基于图像处理的无人艇检测海浪的方法.pdf

《基于图像处理的无人艇检测海浪的方法.pdf》由会员分享，可在线阅读，更多相关《基于图像处理的无人艇检测海浪的方法.pdf（11页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010389360.0 (22)申请日 2020.05.10 (71)申请人 上海大学 地址 200444 上海市宝山区上大路99号 (72)发明人 彭艳成敏王曰英张丹 谢少荣蒲华燕罗均 (74)专利代理机构 上海新隆知识产权代理事务 所(普通合伙) 31366 代理人 金利琴 (51)Int.Cl. G06T 7/60(2017.01) G06T 7/62(2017.01) G06T 5/00(2006.01) (54)发明名称 一种基于图像处理的无人艇检测海浪的方 法 。

2、(57)摘要 本发明公开一种基于图像处理的无人艇检 测海浪的方法， 其利用艇载摄像头拍摄无人艇周 围海域图像， 并利用高斯滤波对原图进行预处 理； 将预处理后的图像所属颜色空间进行转换； 对图像进行形态学操作， 获取海浪所属的区域； 统计海浪所属像素区域的面积在整张图像中的 占比； 当海浪所属像素面积在整张图像中的占比 超过设定值后， 生成触发信号， 表明海浪大小， 进 行预警。 本发明是低成本、 高效率的海浪检测方 法， 能对周围海浪大小进行检测以规避风浪危 害。 权利要求书2页 说明书5页 附图3页 CN 111583325 A 2020.08.25 CN 111583325 A 1.一种。

3、基于图像处理的无人艇检测海浪的方法， 其特征在于， 具体包括以下步骤： 步骤一： 海浪视频预处理， 减少视频中图像的噪声， 得到下一步可以处理的图像； 步骤二： 将预处理后的图像所属颜色空间进行转换； 步骤三： 对图像进行形态学操作， 获取海浪所属的区域； 步骤四： 统计海浪所属像素区域的面积在整张图像中的占比； 步骤五： 当海浪所属像素面积在整张图像中的占比超过设定值后， 生成触发信号， 表明 海浪大小， 进行预警。 2.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法， 其特征在于， 所 述步骤一中海浪视频预处理， 具体包括： (1)对获取的图像逐帧进行高斯滤波； (2)获取图像。

4、的基本参数， 包括图像尺寸的总行数H和图像总列数W。 3.根据权利要求2所述的一种基于图像处理的无人艇检测海浪的方法， 其特征在于， 所 述高斯滤波是一种线性滤波器， 其抑制噪声， 平滑图像， 减少因为环境因素所导致摄像头采 集的图像中的白噪声， 保留图像中更多的有效特征， 得到预处理图像， 高斯卷积核尺寸为5 5。 4.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法， 其特征在于， 所 述步骤二中预处理后的图像所属颜色空间转换， 具体包括： (1)RGB颜色空间根据颜色发光原理来设计， 使用红(R)、 绿(G)、 蓝(B)三种颜色不同比 例混合， 描述物体颜色， 而HSV颜色空间。

5、是一种比较直观的颜色模型， 使用色调(H)、 饱和度 (S)和明度(V)来描述物体颜色， 转换公式如下： 令 取R ， G ， B 中最大值， 记为Cmaxmax(R ， G ， B )； 取R ， G ， B 中最小值， 记为Cminmin(R ， G ， B )， 令Cmax-Cmin， 则 VCmax； (2)根据转换公式， 对原始图像进行像素点的逐一运算， 计算出色调H， 饱和度S和明度 V， 生成得到HSV图像。 5.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法， 其特征在于， 所 权利要求书 1/2 页 2 CN 111583325 A 2 述步骤三中对图像进行形态学。

6、操作， 获取海浪所属的区域， 具体包括： (1)由于海浪腾起时呈现出的颜色偏白， 与周围平静的海水的蓝色有所区别， 利用颜色 对比进行海浪区分， 根据HSV颜色空间特性， 设置上下阈值， 其中设置色调(H)上阈值为180， 下阈值为0， 饱和度(S)上阈值为200， 下阈值为0， 明度(V)上阈值为255， 下阈值为220， 记录 图像色调、 饱和度和明度位于阈值区间的像素坐标； (2)对预处理图像进行二值化操作， 上一步中记录像素的坐标对应预处理图像中的像 素使其红(R)、 绿(G)和蓝(B)三个通道值设为255， 即显示为白色， 剩余像素红(R)、 绿(G)和 蓝(B)三个通道值设为1， 。

7、即显示为黑色； (3)对图像中的小水花做过滤处理， 具体为对上一步图像先进行图像腐蚀操作， 采用的 腐蚀算子尺寸为55， 随后进行图像膨胀操作， 采用的膨胀算子尺寸为55。 6.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法， 其特征在于， 所 述步骤四中， 统计海浪所属像素区域的面积在整张图像中的占比， 具体包括： (1)计算白色像素点， 即像素点的红(R)、 绿(G)和蓝(B)三个通道值为255的像素， 记录 最左边(xL， yL)， 最右边(xR， yR)， 最上边(xH， yH)， 最下边(xD， yD)出现的白色像素坐标,依据四 个坐标计算出海浪图像的最小外接矩形面积， 。

8、则最小外接矩形像素数量为N(yH-yD) (xR-xL)； (2)用最小外接矩形像素数量N除以图像所有像素数量,计算白色像素占图像总像素比 例， 记为 ， 即 7.根据权利要求1所述的一种基于图像处理的无人艇检测海浪的方法， 其特征在于， 所 述步骤五中当海浪所属像素区域面积在整张图像中的占比超过设定值后， 生成触发信号， 判断海浪是否过高， 具体包括： (1)判断 值大小， 当50 100时， 说明此时无人艇遭遇的海浪较大； 当0 50， 说明此时无人艇遭遇的海浪较小。 权利要求书 2/2 页 3 CN 111583325 A 3 一种基于图像处理的无人艇检测海浪的方法 技术领域 0001 。

9、本发明属于无人艇应用技术领域,更具体地说， 是一种基于图像处理的无人艇检 测海浪的方法， 其能够根据无人艇周围的海浪情况， 自动识别风浪风险， 从而保护无人艇。 背景技术 0002 海底测绘是无人艇作业的重要任务之一， 然而海上情况多变， 尤其是恶劣气候所 导致的狂风大浪和海啸等自然灾害， 对无人艇船体和所搭载的设备构成了极大的威胁， 容 易损坏艇载设备， 甚至导致无人艇翻船， 带来重大损失。 同时， 无人艇测绘的海域多为有人 测绘船不方便测绘的深度较浅的海域， 这些地方有的岛礁伸出海面， 在极端天气情况下， 风 浪摇晃， 极易使得无人艇碰撞岛礁或者触及暗礁， 破环舰体结构， 严重情况下甚至使。

10、得无人 艇报废。 0003 目前， 业界常用的现有技术是这样的： 0004 (1)利用天气预报进行对预测绘海域的天气等海况信息进行预估和判断， 然而， 海 上天气多变， 无人艇往往位于无人海域单独作业， 单一的天气预报很难预测及时并且准确 的无人艇周围海况； 0005 (2)利用毫米波雷达对周围的海况进行建模， 获取无人艇周围海浪信息， 然而， 雷 达的价格高昂， 性价比低， 同时雷达进行海浪建模需要耗费一定的计算资源， 而无人艇测绘 本身使用的传感器设备众多， 再使用雷达进行单一的海浪建模会造成计算资源更为紧张。 并且雷达建模的采样建模耗费时间， 难以做到实时建模， 浪费大量资源而获取的效果。

11、不佳。 0006 因此， 需要一套低成本、 高效率的海浪检测系统来对周围海浪大小进行检测以规 避风浪危害。 发明内容 0007 针对现有技术存在的问题， 本发明提供了一种基于图像处理的无人艇检测海浪的 方法， 其是利用艇载摄像头视频中检测海浪高度并进行预警的方法。 0008 本发明通过以下技术方案予以实现： 0009 一种基于图像处理的无人艇检测海浪的方法， 具体包括以下步骤： 0010 步骤一： 海浪视频预处理， 减少视频中图像的噪声， 得到下一步可以处理的图像； 0011 步骤二： 将预处理后的图像所属颜色空间进行转换； 0012 步骤三： 对图像进行形态学操作， 获取海浪所属的区域； 0。

12、013 步骤四： 统计海浪所属像素区域的面积在整张图像中的占比； 0014 步骤五： 当海浪所属像素面积在整张图像中的占比超过设定值后， 生成触发信号， 表明海浪大小， 进行预警。 0015 进一步， 所述步骤一中海浪视频预处理方法， 具体包括： 0016 (1)对获取的图像逐帧进行高斯滤波； 0017 (2)获取图像的基本参数， 包括图像尺寸的总行数H和图像总列数W。 说明书 1/5 页 4 CN 111583325 A 4 0018 进一步， 所述高斯滤波是一种线性滤波器， 其抑制噪声， 平滑图像， 减少因为环境 因素所导致摄像头采集的图像中的白噪声， 保留图像中更多的有效特征， 得到预处。

13、理图像， 高斯卷积核尺寸为55。 0019 进一步， 所述步骤二中预处理后的图像所属颜色空间转换， 具体包括： 0020 (1)RGB颜色空间根据颜色发光原理来设计， 使用红(R)、 绿(G)、 蓝(B)三种颜色不 同比例混合， 描述物体颜色， 而HSV颜色空间是一种比较直观的颜色模型， 使用色调(H)、 饱 和度(S)和明度(V)来描述物体颜色， 转换公式如下： 0021令 0022 取R ， G ， B 中最大值， 记为Cmaxmax(R ， G ， B )； 0023 取R ， G ， B 中最小值， 记为Cminmin(R ， G ， B )， 0024 令Cmax-Cmin， 则 0。

14、025 0026 0027 VCmax； 0028 (2)根据转换公式， 对原始图像进行像素点的逐一运算， 计算出色调H， 饱和度S和 明度V， 生成得到HSV图像。 0029 进一步， 所述步骤三中对图像进行形态学操作， 获取海浪所属的区域， 具体包括： 0030 (1)由于海浪腾起时呈现出的颜色偏白， 与周围平静的海水的蓝色有所区别， 利用 颜色对比进行海浪区分， 根据HSV颜色空间特性， 设置上下阈值， 其中设置色调(H)上阈值为 180， 下阈值为0， 饱和度(S)上阈值为200， 下阈值为0， 明度(V)上阈值为255， 下阈值为220， 记录图像色调、 饱和度和明度位于阈值区间的像。

15、素坐标； 0031 (2)对预处理图像进行二值化操作， 上一步中记录像素的坐标对应预处理图像中 的像素使其红(R)、 绿(G)和蓝(B)三个通道值设为255， 即显示为白色， 剩余像素红(R)、 绿 (G)和蓝(B)三个通道值设为1， 即显示为黑色； 0032 (3)对图像中的小水花做过滤处理， 具体为对上一步图像先进行图像腐蚀操作， 采 用的腐蚀算子尺寸为55， 随后进行图像膨胀操作， 采用的膨胀算子尺寸为55。 0033 进一步， 所述步骤四中统计海浪所属像素区域的面积在整张图像中的占比， 具体 包括： 0034 (1)计算白色像素点， 即像素点的红(R)、 绿(G)和蓝(B)三个通道值为。

16、255的像素， 记录最左边(xL， yL)， 最右边(xR， yR)， 最上边(xH， yH)， 最下边(xD， yD)出现的白色像素坐标,依 说明书 2/5 页 5 CN 111583325 A 5 据着四个坐标计算出海浪图像的最小外接矩形面积， 则最小外接矩形像素数量为 0035 N(yH-yD)(xR-xL)； 0036 (2)用最小外接矩形像素数量N除以图像所有像素数量,计算白色像素占图像总像 素比例， 记为 ， 即 0037 进一步， 所述步骤五中当海浪所属像素区域面积在整张图像中的占比超过设定值 后， 生成触发信号， 判断海浪是否过高， 具体包括： 0038 (1)判断 值大小， 。

17、当50 100时， 说明此时无人艇遭遇的海浪较大； 当0 50， 说明此时无人艇遭遇的海浪较小。 0039 有益效果 0040 本发明是低成本、 高效率的海浪检测方法， 能对周围海浪大小进行检测以规避风 浪危害。 利用本发明的方法能够较完整的标注出海浪的主体， 对海浪最高部的小浪花也能 做到很好的一直处理， 同时本方法算法简单， 计算量小， 可以做到实时处理， 对嵌入式设备 等算力较低的设备也能够很好的支持， 能够极大的拓展其实用性。 需要一套低成本、 高效率 的海浪检测系统来对周围海浪大小进行检测以规避风浪危害。 附图说明 0041 图1为本发明一种基于图像处理的无人艇检测海浪的方法主流程图。

18、； 0042 图2为本发明一种基于图像处理的无人艇检测海浪的方法海浪采集原图； 0043 图3为本发明一种基于图像处理的无人艇检测海浪的方法海浪分割二值化处理 图； 0044 图4为本发明一种基于图像处理的无人艇检测海浪的方法实际效果图。 具体实施方式 0045 为了便于本领域普通技术人员对本专利技术方案的充分理解， 同时， 也为了使本 专利的技术目的、 技术方案和有益效果更加清楚， 并使权利要求书的保护范围能够得到充 分支持， 下面以具体案例的形式对本专利的技术方案做出进一步的、 更详细的说明。 0046 如图1所示， 一种基于图像处理的无人艇检测海浪的方法， 其包括以下步骤： 0047 S。

19、1： 海浪视频预处理， 减少视频中图像的噪声， 得到下一步可以处理的图像； 0048 S2： 将预处理后的图像所属颜色空间进行转换； 0049 S3： 对图像进行形态学操作， 获取海浪所属的区域； 0050 S4： 统计海浪所属像素区域的面积在整张图像中的占比； 0051 S5： 当海浪所属像素面积在整张图像中的占比超过设定值后， 生成触发信号， 表明 海浪大小。 0052 其中， 所述海浪视频预处理方法具体包括： 0053 S101： 对获取的图像逐帧进行高斯滤波。 高斯滤波是一种线性滤波器， 能够十分有 效的抑制噪声， 平滑图像， 减少因为环境因素所导致摄像头采集的图像中的白噪声， 保留图。

20、 像中更多的有效特征， 得到预处理图像， 此处选用高斯卷积核尺寸为55。 0054 S102： 获取图像的基本参数， 包括图像尺寸的总行数H和图像总列数W； 说明书 3/5 页 6 CN 111583325 A 6 0055 进一步， 所述预处理后的图像所属颜色空间转换具体包括： 0056 S201： RGB颜色空间根据颜色发光原理来设计， 使用红(R)、 绿(G)、 蓝(B)三种颜色 不同比例混合， 描述物体颜色。 而HSV颜色空间是一种比较直观的颜色模型， 使用色调(H)、 饱和度(S)和明度(V)来描述物体颜色。 转换公式如下： 0057令 0058 取R ， G ， B 中最大值， 记。

21、为Cmaxmax(R ， G ， B )； 0059 取R ， G ， B 中最小值， 记为Cminmin(R ， G ， B )， 0060 令Cmax-Cmin， 则 0061 0062 0063 VCmax； 0064 (2)根据转换公式， 对原始图像进行像素点的逐一运算， 计算出色调H， 饱和度S和 明度V， 生成得到HSV图像。 0065 其中， 对图像进行形态学操作， 获取海浪所属的区域， 具体包括： 0066 S301： 由于海浪腾起时呈现出的颜色偏白， 与周围平静的海水的蓝色有所区别， 利 用颜色对比进行海浪区分。 根据HSV颜色空间特性， 设置上下阈值， 其中设置色调(H)上。

22、阈值 为180， 下阈值为0， 饱和度(S)上阈值为200， 下阈值为0， 明度(V)上阈值为255， 下阈值为 200。 记录图像色调、 饱和度和明度位于阈值区间的像素坐标； 0067 S302： 对预处理图像进行二值化操作， 上一步中记录像素的坐标对应预处理图像 中的像素使其红(R)、 绿(G)和蓝(B)三个通道值设为255， 即显示为白色， 剩余像素红(R)、 绿 (G)和蓝(B)三个通道值设为1， 即显示为黑色； 0068 S303： 对图像中的小水花做过滤处理， 具体为对上一步图像先进行图像腐蚀操作， 此处采用的腐蚀算子尺寸为55， 随后进行图像膨胀操作， 此处采用的膨胀算子尺寸为5。

23、 5。 0069 其中， 统计海浪所属像素区域的面积在整张图像中的占比， 具体包括： 0070 S401： 计算白色像素点， 即像素点的红(R)、 绿(G)和蓝(B)三个通道值为255的像 素， 记录最左边(xL， yL)， 最右边(xR， yR)， 最上边(xH， yH)， 最下边(xD， yD)出现的白色像素坐 标,依据着四个坐标计算出海浪图像的最小外接矩形面积， 则最小外接矩形像素数量为 0071 N(yH-yD)(xR-xL)； 0072 S402： 用白色像素点总量N除以图像所有像素数量,计算白色像素占图像总像素比 说明书 4/5 页 7 CN 111583325 A 7 例， 记为。

24、 ， 即 0073 进一步， 当海浪所属像素区域面积在整张图像中的占比超过设定值后， 生成触发 信号， 判断海浪是否过高具体包括： 0074 S501： 判断 值大小， 当50 100时， 说明此时无人艇遭遇的海浪较大； 当0 50， 说明此时无人艇遭遇的海浪较小。 0075 以下是一个更为具体的例子。 0076 如图2所示， 该图片为无人艇在进行目标海域测绘时拍摄海况画面， 经过处理本方 法之后， 海浪分割二值化处理图如图3所示， 实际海浪检测效果图如图4所示， 实际海浪占比 60.267， 超过50， 此时海浪较大。 0077 由实际效果可以看出， 利用本方法能够较完整的标注出海浪的主体，。

25、 对海浪最高 部的小浪花也能做到很好的一直处理， 同时本方法算法简单， 计算量小， 可以做到实时处 理， 对嵌入式设备等算力较低的设备也能够很好的支持， 能够极大的拓展其实用性。 0078 此外， 需要注意的是上述对于本专利的具体实施方法仅仅是为了方便本领域的普 通工作人员理解本专利的技术方案而列举的示例性描述， 并非按时本专利的保护范围仅仅 被限制在这些个例中， 本专业领域的普通技术人员完全可以在对本专利技术方法做出充分 理解的前提下， 以不付出任何创造性劳动的情况下， 通过对本专利所列举的各个例进行组 合技术特征、 替换部分技术特征、 加入更多技术特征等等方式， 得到更多的具体实施方式， 所有的这些具体实施方式均在本专利要求书的涵盖范围之类。 因此， 这些新的具体实施方 式也应该在本专利的保护范围之内。 说明书 5/5 页 8 CN 111583325 A 8 图1 说明书附图 1/3 页 9 CN 111583325 A 9 图2 图3 说明书附图 2/3 页 10 CN 111583325 A 10 图4 说明书附图 3/3 页 11 CN 111583325 A 11 。