一种基于Graph Cuts算法的漂浮物识别方法技术

本发明专利技术公开了一种基于Graph Cuts算法的漂浮物识别方法，属于图片处理技术领域，该识别方法具体步骤如下：(1)获取漂浮物实景图；(2)图像预处理；(3)图像分割；(4)区域特征提取；(5)生成智能识别模型；(6)漂浮物识别；(7)漂浮物定位；本发明专利技术采用Graph Cuts算法作为漂浮物实景图像分割工具，其具有精度高、鲁棒性强和运行效率快的特点，进而有利于为后续智能识别模型，并且本发明专利技术将UWB技术和激光探测技术结合，并利用TDOA算法进行计算，有利于实现对漂浮物的精准定位，进而有利于提高漂浮物的清理效率。

【技术实现步骤摘要】
一种基于GraphCuts算法的漂浮物识别方法
本专利技术涉及图片处理
，尤其涉及一种基于GraphCuts算法的漂浮物识别方法。
技术介绍
经检索，中国专利号CN108388916A公开了一种基于人工智能的水体漂浮物自动识别方法和系统，该专利技术识别准确率较低，且无法对漂浮物进行精准定位；漂浮物，是依赖于浮力漂浮在水体表面的固体废弃物，其包括原木、树枝、稻草、桔杆、塑料制品和人畜尸体等；目前，随着社会经济发展以及工业化步伐的加速，人为因素造成大量漂浮物出现在河道、港池、航道及锚地等水面上，这些漂浮物含有大量对人体有害的物质，会严重破坏生态环境，会对我们的生活品质和身体健康产生直接的威胁，而当前管理部门对其主要采用处理方法是人工巡视和设置摄像头进行远程监控，以此来对漂浮物进行判断识别的，然后确定位置再进行人工清理，此方法主要依靠人工来识别漂浮物的，其识别效率较低；如何快速有效的识别河道、港池、航道及锚地等水面上的漂浮物，已成为水面安全、污染物清洁和水面交通安全等领域的重要解决课题；因此，专利技术出一种基于GraphCuts算法的漂浮物识别本文档来自技高网...

【技术保护点】
1.一种基于Graph Cuts算法的漂浮物识别方法，其特征在于，该识别方法具体步骤如下：/n(1)获取漂浮物实景图：利用搭载有摄像设备的无人机对河道进行拍摄，获取大量漂浮物实景图像，并将其作为样本图；/n(2)图像预处理：对步骤(1)所述样本图进行去噪处理，得到无噪样本图；/n(3)图像分割：利用Graph Cuts算法对步骤(2)所述无噪样本图进行图像分割处理，得到分割图像，同时对分割图像中目标区域进行标记；/n(4)区域特征提取：对标记出的目标区域进行像素特征提取，得到目标区域特征集；/n(5)生成智能识别模型：将目标区域特征集作为训练样本，同时利用机器学习算法对训练样本进行训练，生成智...

【技术特征摘要】
1.一种基于GraphCuts算法的漂浮物识别方法，其特征在于，该识别方法具体步骤如下：
(1)获取漂浮物实景图：利用搭载有摄像设备的无人机对河道进行拍摄，获取大量漂浮物实景图像，并将其作为样本图；
(2)图像预处理：对步骤(1)所述样本图进行去噪处理，得到无噪样本图；
(3)图像分割：利用GraphCuts算法对步骤(2)所述无噪样本图进行图像分割处理，得到分割图像，同时对分割图像中目标区域进行标记；
(4)区域特征提取：对标记出的目标区域进行像素特征提取，得到目标区域特征集；
(5)生成智能识别模型：将目标区域特征集作为训练样本，同时利用机器学习算法对训练样本进行训练，生成智能识别模型；
(6)漂浮物识别：将智能识别模型输入摄像设备中，利用其对采集到的河道图像进行快速自动识别；
(7)漂浮物定位：将UWB技术和激光探测技术结合对河道图像中的漂浮物进行精准定位。


2.根据权利要求1所述的一种基于GraphCuts算法的漂浮物识别方法，其特征在于，步骤(2)所述图像预处理采用拉普拉斯算子；步骤(3)所述GraphCuts算法具体运行过程如下：
S1：对预处理之后得到的无噪图像进行分水岭算法分割，得到区域分块图像；
S2：对区域分块图像进行前景和背景的分割，提取出目标区域；
S3：根据目标区域建立网络图，同时计算出最小能量函数，得到分割图像。


3.根据权利要求1所述的一种基于GraphCuts算法的漂浮物识别方法，其特征在于，所述智能识别模型具体生成过程如下：
SS1：提取目标区域特征集，将其作为训练样本；
SS2：构建支持向量机；
SS3：将训练样本输入进支持向量机中进行训练，得到智能识别模型。


4.根据权利要求1所述的一种基于GraphCuts算法的漂浮物识别方法，其特征在于，所述漂浮物定位过程如下：
SSS1：利用智能识...

【专利技术属性】
技术研发人员：张贵清，张霖，
申请(专利权)人：张贵清，
类型：发明
国别省市：山东;37