【技术实现步骤摘要】
赤潮图像自动识别的方法及装置
[0001]本专利技术涉及图像识别领域，更具体地说，涉及一种赤潮图像自动识别的方法及装置。
技术介绍
[0002]赤潮是因海洋中的浮游生物暴发性急剧繁殖造成海水颜色异常的现象。赤潮是海洋污染的信号，严重破坏海洋渔业和水产资源，严重的还会对人类身体健康和生命安全造成威胁。由于海洋污染日趋严重，赤潮发生的次数也愈益频繁，海湾和沿岸海域更为突出。为了及时的预防和鉴定赤潮的发生，需要对海洋中赤潮生物进行持续的监测观察。
[0003]由不同种类的浮游生物引起的赤潮有不同的颜色，传统的赤潮监测方式是对海水进行采样，利用显微镜对水样进行观察，确定浮游生物的种类和密度，这种监测方法耗时费力，对工作人员的专业要求较高。
[0004]基于图像识别的赤潮监测方法是最新研究的方向，但是由于赤潮生物的种类多种，缺乏相关数据库和图像识别系统，如何准确的从海洋图像中确定赤潮信息是急需解决的问题。因此，需要一种赤潮图像自动识别的方法，能够准确的从拍摄的海洋监测图片中准确的识别出赤潮的信息，准确的确定赤潮的位置，有效的节省赤潮监测的人力物力。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提供一种赤潮图像自动识别的方法及装置，用以解决现有技术中无法准确从海洋图片中识别出赤潮，从而无法实现赤潮的及时有效监测的问题。
[0006]为了解决上述技术问题，现提出的方案如下：
[0007]一种赤潮图像自动识别的方法，包括：
[0008](1)特征训练阶段；
...
【技术保护点】
【技术特征摘要】
1.一种赤潮图像自动识别的方法，其特征在于，所述方法包括：(1)特征训练阶段；(1.1)获取赤潮图像的像素点以及不同位置的局部图像，提取所述像素点的多项特征；(1.2)将所述像素点分类标注为赤潮像素点和非赤潮像素点两种类型；(1.3)分别对不同类型的像素点的每一项特征进行聚类，选取有区分度的至少一项特征组成赤潮像素点特征集合；(1.4)基于所述局部图像训练赤潮像素点特征集合中各项赤潮像素点特征的权重；(2)图像识别阶段(2.1)获取新的赤潮图像，基于赤潮像素点特征集合计算所述赤潮图像的每一个像素点的赤潮像素点特征；(2.2)基于设置的赤潮像素点特征的权重，确定每一个所述像素点的类型；(2.3)对所述赤潮图像进行边缘检测，标注边缘检测点；(2.4)基于所述边缘检测点分割所述赤潮图像，形成多组分割像素点集合，将每一组所述分割像素点集合中的所有像素点标注为相同的类型；(2.5)输出赤潮图像识别结果。2.根据权利要求1所述的方法，其特征在于，所述像素点的多项特征，具体包括以下至少一个：颜色特征、颜色聚合向量、局部颜色直方图，和/或局部颜色矩阵。3.根据权利要求2所述的方法，其特征在于，所述基于所述局部图像训练赤潮像素点特征集合中各项赤潮像素点特征的权重，具体包括：获取所述局部图像的每个像素点的各项赤潮像素点特征和像素点类型；线性组合每个所述各项赤潮像素点特征；动态调整所述各项赤潮像素点特征的权重系数，确定与每种像素点类型相匹配的所述各项赤潮像素点特征的权重系数。4.根据权利要求3所述的方法，其特征在于，所述调整所述各项赤潮像素点特征的权重系数，使得各像素点的所述各项赤潮像素点特征的组合与所述局部图像的特征相匹配，具体包括：采用深度学习的方法，进行权重系数的学习训练，通过选择不同卷积函数，提取赤潮图像的空间相关信息。5.根据权利要求1所述的方法，其特征在于，所述获取新的赤潮图像，基于赤潮像素点特征集合计算所述赤潮图像的每一个像素点的赤潮像素点特征，具体包括：获取新的赤潮图像，对所述赤潮图像进行图像预处理，其中，所述图像预处理包括图像增强和/或图像去噪；针对预处理后的赤潮图像中的每一个像素点，计算出赤潮像素点特征集合中的特征。6.根据权利要求1所述的方法，其特征在于，所述基于边缘检测点分割所述赤潮图像，形成多组分割像素点集合，将每一组分割像素点集合中的所有像素点标注为相同的类型，具体包括：根据所述边缘检测点，将所述赤潮图像中每一行像素分为m个行分割块，每一列像素分为n个列分割块，其中m>0,n>0；
计算每一个行分割块中各类型像素点的数量，将所有像素点统一标注为数量占优的像素点的类型；计算每一个列分割块中各类型像素点的数量，将所有像素点统一标注为数量占优的像素点的类型；重复所述行分割块和列分割块的计算步骤，直至每一个所述行分割块和列分割块中的像素点均为同一类型。7.一种赤潮图像自动识别装置，其特征在于，所述装置包括：特征训练单元和图像识别单元；所述特征训练单元包括：特征...
【专利技术属性】
技术研发人员：张振昌，张少涵，马锦山，薛弘晖，林默想，陈日清，
申请(专利权)人：福建农林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。