一種水面有霧圖像和清晰圖像的分類識(shí)別方法
【專利摘要】本發(fā)明屬于圖像識(shí)別領(lǐng)域，具體涉及一種水面有霧圖像和清晰圖像的分類識(shí)別方法。本發(fā)明包括：獲取水面待識(shí)別圖像：建立水面圖像數(shù)據(jù)庫：提取水面圖像特征：訓(xùn)練和學(xué)習(xí)水面圖像霧分類識(shí)別的特征：識(shí)別水面待識(shí)別有霧圖像和清晰圖像。本發(fā)明能夠大大提高水面航行器的視覺系統(tǒng)的智能性。特征提取簡單，用于識(shí)別的特征較少，識(shí)別率高；作為水面船舶或無人艇視覺系統(tǒng)的前期處理，具有自適應(yīng)判斷水面天氣環(huán)境的能力，能有效提局后期去霧、目標(biāo)檢測(cè)、跟蹤和識(shí)別的性能。
【專利說明】一種水面有霧圖像和清晰圖像的分類識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像識(shí)別領(lǐng)域，具體涉及一種水面有霧圖像和清晰圖像的分類識(shí)別方 法。

【背景技術(shù)】
[0002] 水面有霧圖像和清晰圖像的識(shí)別技術(shù)屬于圖像識(shí)別技術(shù)，目的是為了智能的識(shí)別 水面航行器當(dāng)前的環(huán)境，判斷是否需要進(jìn)行實(shí)時(shí)的視頻圖像去霧處理，能提高水面航行器 特別是無人艇這種高智能設(shè)備的智能性。我國海域遼闊，海、江、河流等地常常會(huì)出現(xiàn)霧的 環(huán)境，導(dǎo)致能見度低，影響人們的視覺，從而易出現(xiàn)迷失航向，甚至出現(xiàn)海難等嚴(yán)重問題。目 前已經(jīng)出現(xiàn)了許多視頻圖像去霧技術(shù)，能夠有效提高當(dāng)前場(chǎng)景的能見度，但是由于這些技 術(shù)僅僅針對(duì)有霧的圖像或視頻進(jìn)行增強(qiáng)處理，無法智能的判斷當(dāng)前場(chǎng)景是否需要進(jìn)行去霧 處理，對(duì)于清晰圖像進(jìn)行去霧處理不僅浪費(fèi)時(shí)間，對(duì)某些特殊場(chǎng)合如無人艇或?qū)椫茖?dǎo)等 會(huì)嚴(yán)重影響目標(biāo)的檢測(cè)、識(shí)別的實(shí)時(shí)性，而且對(duì)于清晰圖像的去霧處理甚至?xí)霈F(xiàn)處理后 圖像視覺性能變差的現(xiàn)象，因此研究水面有霧圖像和清晰圖像的識(shí)別技術(shù)意義重大，能有 效提高水面船舶，特別是無人艇的智能性。
[0003] 海霧天氣嚴(yán)對(duì)無人艇和水面船舶的安全航行有著嚴(yán)重的影響，每年因海霧造成的 船舶碰撞、觸礁、擱淺等海難事故常常發(fā)生。據(jù)統(tǒng)計(jì)，在日本近海發(fā)生了至少270次由于海 霧引起的海難。在1955年5月11日，"紫云丸"號(hào)與"第三宇高丸"號(hào)在日本瀨戶內(nèi)海相 撞，"紫云丸"沉沒，死亡人數(shù)達(dá)168人。在軍事上，水面有霧圖像和清晰圖像識(shí)別技術(shù)能有 效提高水面航行器的智能去霧能力和實(shí)時(shí)性，提高其在目標(biāo)檢測(cè)、跟蹤和識(shí)別的能力，甚至 提高導(dǎo)彈制導(dǎo)的性能。因此這項(xiàng)工作能廣泛應(yīng)用于海域海灣、港口的監(jiān)測(cè)與海洋運(yùn)輸、捕魚 的監(jiān)管以及軍事戰(zhàn)爭。
[0004] 目前的有霧圖像和清晰圖像的分類識(shí)別技術(shù)較少，且只針對(duì)公路和航運(yùn)交通場(chǎng) 景，專門針對(duì)水面目標(biāo)圖像的霧分類識(shí)別技術(shù)還不多見，直接利用現(xiàn)有的陸地場(chǎng)景霧分類 識(shí)別效果也不盡如人意。
[0005] 相對(duì)于陸地場(chǎng)景而言，海霧場(chǎng)景下的圖片的主要特征如下：
[0006] (1)水面圖像主要由天空區(qū)域、水面區(qū)域和目標(biāo)區(qū)域組成，目標(biāo)主要是船只、島嶼 或水面的橋等，其中遠(yuǎn)景下天空區(qū)域和水面區(qū)域較大，而目標(biāo)區(qū)域很小，近景下目標(biāo)區(qū)域較 大；
[0007] (2)水面含霧圖像特別是海霧的濃度往往比較大，而且一般霧還不均勻，且常常出 現(xiàn)有霧甚至濃霧圖像中近處的船目標(biāo)大且清晰，而遠(yuǎn)處的則非常模糊的現(xiàn)象；
[0008] (3)水面圖像場(chǎng)景背景簡單，但常常伴有海浪的影響，比陸地視頻監(jiān)控背景復(fù)雜， 且船只上的攝像頭采集到的視頻圖像往往背景處于運(yùn)動(dòng)變化狀態(tài)；
[0009] (4)海霧場(chǎng)景下細(xì)節(jié)、色彩等沒有陸地場(chǎng)景豐富。
[0010]目前研究水面有霧圖像和清晰圖像的判別的方法還不多見，針對(duì)陸地場(chǎng)景的霧分 類識(shí)別方法也不多，有學(xué)者通過提取圖像的可見度、暗通道的強(qiáng)度以及圖像視覺對(duì)比度等 特征用于識(shí)別陸地場(chǎng)景的霧，所提取的特征較少，而且用于訓(xùn)練識(shí)別的圖像樣本庫較少；有 學(xué)者利用視頻背景的傅里葉頻譜判斷是否為霧天背景，該方法適用于視頻監(jiān)控場(chǎng)景，但不 適用于無人艇或水面船舶這種視覺系統(tǒng)和目標(biāo)處于相對(duì)運(yùn)動(dòng)狀態(tài)的場(chǎng)景，主要是因?yàn)橄鄬?duì) 運(yùn)動(dòng)時(shí)，背景變化快，很難實(shí)時(shí)提取背景，且不同背景下的傅里葉頻譜會(huì)有較大差別。


【發(fā)明內(nèi)容】

[0011] 本發(fā)明的目的在于提供一種提高智能性與自適應(yīng)能力的水面有霧圖像和清晰圖 像的分類識(shí)別方法。
[0012] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0013] (1)獲取水面待識(shí)別圖像：
[0014] 水面待識(shí)別圖像的獲取通過安裝在各類船上的可見光攝像頭進(jìn)行采集；
[0015] ⑵建立水面圖像數(shù)據(jù)庫：
[0016] 用于分類器訓(xùn)練的水面圖像數(shù)據(jù)庫通過實(shí)際拍攝的水面圖像以及在各大圖片網(wǎng) 站搜索得到的水面圖像組成；
[0017] (3)提取水面圖像特征：
[0018] (3. 1)提取彩色圖像信息熵特征
[0019] 彩色圖像信息熵為：
[0020]

【權(quán)利要求】
1. 一種水面有霧圖像和清晰圖像的分類識(shí)別方法，其特征在于： (1) 獲取水面待識(shí)別圖像： 水面待識(shí)別圖像的獲取通過安裝在各類船上的可見光攝像頭進(jìn)行采集； (2) 建立水面圖像數(shù)據(jù)庫： 用于分類器訓(xùn)練的水面圖像數(shù)據(jù)庫通過實(shí)際拍攝的水面圖像以及在各大圖片網(wǎng)站搜 索得到的水面圖像組成； (3) 提取水面圖像特征： (3. 1)提取彩色圖像信息熵特征 彩色圖像信息熵為：
其中Pi表示圖像像素點(diǎn)的三個(gè)通道值分別為ig，ib)時(shí)的概率，Pi = rV^HXW)，其 中叫表示圖像像素點(diǎn)的三個(gè)通道值分別為（Uig，ib)出現(xiàn)的次數(shù)，H、W表示圖像的高寬尺 度； (3.2)提取圖像均值特征： 均值能反映圖像的平均亮度，原圖像均值為：
其中Pi表示圖像中灰度值為i的像素點(diǎn)的概率， 改進(jìn)后的圖像均值特征為： μ * = μ / (M-m) 其中μ所求得均值，Μ為其灰度圖像的最大灰度值，而m為灰度圖像的最小灰度值； (3. 3)提取圖像標(biāo)準(zhǔn)差特征：
其中μ為所求的均值，Pi仍然表示圖像中灰度值為i的像素點(diǎn)的概率； (3.4)提取圖像平均梯度特征： 灰度圖像的平均梯度為：
其中，I(i，j)表示圖像在（i，j)坐標(biāo)處的像素值，圖像I的高寬尺度為H、W ; (3. 5)提取圖像視覺對(duì)比度特征： 視覺對(duì)比度為： VCM = 100*RV/Rt 其中Rv表示圖像中子區(qū)域的方差超過給定閾值的數(shù)量，Rt則表示圖像所分成子區(qū)域的 總數(shù)； 確定子區(qū)域大小以及給定比較閾值t，子區(qū)域大小選取為0. 05*min (H，W)，其中H、W為 圖像的高寬尺度；而閾值則根據(jù)OTSU閾值分割方法自適應(yīng)的選取： 按照從左往右、從上到下的順序?qū)D像分割為邊長為0. 〇5*min(H，W)的方形子區(qū)域， 求取圖像每個(gè)子區(qū)域的方差以及子區(qū)域總數(shù)Rt ; 根據(jù)OTSU自適應(yīng)分割算法求取方差的最佳分割閾值t，統(tǒng)計(jì)子區(qū)域方差大于閾值t的 數(shù)量Rv，得到視覺對(duì)比度VCM; (3.6)提取圖像能見度特征： 對(duì)于灰度圖像f的像素點(diǎn)X，若在X的4鄰域像素中滿足如下條件： min [f (x), f (y) ] ^ s < max [f (x), f (y)] 則稱圖像f的像素對(duì)（x，y)能被閾值s分割，其中y為x的4鄰域像素點(diǎn)，S卩y e V4 (x)， F(s)為圖像f中所有能被閾值s分割的像素對(duì)（x，y)所組成的集合，即對(duì)于每一個(gè) s e [〇,255]都對(duì)應(yīng)一個(gè) F(s); 對(duì)于F(s)中的任意像素對(duì)（X，y)，空間對(duì)比度為：
則集合F(s)的平均對(duì)比度為：
其中cardF(s)表示集合F(s)的像素對(duì)總數(shù)； 從而得到最佳的分割閾值S(l :
即求取讓平均對(duì)比度最大的閾值S(l作為圖像的分割閾值，而在原灰度圖像f中滿足空 間對(duì)比度2CX(S(I) > 0. 05的像素點(diǎn)則為可見邊緣像素點(diǎn)，從而得到圖像能見度：
其中η為可見邊緣像素點(diǎn)總數(shù),m為圖像中滿足條件Cjsd) > 0的所有像素點(diǎn)總數(shù)，P 為可見邊緣像素點(diǎn)組成的集合； (4) 訓(xùn)練和學(xué)習(xí)水面圖像霧分類識(shí)別的特征： 進(jìn)行特征數(shù)據(jù)規(guī)格化：
其中minA、maxA表示特征A中的最小值和最大值，v為特征A的特征值； 將經(jīng)過數(shù)據(jù)規(guī)格化后的特征利用SVM分類器進(jìn)行特征訓(xùn)練，從而得到能夠區(qū)分有霧圖 像和無霧圖像的分類超平面； (5) 識(shí)別水面待識(shí)別有霧圖像和清晰圖像： 將無人艇或水面船舶等航行器采集到的實(shí)時(shí)圖像，提取6個(gè)用于識(shí)別是否含霧的特 征，輸入到第4節(jié)訓(xùn)練好的分類器中進(jìn)行識(shí)別，最后輸出識(shí)別結(jié)果。
【文檔編號(hào)】G06K9/46GK104217215SQ201410431782
【公開日】2014年12月17日 申請(qǐng)日期:2014年8月28日 優(yōu)先權(quán)日:2014年8月28日
【發(fā)明者】馬忠麗, 文杰, 何晨迪, 劉權(quán)勇, 劉宏達(dá), 郝見見 申請(qǐng)人:哈爾濱工程大學(xué)