、細(xì)長度特征、緊密度特征、凸包性特征、凸起度量)；
[0080]神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試:將前面提取的目標(biāo)特征輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行識別，給出識別結(jié)果。
[0081]實(shí)施例
[0082]1.視頻圖像去霧處理實(shí)施例
[0083]水面移動(dòng)平臺視頻圖像去霧流程圖如下圖4所示?；驹?對有霧的待識別視頻圖像序列，首先選取第一幀作為參考幀，并且對該幀圖像進(jìn)行去霧清晰化處理，得到當(dāng)前幀的去霧后的視頻幀以及霧氣遮罩，然后對處于同一背景下的視頻幀減去之前求得的霧氣遮罩就能實(shí)現(xiàn)去霧清晰化處理，并且能大大減少去霧時(shí)間，若幀差法背景提取發(fā)現(xiàn)背景變化較大，則需要重新提取視頻背景以及重新計(jì)算一次霧氣遮罩。其中對于單幅視頻幀進(jìn)行去霧清晰化處理的原理是:先對待識別目標(biāo)圖像進(jìn)行分割，通過分析天空區(qū)域特征，得到天空亮度估計(jì)值，然后根據(jù)暗原色先驗(yàn)理論求取透射率，在此基礎(chǔ)上通過求解大氣散射物理模型，從而實(shí)現(xiàn)單幅圖像的清晰處理。
[0084]具體程序?qū)崿F(xiàn)步驟如下:
[0085]I)對攝像頭采集到的視頻幀序列利用幀差法進(jìn)行背景提取；
[0086]2)對當(dāng)前同一背景下的一串視頻幀的第一幀進(jìn)行單幅圖像去霧處理，并且用處理前的圖片減去處理后的圖片得到該背景下的霧氣遮罩；
[0087]3)當(dāng)前同一背景下的所有視頻幀都減去該霧氣遮罩得到增強(qiáng)復(fù)原以后的視頻序列；
[0088]4)背景更新，并返回步驟2繼續(xù)執(zhí)行，最終輸出去霧后的清晰化視頻。
[0089]單幅圖像去霧算法介紹如下:
[0090]上面步驟2中所用到的單幅圖像去霧算法框圖如圖5所示:
[0091]I)天空亮度A的估計(jì):采用3*3的中值濾波對圖片進(jìn)行預(yù)處理,接著進(jìn)行canny邊緣檢測，然后利用Hough變換進(jìn)行直線檢測，并提取Hough變換得到的最長線段即海天線，在原圖像海天線區(qū)域上方提取最亮點(diǎn)得到天空亮度A ;
[0092]2)透射率估計(jì):根據(jù)暗原色先驗(yàn)理論求取透射率，透射率求取公式如下:
[0093]
【權(quán)利要求】
1.一種水面移動(dòng)平臺視覺系統(tǒng)圖像分析處理方法，其特征在于: .1)圖像去霧:對于海霧下對比度低的待識別目標(biāo)圖像進(jìn)行去霧增強(qiáng)清晰化處理，得到去霧清晰化的視頻圖像: .1.1)對海霧下的待識 別目標(biāo)視頻圖像進(jìn)行幀差法背景提取得到初始背景； .1.2)對當(dāng)前同一背景下的待識別圖像視頻幀的第一幀進(jìn)行基于大氣散射物理模型的單幅圖像去霧處理，用處理前的圖片減去處理后的圖片得到該背景下的霧氣遮罩； .1.3)當(dāng)前同一背景下的所有視頻幀都減去這個(gè)霧氣遮罩得到當(dāng)前背景下待識別目標(biāo)視頻增強(qiáng)復(fù)原后的清晰化視頻序列； .1.4)背景更新，并返回步驟1.2)繼續(xù)執(zhí)行，輸出去霧后的清晰化待識別目標(biāo)視頻圖像； .2)灰度化:對上一步圖像去霧得到的清晰化的待識別目標(biāo)視頻圖像進(jìn)行灰度化處理； . 3)圖像穩(wěn)像:對上一步得到的灰度化的待識別目標(biāo)圖像進(jìn)行圖像電子穩(wěn)像處理，消除由于海浪和水面移動(dòng)平臺運(yùn)動(dòng)抖動(dòng)而造成待識別目標(biāo)圖像模糊的影響，得到最終清晰化的待識別目標(biāo)圖像: .3.1)利用SIFT角點(diǎn)提取方法分別提取待識別目標(biāo)視頻圖像參考幀圖像的特征點(diǎn)集A和當(dāng)前幀圖像的特征點(diǎn)集B，這里參考幀是當(dāng)前幀的前一幀，當(dāng)前幀表示當(dāng)前正在進(jìn)行穩(wěn)像處理的視頻幀； .3.2)利用序列相似性檢測算法對3.1)中特征點(diǎn)集A和特征點(diǎn)集B進(jìn)行角點(diǎn)特征匹配； .3.3)對匹配后的特征點(diǎn)利用仿射模型求解特征點(diǎn)集A和B中匹配點(diǎn)的運(yùn)動(dòng)參數(shù)； .3.4)利用Kalman運(yùn)動(dòng)濾波方法得到當(dāng)前待識別圖像幀正常掃描對應(yīng)的運(yùn)動(dòng)參數(shù)； .3.5)將3.3)得到的圖像運(yùn)動(dòng)參數(shù)與3.4)得到的正常掃描對應(yīng)的運(yùn)動(dòng)參數(shù)相減得到攝像機(jī)的隨機(jī)抖動(dòng)對應(yīng)的運(yùn)動(dòng)參數(shù)，即需要對當(dāng)前幀進(jìn)行補(bǔ)償?shù)倪\(yùn)動(dòng)參數(shù)； .3.6)根據(jù)3.5)最終獲得的運(yùn)動(dòng)參數(shù)對當(dāng)前幀圖像進(jìn)行相應(yīng)的補(bǔ)償，重新執(zhí)行3.1)繼續(xù)下一幀待識別目標(biāo)圖像的穩(wěn)像處理； 4)目標(biāo)分割:采用基于自適應(yīng)Mean-Shift的平滑分割算法對上一步最終清晰化的待識別目標(biāo)圖像進(jìn)行目標(biāo)背景的分割，提取目標(biāo)； 5)二值化:對上一步提取出的目標(biāo)進(jìn)行簡單的二值化操作，將目標(biāo)標(biāo)記為白色，背景為黑色，得到白色的目標(biāo)區(qū)域； 6)形狀特征提取:將上一步二值化得到的目標(biāo)區(qū)域，提取其14個(gè)形狀特征，包括面積特征、細(xì)長度特征、緊密度特征、凸包性特征、凸起度量以及6個(gè)Hu不變矩特征和3個(gè)仿射不變矩特征； 7)紋理特征提取:根據(jù)二值化得到目標(biāo)區(qū)域，得到穩(wěn)像處理后的原待識別目標(biāo)圖像中目標(biāo)區(qū)域，對該目標(biāo)區(qū)域進(jìn)行紋理特征的提取，得到目標(biāo)所對應(yīng)的6個(gè)紋理特征； 8)建立不同類型目標(biāo)特征庫:目標(biāo)圖像樣本經(jīng)過圖像分割、二值化之后提取其形狀特征和紋理特征得到； 9)神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試:將由目標(biāo)圖像樣本庫得到的目標(biāo)特征輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，然后將待識別目標(biāo)特征輸入到訓(xùn)練網(wǎng)絡(luò)中進(jìn)行識別，得到最終的識別結(jié)果。
【文檔編號】G06K9/66GK103902972SQ201410105371
【公開日】2014年7月2日 申請日期:2014年3月21日 優(yōu)先權(quán)日:2014年3月21日
【發(fā)明者】馬忠麗, 文杰, 劉宏達(dá) 申請人:哈爾濱工程大學(xué)