一种基于图像识别的轮船定位跟踪方法

摘要

本发明提供了一种基于图像识别的轮船定位跟踪方法，包括：步骤一、获取包含轮船的图像，并查找船只区域；步骤二、对所述船只区域进行特征提取，获取所述船只区域对应的边缘特征和区域特征；步骤三、将所述边缘特征和区域特征进行预处理，并根据所述边缘特征和所述区域特征计算所述船只在所述图像中的占比特征值；步骤四、将所述占比特征值与标准特征值匹配，并通过相关性分析识别目标船只；步骤五、对所述目标船只进行图像变换，获得目标船只定位信息，通过对船只图像进行预处理及识别能够有效提取图像特征，以实现最大限度地实现船只位置识别。

说明书

技术领域

本发明属于图像定位识别技术领域，尤其涉及一种基于图像识别的轮船定位跟踪方法。

背景技术

在对海上船只进行定位追踪时，需要根据图像识别出船只所在位置，近年来，随着人工智能的不断发展，影像图像被作为分析的焦点，通过相应矩阵、数学公式等将图像信息量化为数字信息，从而探索到了肉眼未能发现的规律。图像定位跟踪具有非接触、唯一性等优势，这使得其较于其它识别方式更为安全。因此为提高船只的定位准确性，根据图像对轮船位置进行定位跟踪是很有必要的。

发明内容

本发明提供了一种基于图像识别的轮船定位跟踪方法，通过对船只图像进行预处理及识别能够有效提取图像特征，以实现最大限度地实现船只位置识别。

本发明提供的技术方案为：

一种基于图像识别的轮船定位跟踪方法，包括：

步骤一、获取包含轮船的图像，并查找船只区域；

步骤二、对所述船只区域进行特征提取，获取所述船只区域对应的边缘特征和区域特征；

步骤三、将所述边缘特征和区域特征进行预处理，并根据所述边缘特征和所述区域特征计算所述船只在所述图像中的占比特征值；

步骤四、将所述占比特征值与标准特征值匹配，并通过相关性分析识别目标船只；

步骤五、对所述目标船只进行图像变换，获得目标船只定位信息。

优选的是，所述船只区域的查找包括：

步骤a、对采集的包含轮船的图像进行二值化处理，

式中，I(x,y)为(x,y)位置的灰度值，thresh为预设阈值，f(x,y)为二值化后直肠图像(x,y)位置的灰度值；

步骤b、对所述二值化图像进行像素点分割，得到ξ＝m×n个像素点；其中，m为横向像素个数，n为纵向像素个数；

步骤c、对像素点分割后的图像分别进行取反与直方图均衡化操作，从而获得m×n像素大小的预处理的包含轮船的图像；

步骤d、对所述预处理的包含轮船的图像内的像素点进行逐像素滑窗，并计算每个像素点的局部对比度，进而计算全图的加权局部对比度；

步骤e、通过对所述加权局部对比度进行阈值分割即可提取出目标，进而查找并识别处船只区域。

优选的是，所述每个像素点的局部对比度计算公式为：

其中，D

优选的是，所述全图的加权局部对比度计算公式为：

其中，RA

优选的是，所述阈值分割计算公式为：

其中，f

优选的是，所述边缘特征包括：水平偏差、垂直偏差和转动角度。

优选的是，所述区域特征包括：区域强度、区域形状和区域大小。

优选的是，所述占比特征值的计算公式为：

其中，S

标准特征值计算公式为：

优选的是，所述相关性分析值计算公式为：

其中，Cov

优选的是，所述目标船只进行图像变换，包括对所述船只图像进行倍率放大和扩大视场角。

有益效果

本发明提供了一种基于图像识别的轮船定位跟踪方法，通过对船只图像进行预处理及识别能够有效提取图像特征，以实现最大限度地实现船只位置识别。

附图说明

图1为本发明所述的基于图像识别的轮船定位跟踪方法的流程图。

图2为本发明所述的船只区域的查找流程图。

图3为本发明所述的原始船只区域图。

图4为本发明所述的预处理后的原始船只图像。

图5为本发明所述的加权局部对比度图；

图6为本发明所述的目标船只进行图像变换后的船只影像图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本发明的描述中，术语“中”、“上”、“下”、“横”、“内”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

如图1所示，基于背景技术提出的技术问题，本发明提供了一种基于图像识别的轮船定位跟踪方法，包括：

步骤110、获取包含轮船的图像，并查找船只区域；

步骤120、对所述船只区域进行特征提取，获取所述船只区域对应的边缘特征和区域特征；

步骤130、将所述边缘特征和区域特征进行预处理，并根据所述边缘特征和所述区域特征计算所述船只在所述图像中的占比特征值；

步骤140、将所述占比特征值与标准特征值匹配，并通过相关性分析识别目标船只；

步骤150、对所述目标船只进行图像变换，获得目标船只定位信息。

如图2所示，步骤110中船只区域的查找包括：

步骤111、对采集的包含轮船的图像进行二值化处理，

式中，I(x,y)为(x,y)位置的灰度值，thresh为预设阈值，f(x,y)为二值化后直肠图像(x,y)位置的灰度值；

步骤112、对所述二值化图像进行像素点分割，得到ξ＝m×n个像素点；其中，m为横向像素个数，n为纵向像素个数；

步骤113、对像素点分割后的图像分别进行取反与直方图均衡化操作，从而获得m×n像素大小的预处理的包含轮船的图像；

步骤114、对所述预处理的包含轮船的图像内的像素点进行逐像素滑窗，并计算每个像素点的局部对比度，进而计算全图的加权局部对比度；

其中，每个像素点的局部对比度计算公式为：

其中，D

其中，全图的加权局部对比度计算公式为：

其中，RA

步骤115、通过对所述加权局部对比度进行阈值分割即可提取出目标，进而查找并识别处船只区域。阈值分割计算公式为：

其中，f

在另一实施例中，所述边缘特征包括：水平偏差、垂直偏差和转动角度。

在另一实施例中，所述区域特征包括：区域强度、区域形状和区域大小。

优选的是，所述占比特征值的计算公式为：

其中，S

标准特征值计算公式为：

优选的是，所述相关性分析值计算公式为：

其中，Cov

在另一实施例中，所述目标船只进行图像变换，包括对所述船只图像进行倍率放大和扩大视场角；

如图3-6所示，分别为本发明的原始船只区域图。本发明所述的预处理后的原始船只图像。本发明所述的加权局部对比度图；本发明所述的目标船只进行图像变换后的船只影像图；图为了解决现有技术中的上述问题，通过对船只图像进行预处理及识别能够有效提取图像特征，以实现最大限度地实现船只位置识别。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。