一种基于小波变换算法的水下海参图像处理方法及系统技术方案

本发明专利技术提供了一种基于小波变换算法的水下海参图像处理方法及系统，该方法包括：将水下海参图像转化为灰度图像；采用小波函数对灰度图像进行分解，得到灰度图像的低频子带近似图像以及灰度图像在水平边缘、垂直边缘和对角线边缘的高频子带细节图像；根据灰度图像的默认阈值对灰度图像在对角线边缘的高频子带细节图像进行阈值去噪；对低频子带近似图像进行边缘增强；将水平边缘和垂直边缘的高频子带细节图像、阈值去噪后的对角线边缘的高频子带细节图像以及边缘增强后的低频子带近似图像进行二维小波重构，得到小波变换后的水下海参图像。本发明专利技术通过小波变换算法对水下海参图像进行去噪，得到清晰度高的图像，为水下海参的识别和捕捞打下基础。

【技术实现步骤摘要】

本专利技术设及图像处理
，尤其设及一种基于小波变换算法的水下海参图像 处理方法及系统。
技术介绍
数字图像由于成像系统、图像采集系统W及传输系统的不完善，往往存在大量的 噪声而不能在视觉系统中直接使用，必须先对其进行灰度校正、噪声过滤等图像处理操作。 图像处理与分析是机器视觉的核屯、部分。其中，图像处理的目的是为了消除噪声，抑制背景 并突出目标物；而图像分析的最终目的则是实现目标的提取与识别，而为了达到该一目的， 首先需要将目标与背景分割开，然后对目标进行表达和描述，对特征进行提取，最后利用模 式识别技术实现目标物的识别。 水下环境具有特殊性，水作为传播介质也具有一些特性，因此在水下光视觉的研 究中遇到一些典型的问题，例如，复杂的成像环境使水下海参图像对各种噪声和干扰比较 敏感，造成获取水下海参图像成像质量不高而且信息冗余；在不同光照条件下，悬浮物W及 水流等因素都给最终的视觉任务带来很大的影响。但光视觉有其他方法所不能比拟的优 点；直观，信息量大，处理方法多样，并不断产生新的算法。因此，水下海参图像处理算法渐 渐成为当今的研究热点。鉴于图像数据的复杂性，现在还没有一种通用的算法可W处理任 意场景的图像，因此研究水下海参图像处理算法具有较高的研究价值和实际意义。 海参的价值海参（Sea州州mbers, holothurians)属于棘皮动物口 (Echinodermata)、海参纲化olothuroidea)，是海洋中常见但非常重要的无脊椎动物。全球 约有1200种海参分布于世界各大洋的潮间带至万米水深的海域，绝大多数营地栖生活附 着在礁石、泥沙及海藻重生的地带，我国海域分布的有140多种，其中能食用的仅20种，占 世界能食用海参种类的二分之一。海参具有很高的营养价值，与其他食物相比，海参的蛋白 质含量高，脂肪含量低，氨基酸含量丰富，特别是人体必需氨基酸，并含有多种微量元素，如 巧、儀盐及铁、铺等，是理想的滋补保健品。 目前常用的海参捕撰方法有拖网捕撰和人工潜水捕撰，拖网捕撰不仅造成海参的 过多捕撰还破坏了海洋的生态环境，造成了海参资源锐减；人工捕撰则对潜水员的生命有 着严重的威胁。因此随着人类对海洋的研究，越来越多的国内外学者把精力投入到了水下 机器人的研究，利用机器视觉技术识别定位水下目标引导水下机器人工作有着很广阔的前 景，而数字图像处理是机器视觉中的基础技术，因此能够研究出一种处理水下海参图像的 算法尤为重要。
技术实现思路
鉴于上述问题，提出了本专利技术W便提供一种克服上述问题或者至少部分地解决或 者减缓上述问题的基于小波变换算法的水下海参图像处理方法及系统。 根据本专利技术的一个方面，提供了一种基于小波变换算法的水下海参图像处理方 法，该方法包括：[000引获取待处理的水下海参图像，并将所述水下海参图像转化为灰度图像； 采用小波函数对所述灰度图像进行分解，得到所述灰度图像的低频子带近似图像 W及所述灰度图像在水平边缘、垂直边缘和对角线边缘的高频子带细节图像； 提取所述灰度图像的默认阔值，根据所述默认阔值对所述灰度图像在对角线边缘 的高频子带细节图像进行阔值去噪； 对所述低频子带近似图像进行边缘增强； 对所述灰度图像在水平边缘和垂直边缘的高频子带细节图像、阔值去噪后的所述 灰度图像在对角线边缘的高频子带细节图像W及边缘增强后的低频子带近似图像进行二 维小波重构，得到小波变换后的水下海参图像。 可选的，所述采用小波函数对所述灰度图像进行分解，，具体为；采用C0if2小波 函数对所述灰度图像进行一层分解。 可选的，所述采用coif2小波函数对所述灰度图像进行一层分解，包括： 对所述灰度图像的每一行和每一列分别进行低通滤波处理； 对所述灰度图像的每一行和每一列分别进行高通滤波处理； 对低通滤波和高通滤波后的图像分别进行隔点抽样，得到所述灰度图像的低频子 带近似图像W及所述灰度图像在水平边缘、垂直边缘和对角线边缘的高频子带细节图像。 [001引可选的，所述提取所述灰度图像的默认阔值，具体为；采用阔值获取函数提取所述 灰度图像的默认阔值。 可选的，所述对所述低频子带近似图像进行边缘增强，具体为；采用反锐化掩模法 对所述低频子带近似图像进行边缘增强； 可选的，所述对所述灰度图像在水平边缘和垂直边缘的高频子带细节图像、阔值 去噪后的所述灰度图像在对角线边缘的高频子带细节图像W及边缘增强后的低频子带近 似图像进行二维小波重构，具体为；采用小波逆变换算法进行二维小波重构。 根据本专利技术的另一个方面，提供了一种基于小波变换算法的水下海参图像处理系 统，该系统包括： 获取单元，用于获取待处理的水下海参图像； 灰度转化单元，用于将所述获取单元获取到的水下海参图像转化为灰度图像； 小波分解单元，用于采用小波函数对所述灰度转化单元得到的灰度图像进行分 解，得到所述灰度图像的低频子带近似图像W及所述灰度图像在水平边缘、垂直边缘和对 角线边缘的高频子带细节图像； 去噪单元，用于提取所述灰度图像的默认阔值，并根据所述默认阔值对所述灰度 图像在对角线边缘的高频子带细节图像进行阔值去噪； 边缘增强单元，用于对所述低频子带近似图像进行边缘增强； 小波重构单元，用于对所述灰度图像在水平边缘和垂直边缘的高频子带细节图 像、阔值去噪后的所述灰度图像在对角线边缘的高频子带细节图像W及边缘增强后的低频 子带近似图像进行二维小波重构，得到小波变换后的水下海参图像。[002引可选的，所述小波分解单元采用coif2小波函数对所述灰度图像进行一层分解。 可选的，所述小波分解单元，包括： 低通滤波模块，用于对所述灰度图像的每一行和每一列分别进行低通滤波处理； 高通滤波模块，用于对所述灰度图像的每一行和每一列分别进行高通滤波处理； 采样模块，用于对低通滤波和高通滤波后的图像分别进行隔点抽样，得到所述灰 度图像的低频子带近似图像W及所述灰度图像在水平边缘、垂直边缘和对角线边缘的高频 子带细节图像。 可选的，所述去噪单元采用阔值获取函数提取所述灰度图像的默认阔值。 可选的，所述边缘增强单元采用反锐化掩模法对所述低频子带近似图像进行边缘 增强； 可选的，所述小波重构单元采用小波逆变换算法进行二维小波重构。 本专利技术的有益效果为： 本专利技术提供的基于小波变换算法的水下海参图像处理方法及系统，将水下海参图 像转化为灰度图像后，通过小波函数对灰度图像进行分解，得到灰度图像的低频子带近似 图像W及在水平边缘、垂直边缘和对角线边缘的高频子带细节图像，对分解出的低频子带 近似图像进行边缘增强，并对对角线方向的高频子带细节图像的阔值去噪，通过对处理后 的低频子带近似图像和所有高频子带细节图像进行二维小波重构，实现了对水下海参图像 的去噪和边缘增强处理，获取清晰度高的水下海参图像，为水下生物的识别和捕撰打下基 础。【附图说明】[003引通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通 技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术 的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中： 图1为本专利技术实施例提出的一种基于小波变换算法的水下海参图像处理方法的 流程图； 图2为本专利技术实施例提出的本文档来自技高网...

【技术保护点】
一种基于小波变换算法的水下海参图像处理方法，其特征在于，所述方法包括：获取待处理的水下海参图像，并将所述水下海参图像转化为灰度图像；采用小波函数对所述灰度图像进行分解，得到所述灰度图像的低频子带近似图像以及所述灰度图像在水平边缘、垂直边缘和对角线边缘的高频子带细节图像；提取所述灰度图像的默认阈值，根据所述默认阈值对所述灰度图像在对角线边缘的高频子带细节图像进行阈值去噪；对所述低频子带近似图像进行边缘增强；对所述灰度图像在水平边缘和垂直边缘的高频子带细节图像、阈值去噪后的所述灰度图像在对角线边缘的高频子带细节图像以及边缘增强后的低频子带近似图像进行二维小波重构，得到小波变换后的水下海参图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：李振波，徐银丽，乔曦，杨卫中，段作栋，郭传鑫，杜攀，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11