【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于图像特征分析的鱼类类别检测方法。
技术介绍
1、随着计算机视觉技术的进步，基于计算机视觉的识别技术被广泛应用于各行各业；为了帮助鱼类保护组织追踪濒危或受威胁的鱼类物种，需要监测不同物种鱼类的分布和数量，基于鱼类图像的识别技术能够区分不同物种鱼类。
2、由于设备和环境的影响，采集的鱼类图像中存在噪声，需要采用非局部均值滤波算法对鱼类图像进行去噪，常规的非局部均值滤波算法是对整幅图像中的所有像素点都进行去噪，去噪效率较低。
技术实现思路
1、为了解决上述问题，本专利技术提供一种基于图像特征分析的鱼类类别检测方法，所述方法包括：
2、采集鱼类图像；
3、对于鱼类图像中的每个像素点，根据像素点与相邻像素点的灰度值的差异，计算每个像素点的突变程度，根据像素点是突变点的概率，从所有像素点中确定多个突变点，根据突变点的第一搜索范围内其他突变点的分布，计算每个突变点属于鱼鳞边缘的可能性，根据突变点属于鱼鳞边缘的可能性，从所有突变点中确定多个鱼鳞边缘点；
4、根据每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点的相对位置，确定每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点为参照点的可能性，根据其他鱼鳞边缘点为参照点的可能性，从每个鱼鳞边缘点的第一搜索范围内的其他鱼鳞边缘点中确定每个鱼鳞边缘点的多个参考点；
5、根据每个鱼鳞边缘点的第二搜索范围与每个鱼鳞边缘点的每个参考点的第二搜索范围内像素点的灰度差异，以及
6、根据每个鱼鳞边缘点的每个参考点与每个鱼鳞边缘点的相似性、每个鱼鳞边缘点的每个参考点属于鱼鳞边缘的可能性以及每个鱼鳞边缘点的每个参考点为参照点的可能性，对每个鱼鳞边缘点的每个参考点的灰度值进行加权求和，确定个鱼鳞边缘点的修正后的灰度值；
7、根据鱼鳞边缘点的修正后的灰度值，获得修正后的鱼类图像，通过识别神经网络对修正后的鱼类图像进行识别。
8、进一步地，所述根据像素点与相邻像素点的灰度值的差异，计算每个像素点的突变程度，包括：
9、
10、式中，表示第i个像素点的突变程度，、、分别为第i个像素点、第i-1个像素点和第i+1个像素点的灰度值。
11、进一步地，所述根据突变点的局部范围内其他突变点的分布，计算每个突变点属于鱼鳞边缘的可能性，包括：
12、
13、式中，表示第j个突变点属于鱼鳞边缘的可能性，表示第j个突变点是突变点的概率，表示第j个突变点的第一突变点序列的长度，表示第j个突变点的第二突变点序列中第个突变点的第一突变点序列的长度，表示第j个突变点的曲率，表示第j个突变点的第二突变点序列中第个突变点的曲率，表示第j个突变点的第二突变点序列中第个突变点的第一突变点序列的中心突变点，表示第j个突变点的第二突变点序列中第个突变点的第一突变点序列的中心突变点，表示中心突变点和中心突变点的欧式距离，表示第j个突变点的第二突变点序列的长度，即第j个突变点的第二突变点序列中突变点的数量，表示线性归一化函数。
14、进一步地，所述突变点的第一突变点序列和第二突变点序列的获取方法包括：
15、对于任意一个突变点，沿着该突变点的梯度方向的垂直方向，确定该突变点的第一突变点序列，该突变点的第一突变点序列包括该突变点，具体的：沿着该突变点的梯度方向的垂直方向，依次判断下一个像素点是否是突变点，依次将突变点加入该突变点的第一突变点序列中，直至下一个像素点不是突变点，将第一突变点序列中的所有突变点按照突变点的梯度方向的垂直方向的顺序进行排列；
16、以此类推，对于任意一个突变点，沿着水平方向，确定该突变点的第二突变点序列，该突变点的第二突变点序列包括该突变点，将第二突变点序列中的所有突变点按照水平方向从左到右的顺序进行排列。
17、进一步地，所述突变点的曲率的获取方法包括：
18、对于任意一个突变点，将该突变点的第一突变点序列中的第一个突变点的梯度方向的垂直直线和最后一个突变点的梯度方向的垂直直线的交点作为圆心，获得圆心到该突变点的第一突变点序列中的第一个突变点的欧式距离作为半径，根据半径获得该突变点的曲率，所述曲率等于1与半径的比值。
19、进一步地，所述根据每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点的相对位置，确定每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点为参照点的可能性，包括：
20、
21、式中，表示第z个鱼鳞边缘点的第一搜索范围内第k个鱼鳞边缘点为参照点的可能性，表示第z个鱼鳞边缘点属于鱼鳞边缘的可能性，表示第z个鱼鳞边缘点在第z个鱼鳞边缘点的第一突变点序列中的序号，表示第z个鱼鳞边缘点的第一搜索范围内第k个鱼鳞边缘点在第z个鱼鳞边缘点的搜索范围内第k个鱼鳞边缘点的第一突变点序列中的序号，表示线性归一化函数。
22、进一步地，所述根据每个鱼鳞边缘点的第二搜索范围与每个鱼鳞边缘点的每个参考点的第二搜索范围内像素点的灰度差异，以及每个鱼鳞边缘点和每个鱼鳞边缘点的每个参考点的相对位置，计算每个鱼鳞边缘点的每个参考点与每个鱼鳞边缘点的相似性，包括：
23、
24、
25、式中，表示第z个鱼鳞边缘点的第a个参考点与第z个鱼鳞边缘点的相似性，表示第z个鱼鳞边缘点的第a个参考点与第z个鱼鳞边缘点的相似度度量，表示第z个鱼鳞边缘点的第二搜索范围内第m个像素点的灰度值，表示第z个鱼鳞边缘点的第a个参考点的第二搜索范围内第m个像素点的灰度值，w表示第二边长，表示第z个鱼鳞边缘点的高斯核中，在第z个鱼鳞边缘点的第a个参考点相同位置的数值，表示第z个鱼鳞边缘点与第z个鱼鳞边缘点的第t个参考点的相似度度量，表示第z个鱼鳞边缘点的高斯核中，在第z个鱼鳞边缘点的第t个参考点相同位置的数值，表示第z个鱼鳞边缘点的所有参考点的数量。
26、进一步地，所述根据每个鱼鳞边缘点的每个参考点与每个鱼鳞边缘点的相似性、每个鱼鳞边缘点的每个参考点属于鱼鳞边缘的可能性以及每个鱼鳞边缘点的每个参考点为参照点的可能性，对每个鱼鳞边缘点的每个参考点的灰度值进行加权求和，确定个鱼鳞边缘点的修正后的灰度值，包括：
27、
28、式中，表示第z个鱼鳞边缘点的修正后的灰度值，表示第z个鱼鳞边缘点的第a个参考点与第z个鱼鳞边缘点的相似性，表示第z个鱼鳞边缘点的第a个参考点属于鱼鳞边缘的可能性，表示第z个鱼鳞边缘点的第一搜索范围内第a个参考点为参照点的可能性，表示第z个鱼鳞边缘点的第a个参考点的灰度值，表示第j个突变点的第一搜索范围内所有参考点的数量。
29、进一步地，所述突变点的第一搜索范围的获取方法包括：
30、所述突变点的第一搜索范围是以突变点为中心像素点、大小为k×k的窗口，k表示第一边长。
本文档来自技高网...【技术保护点】
1.一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述根据像素点与相邻像素点的灰度值的差异，计算每个像素点的突变程度，包括：
3.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述根据突变点的局部范围内其他突变点的分布，计算每个突变点属于鱼鳞边缘的可能性，包括：
4.根据权利要求3所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述突变点的第一突变点序列和第二突变点序列的获取方法包括：
5.根据权利要求3所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述突变点的曲率的获取方法包括：
6.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述根据每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点的相对位置，确定每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点为参照点的可能性，包括：
7.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于
8.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述根据每个鱼鳞边缘点的每个参考点与每个鱼鳞边缘点的相似性、每个鱼鳞边缘点的每个参考点属于鱼鳞边缘的可能性以及每个鱼鳞边缘点的每个参考点为参照点的可能性，对每个鱼鳞边缘点的每个参考点的灰度值进行加权求和，确定个鱼鳞边缘点的修正后的灰度值，包括：
9.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述突变点的第一搜索范围的获取方法包括：
10.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述鱼鳞边缘点的第二搜索范围的获取方法包括：
...【技术特征摘要】
1.一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述根据像素点与相邻像素点的灰度值的差异，计算每个像素点的突变程度，包括：
3.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述根据突变点的局部范围内其他突变点的分布，计算每个突变点属于鱼鳞边缘的可能性，包括：
4.根据权利要求3所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述突变点的第一突变点序列和第二突变点序列的获取方法包括：
5.根据权利要求3所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述突变点的曲率的获取方法包括：
6.根据权利要求1所述的一种基于图像特征分析的鱼类类别检测方法，其特征在于，所述根据每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点的相对位置，确定每个鱼鳞边缘点的第一搜索范围内其他鱼鳞边缘点为参照点的可能性，包括：<...
【专利技术属性】
技术研发人员：叶宁，乐仁龙，楼杭欣，楼靖娟，徐智军，雷景生，杨胜英，
申请(专利权)人：宁波海上鲜信息技术股份有限公司，
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。