一种水面移动平台视觉系统图像分析处理方法技术方案

本发明专利技术属于信息工程领域中的信息处理领域，具体涉及一种水面移动平台视觉系统图像分析处理方法。本发明专利技术包括：图像去雾；灰度化；图像稳像；目标分割；二值化；形状特征提取；纹理特征提取；建立不同类型目标特征库；神经网络训练与测试。水面移动平台视觉系统图像分析处理方法具有处理实时性强、图像综合分析处理能力强、适用范围广等特点，能够对水面移动平台在海雾等恶劣天气环境下进行实时的视频图像去雾和电子稳像处理，并且能够对水面多类目标进行识别。

【技术实现步骤摘要】
【专利摘要】本专利技术属于信息工程领域中的信息处理领域，具体涉及。本专利技术包括：图像去雾；灰度化；图像稳像；目标分割；二值化；形状特征提取；纹理特征提取；建立不同类型目标特征库；神经网络训练与测试。水面移动平台视觉系统图像分析处理方法具有处理实时性强、图像综合分析处理能力强、适用范围广等特点，能够对水面移动平台在海雾等恶劣天气环境下进行实时的视频图像去雾和电子稳像处理，并且能够对水面多类目标进行识别。【专利说明】
本专利技术专利属于信息工程领域中的信息处理领域，具体涉及。
技术介绍
随着高精度、高分辨率图像传感器以及高速数据采集和嵌入式处理系统的出现，使视频图像实时处理能力得到极大提高。也使得视觉系统在水面移动平台，如勘探船、运输船、无人艇、巡航舰等中的应用也越来越广泛，成为水面移动平台目标探测、目标特征提取与识别以及目标跟踪的重要手段。目前水面移动平台中使用的视觉系统存在的不足主要体现在:视觉系统的图像自主分析处理能力不足，体现在:由于在海浪和水面移动平台的运行，摄像头采集的视频图像会发生抖动而变得模糊，会造成目标图像无法识别或识别错误，且由于这一模糊中存在平移、旋转、随机抖动等多种情况，所以处理复杂，目前现有的水面移动平台视觉系统缺乏这一处理能力；由于海洋环境复杂，水面移动平台视觉系统所拍摄的视频图像经常会受到海雾天气情况的影响，造成所拍摄的视频图像模糊降质、对比度低，影响图像后续分析和处理。目前现有的视频图像增强处理大部分用于陆地图像处理，对于水面不均匀的图像海雾处理研究非常有限，水面移动平台视觉系统更是缺乏这一处理能力；目前的水面移动平台的水面目标的特征提取和识别大部分停留在水面船只的识另IJ，还不具有水面多类目标(如岛屿、岩石、船只等)识别功能。由于现有的软件算法与硬件系统相匹配融合的能力不足，大部分水面移动平台的视觉系统都是与常规计算机相配合，起到环境或目标监视的辅助作用，靠人工与其他测量设备综合分析之后作出判断决策，不利于视频图像自主处理功能的实时实现。
技术实现思路
本专利技术的目的在于提供一种适合于水面移动平台的水面移动平台视觉系统图像分析处理方法。本专利技术的目的是这样实现的:I)图像去雾:对于海雾下对比度低的待识别目标图像进行去雾增强清晰化处理，得到去雾清晰化的视频图像:1.1)对海雾下的待识别目标视频图像进行帧差法背景提取得到初始背景；1.2)对当前同一背景下的待识别图像视频帧的第一帧进行基于大气散射物理模型的单幅图像去雾处理，用处理前的图片减去处理后的图片得到该背景下的雾气遮罩；1.3)当前同一背景下的所有视频帧都减去这个雾气遮罩得到当前背景下待识别目标视频增强复原后的清晰化视频序列；1.4)背景更新，并返回步骤1.2)继续执行，输出去雾后的清晰化待识别目标视频图像；2)灰度化:对上一步图像去雾得到的清晰化的待识别目标视频图像进行灰度化处理；3)图像稳像:对上一步得到的灰度化的待识别目标图像进行图像电子稳像处理，消除由于海浪和水面移动平台运动抖动而造成待识别目标图像模糊的影响，得到最终清晰化的待识别目标图像:3.1)利用SIFT角点提取方法分别提取待识别目标视频图像参考帧图像的特征点集A和当前帧图像的特征点集B，这里参考帧是当前帧的前一帧，当前帧表示当前正在进行稳像处理的视频帧；3.2)利用序列相似性检测算法对3.1)中特征点集A和特征点集B进行角点特征匹配；3.3)对匹配后的特征点利用仿射模型求解特征点集A和B中匹配点的运动参数；3.4)利用Kalman运动滤波方法得到当前待识别图像帧正常扫描对应的运动参数；3.5)将3.3)得到的图像运动参数与3.4)得到的正常扫描对应的运动参数相减得到摄像机的随机抖动对应的运动参数，即需要对当前帧进行补偿的运动参数；3.6)根据3.5)最终获得的运动参数对当前帧图像进行相应的补偿，重新执行3.1)继续下一帧待识别目标图像的稳像处理；4)目标分割:采用基于自适应Mean-Shift的平滑分割算法对上一步最终清晰化的待识别目标图像进行目标背景的分割，提取目标；5)二值化:对上一步提取出的目标进行简单的二值化操作，将目标标记为白色，背景为黑色，得到白色的目标区域；6)形状特征提取:将上一步二值化得到的目标区域，提取其14个形状特征，包括面积特征、细长度特征、紧密度特征、凸包性特征、凸起度量以及6个Hu不变矩特征和3个仿射不变矩特征；7)纹理特征提取:根据二值化得到目标区域，得到稳像处理后的原待识别目标图像中目标区域，对该目标区域进行纹理特征的提取，得到目标所对应的6个纹理特征；8)建立不同类型目标特征库:目标图像样本经过图像分割、二值化之后提取其形状特征和纹理特征得到；9)神经网络训练与测试:将由目标图像样本库得到的目标特征输入到BP神经网络进行训练，得到训练好的神经网络，然后将待识别目标特征输入到训练网络中进行识别，得到最终的识别结果。本专利技术的有益效果在于:水面移动平台视觉系统图像分析处理方法具有处理实时性强、图像综合分析处理能力强、适用范围广等特点，能够对水面移动平台在海雾等恶劣天气环境下进行实时的视频图像去雾和电子稳像处理，并且能够对水面多类目标进行识别。解决了由于移动平台的快速移动引起的图像抖动、由于水面海雾天气下造成的图像模糊以及水面目标识别单一等造成的水面移动平台视觉系统图像综合处理分析功能不足，适应性不强，以及软件算法与硬件平台融合不足引起的水面移动平台视频图像自主处理功能实时性不强的问题。【专利附图】【附图说明】图1为水面移动平台视觉系统图像分析处理器总体结构框图；图2软件实时处理显示界面；图3水面移动平台视觉系统图像分析处理方法的算法框图；图4视频图像增强处理流程图；图5单幅图像去雾框图；图6视频增强处理效果；图7基于特征点提取和Kalman滤波的电子稳像算法流程图；图8相邻帧补偿示意图；图9视频图像稳像处理效果；图10四种实验数据来源；图11软件图像处理效果。【具体实施方式】下面结合附图对本专利技术做进一步描述。本专利技术的目的是提供一种适合于水面移动平台的水面移动平台视觉系统图像分析处理方法，重点解决的技术问题:解决由于移动平台的快速移动引起的图像抖动、由于水面海雾天气下造成的图像模糊以及水面目标识别单一等造成的水面移动平台视觉系统图像综合处理分析功能不足，适应性不强，以及软件算法与硬件平台融合不足引起的水面移动平台视频图像自主处理功能实时性不强的问题。开发了适合于水面移动平台的视觉系统视频图像的实时处理方法:包括:前台软件处理实时显示界面和后台处理算法。与基于FPGA的实时高速视频图像采集和miniPC主机以及嵌入式操作系统VxWorks的视频图像实时处理平台相对接，实现软硬件平台融合。本系统工作原理是利用安装在水面移动平台上的FPGA图像采集模块和摄像头模块进行移动平台周围水面目标视频图像的采集，通过FPGA图像采集模块将采集到的视频图像传输到装有VxWorks嵌入式系统的miniPC主机平台上进行视频图像的处理，然后将处理后的结果传输到VGA显示装置上显示，并且控制伺服系统调节摄像头的位置，实现对水面移动平台周围场景的全方位视频图像获取。在嵌入式操作平台下，主要完成对FPGA图像采集模块传输的视频图像进行处理、伺服系统本文档来自技高网...

【技术保护点】
一种水面移动平台视觉系统图像分析处理方法，其特征在于：1）图像去雾：对于海雾下对比度低的待识别目标图像进行去雾增强清晰化处理，得到去雾清晰化的视频图像：1.1）对海雾下的待识别目标视频图像进行帧差法背景提取得到初始背景；1.2）对当前同一背景下的待识别图像视频帧的第一帧进行基于大气散射物理模型的单幅图像去雾处理，用处理前的图片减去处理后的图片得到该背景下的雾气遮罩；1.3）当前同一背景下的所有视频帧都减去这个雾气遮罩得到当前背景下待识别目标视频增强复原后的清晰化视频序列；1.4）背景更新，并返回步骤1.2）继续执行，输出去雾后的清晰化待识别目标视频图像；2）灰度化：对上一步图像去雾得到的清晰化的待识别目标视频图像进行灰度化处理；3）图像稳像：对上一步得到的灰度化的待识别目标图像进行图像电子稳像处理，消除由于海浪和水面移动平台运动抖动而造成待识别目标图像模糊的影响，得到最终清晰化的待识别目标图像：3.1）利用SIFT角点提取方法分别提取待识别目标视频图像参考帧图像的特征点集A和当前帧图像的特征点集B，这里参考帧是当前帧的前一帧，当前帧表示当前正在进行稳像处理的视频帧；3.2）利用序列相似性检测算法对3.1）中特征点集A和特征点集B进行角点特征匹配；3.3）对匹配后的特征点利用仿射模型求解特征点集A和B中匹配点的运动参数；3.4）利用Kalman运动滤波方法得到当前待识别图像帧正常扫描对应的运动参数；3.5）将3.3）得到的图像运动参数与3.4）得到的正常扫描对应的运动参数相减得到摄像机的随机抖动对应的运动参数，即需要对当前帧进行补偿的运动参数；3.6）根据3.5）最终获得的运动参数对当前帧图像进行相应的补偿，重新执行3.1）继续下一帧待识别目标图像的稳像处理；4）目标分割：采用基于自适应Mean‑Shift的平滑分割算法对上一步最终清晰化的待识别目标图像进行目标背景的分割，提取目标；5）二值化：对上一步提取出的目标进行简单的二值化操作，将目标标记为白色，背景为黑色，得到白色的目标区域；6）形状特征提取：将上一步二值化得到的目标区域，提取其14个形状特征，包括面积特征、细长度特征、紧密度特征、凸包性特征、凸起度量以及6个Hu不变矩特征和3个仿射不变矩特征；7）纹理特征提取：根据二值化得到目标区域，得到稳像处理后的原待识别目标图像中目标区域，对该目标区域进行纹理特征的提取，得到目标所对应的6个纹理特征；8）建立不同类型目标特征库：目标图像样本经过图像分割、二值化之后提取其形状特征和纹理特征得到；9）神经网络训练与测试：将由目标图像样本库得到的目标特征输入到BP神经网络进行训练，得到训练好的神经网络，然后将待识别目标特征输入到训练网络中进行识别，得到最终的识别结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：马忠丽，文杰，刘宏达，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23