融合背景信息与颜色特征的鱼体检测方法

摘要

本发明提供了一种融合背景信息与颜色特征的鱼体检测方法，包括如下步骤：计算机读取背景和包括鱼体目标的图像；根据背景减除法对两幅图像进行计算以获得初始的鱼体运动目标，此时图像中包括很多噪声点和背景信息点；为了获得精确的鱼体目标，利用RGB颜色模型的信息，从原始彩色图像中获得鱼体的RGB颜色信息，并利用(R-B)算子对图像处理；处理后的图像目标和背景像素呈现较大差异，其直方图呈双峰分布，寻找直方图的峰谷点为阈值点，对(R-B)后的图像进行阈值处理，大于阈值的像素点即为鱼体目标，否则剔除；此时计算机输出的图像为最终的鱼体目标检测结果。本方法适用于简单背景且摄像机固定的场景下鱼体目标检测，具有通用性好，检测目标精确，速度快等优点。

说明书

技术领域

本发明属于计算机视觉技术领域，尤其是一种适用于背景相对简单且摄像机固定的场景，对鱼体目标进行实时性检测且精确度高的方法。

背景技术

在经济技术高速发展的同时，环境污染不可避免，从而导致温室效应严重，全球气候变暖，水体环境更是深受影响，成为污染的最终收纳者。因此，如何有效地对水体环境质量进行监测管理，防治水体污染已经成为世界各国所密切关注的问题，并积极投入关注对水体质量和水体安全进行可靠监测和及时的预警，使水体质量管理工作和水体污染防治方法的研究也日趋凸显出其重要性。水体环境监测普遍应用的是生物学方法，即把生物监测技术与环境科学相结合。目前国内外环境科学研究领域普遍关注于利用生物监测技术建立水体环境安全预警系统。生物监测技术及水体环境预警的理论核心为利用行为反应进行迅速的直观监测成为可能，从而反映水体环境变化对水生生物生存状态的影响。利用某些鱼类对水体化学成分的变化反应灵敏的特点，应用于水体中污染成分的研究，不仅可以得出水体中单种污染物的作用效应，也可以反映出多种成分的混合污染，可以作为评价水体污染的综合指标，因此，环境改变导致鱼类行为发生的变化可以作为我们监测水体污染的科学依据和良好的实验材料。尤其是随着计算机视觉技术的发展，采用基于视频监测技术对水生生物进行运动目标跟踪，以确定生物的行为变化。这种方法的优点是操作过程简单快捷，能实时地对水体环境质量进行监测。鱼类是生物监测在水体环境污染研究中应用最广泛的水生生物之一。利用鱼类行为监测水体污染，欧美等国应用较早，Belding根据鱼的呼吸变化指示有毒环境；Wxlde通过观察鱼的咳嗽次数来反映造纸厂废水对鱼的影响，并确定废水的安全浓度；Davis用一种体积较小的食蚊鱼测试废水毒性，随后，鱼的游泳行为、正趋流性和选择行为等也相继得到应用。我国在这方面的研究起步较晚，中科院水生所用鱼类的闹胆碱酯酶活力监测水体中有机农药的污染情况；覃东立等利用鱼类监测并评价水体环境中汞污染的程度；汪红军、刘淑英等利用鱼类呼吸机能方面的敏感性，根据鱼类的呼吸参数的变化来预警水体环境污染。现有的一切研究都是建立在鱼类目标检测的基础之上的，如何能够准确快速地检测出鱼体目标成为了各项研究的瓶颈。

在所用的监测方法中，背景减除法具有实时性好，计算复杂度低的特点，在环境比较理想的情况下能够很好地分割出鱼体目标。但是在水波和光照、噪声等干扰的情况下，由于不能有效地去除噪声和多余的背景点，从而存在目标检测不全或过多的现象，使得鱼体目标检测效果较差。而颜色特征信息是基于颜色模型的一种相对柔性的方法，实现过程简单、计算量少。

鱼体目标检测中存在快速性与准确性相互制约的现象，若想要得到精确的鱼体目标就需要经过复杂的算法，而复杂的算法就会使计算量大，导致计算时间长，因而快速性也就差。若想提高快速性就必须减少计算量，而计算量一减少，算法的精确度就不能保证。

发明内容

为了解决在鱼类目标检测中快速性与准确性相互制约的问题，本发明基于计算量最少的背景减除法，同时，为了克服外界条件如光照、噪声以及背景选取的不合适程度等因素对鱼体目标检测精度的影响，在背景减除法的基础上融合了颜色特征进行阈值处理，能够快速而精确的检测出鱼体目标。

为了克服鱼体目标检测中的快速性与准确性相互制约的现象，本发明提出了一种新的融合背景信息与颜色特征的鱼体检测方法，能够有效的解决此类相互制约的问题。

为了解决上述存在的技术问题，本发明采用下述技术方案：一种融合背景信息与颜色特征的鱼体检测方法，包括以下步骤：

 (1) 背景的获取

摄像机固定之后，拍摄没有鱼体目标时的图像作为背景图像输入计算机；

(2) 背景减除法

拍摄鱼体目标图像，与背景图像利用背景减除法获得鱼体目标初步检测图像，然后设定阈值判别，从而得到鱼体目标初步检测的二值图像；

(3) 获得鱼体目标的颜色信息

利用步骤(2)中拍摄到的鱼体目标图像的RGB颜色像素信息还原二值图像，从而获得鱼体目标的颜色信息图像；

(4) 选择合适的组合算子

鱼体图像的RGB颜色模型中含有R、G、B三个不同分量，选择                                                作为运算算子；

(5) 对鱼体图像进行阈值检测

利用(R-B)算子对步骤(3)获得的图像进行运算，处理后的图像目标和背景像素呈现较大差异，其直方图呈双峰分布，寻找直方图的峰谷点为阈值点T；

(6) 阈值判定

对步骤(5)获得的图像进行阈值处理，大于阈值T的像素点即为鱼体目标，否则剔除；此时计算机输出的图像为最终的鱼体目标检测结果。

 背景减除法实时性好，对目标的定位精确，能很好的给出运动目标的位置、大小、形状等信息，只是此方法的关键问题是如何得到准确、可靠的背景图像。背景图像的获取方法具体有以下两种：一种是在理想的情况下，在场景没有运动目标的情况下得到的图像作为背景图像，然后用视频图像序列中的每一帧与此背景图像进行差分运算，得到运动目标。第二种是在现实的情况下，由于现实生活中场景时时刻刻都是变化的，对于运动目标的检测来说，光照、天气等外界其它的干扰都会影响最终的检测结果，为了减少这些变化带来的不利影响，需要建立背景模型和背景模型实时更新。

本发明适用于场景简单且摄像机静止的条件，故此采用第一种方法获得背景图像，然后用视频图像序列中的每一帧与此背景图像进行差分运算，得到运动目标，从而减少计算量和时间。

计算公式如下：

                     (1)

其中，为视频序列中的帧图像，为背景图像，为两帧图像差分后得到的目标区域。

为了达到能准缺的获取运动目标的目的，进一步用阈值分割的方法对目标区域进行处理，公式如下：

                            (2)

其中，为进行二值化处理的阈值，一般情况下采用自适应方法选取阈值。此阈值选取的好坏，决定着能否完整的选取运动目标，同时它还能适当的消除噪声。

在背景减除法的基础上融合颜色特征进行阈值二次分割，解决了由于光照、水波阴影、噪声等对鱼体目标检测精度引起的影响，同时也解决了由于背景减除法而出现的鱼体目标过分割与欠分割现象，从而能够获得精确地鱼体目标。

颜色特征采用的是RGB模型，根据三基色原理，在RGB颜色模型中，任何色光F都可以用R、G、B三个不同分量的相加混合而成：。选择组合算子作为特征量进行代数运算，运算后得到的图像显示鱼体目标与背景的像素值有较大的差异，其直方图成明显的双峰分布，寻找峰谷点作为二次分割的阈值，就可快速得到精确地鱼体目标。

由于采用上述技术方案，本发明提供的融合背景信息与颜色特征的鱼体检测方法具有这样的有益效果：本发明采用计算量最少的背景减除法来获得鱼体目标初次检测结果，大大缩短了目标检测时间，具有良好的快速性，并在背景减除法的基础上利用了颜色特征信息对鱼体图像进行了二次分割，解决了背景减除法中容易出现多余的噪声点和背景点的现象，同时颜色特征信息计算量也非常小，故此鱼体目标检测的快速性能够得到保证，通过实验效果可以看出，结合两种算法的鱼体检测具有通用性好，检测目标精确，速度快等特点。

附图说明

图1是本发明融合背景信息与颜色特征的鱼体检测方法流程图；

图2是背景减除法的实验结果图；

图3是(R-B)色差图；

图4是本发明融合背景信息与颜色特征的鱼体检测方法实验结果图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详细的说明。

本发明提出的融合背景信息与颜色特征的鱼体检测方法如图1所示，以下分为六个部分介绍具体实施方式。

(1) 背景的获取

摄像机固定之后，拍摄没有鱼体目标时的图像作为背景图像输入计算机。

(2) 背景减除法

拍摄鱼体目标图像，与背景图像利用公式(1)做差获得鱼体目标初步检测图像，由于背景减除法计算量小，运算时间短，可以快速得到目标初步检测图像，但此时图像中包括噪声点和背景点，需要进行设定阈值判别，从而得到鱼体目标初步检测的二值图像，如图2所示。为了更精确的得到鱼体目标，须进一步处理。

(3) 获得鱼体目标的颜色信息

利用步骤(2)中拍摄到的鱼体目标图像的RGB颜色像素信息还原步骤(2)中的鱼体目标二值图像，从而获得鱼体目标的颜色信息图像。

(4) 选择合适的组合算子

鱼体图像的RGB颜色模型中含有R、G、B三个不同分量，在分割时，选择组合算子、、以及作为特征量进行代数运算，结果发现鱼体目标的像素值与背景的像素值有较大的差异，而其它几种算子的区分效果较差，故此，选择作为运算算子。

(5) 对鱼体图像进行阈值检测

利用(R-B)算子对步骤(3)获得的图像进行运算，结果图如图3所示；处理后的图像目标和背景像素呈现较大差异，其直方图呈双峰分布，寻找直方图的峰谷点为阈值点T。

(6) 阈值判定

对步骤(5)获得的图像3进行阈值处理，大于阈值T的像素点即为鱼体目标，否则剔除；此时计算机输出的图像为最终的鱼体目标检测结果。如图4所示。从图4中可以看出，本方法能够精确地获得鱼体目标。