基于图像自适应抗噪的水下鱼群检测方法技术

本发明专利技术公开一种基于图像自适应抗噪的水下鱼群检测方法，训练好的网络是按照如下步骤构建：将反光层图像R和背景层图像T线性组合，形成合成的水下鱼群反光图像I数据集；提取水下鱼群反光图像I中的反光区域，将所述反光区域的像素值填充为(0

【技术实现步骤摘要】
基于图像自适应抗噪的水下鱼群检测方法


[0001]本专利技术涉及水下群体目标检测领域，尤其是一种基于图像自适应抗噪的水下鱼群检测方法。

技术介绍

[0002]在水产养殖过程中，池塘中鱼群检测是估计鱼类密度、长度和重量的必要条件，目前，对于水下鱼群检测主要采用计算机视觉技术。
[0003]Zhang D提出了一种鲁棒的无监督深度学习算法，该算法使用改进的非最大抑制算法(NMS)减少部分鱼类的错误分类共同完成鱼类检测(Zhang D,Kopanas G,Desai C,et al.Unsupervised underwater fish detection fusing flow and objectiveness[C].Applications of Computer Vision Workshops.IEEE,2016.)；Jesper Haahr Christensen提出了一种被称为光学鱼类检测网络(OFDNet)的深卷积神经网络，该网络可以利用水下摄像机获得的视觉数据进行鱼类检测、定位和物种分类(Jesper Haahr Chri本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像自适应抗噪的水下鱼群检测方法，是将待检测的水下鱼群图像送入网络中进行检测，其特征在于所述网络是按照如下步骤构建：步骤1.收集真实光照下养鱼场的具有反光的水下鱼群图像Ι
L
及不含反光的水下鱼群图像；步骤2.提取具有反光的水下鱼群图像Ι
L
的反光层图像R，不含反光的水下鱼群图像为背景层图像T，将反光层图像R和背景层图像T线性组合，形成合成的水下鱼群反光图像I数据集；步骤3：将合成的水下鱼群反光图像I数据集分成训练集和测试集，采用标注工具对训练集的水下鱼群反光图像I进行标注，所述标注分为两类：第一类是对水下鱼群反光图像I的反光进行标注，第二类是对水下鱼群反光图像I的鱼类进行标注；步骤4：采用YOLOv4提取水下鱼群反光图像I中的反光区域，将所述反光区域的像素值填充为(0
‑
255)的随机值，得到遮挡水下鱼群反光区域的图像Ι
k
，并对背景层图像...

【专利技术属性】
技术研发人员：于红，赵梦，吴俊峰，李海清，胥倩雯，程思奇，孟娟，
申请(专利权)人：大连海洋大学，
类型：发明
国别省市：