CN111583325A - 一种基于图像处理的无人艇检测海浪的方法 - Google Patents

Abstract

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。

Description

一种基于图像处理的无人艇检测海浪的方法

技术领域

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

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，严重情况下甚至使得无人艇报废。

目前，业界常用的现有技术是这样的：

(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；

(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不佳。

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

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。

本发明通过以下技术方案予以实现：

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：

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。

进一步，所述步骤一中海浪视频预处理方法，具体包括：

(1)对获取的图像逐帧进行高斯滤波；

(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。

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，得到预处理图像，高斯卷积核尺寸为5×5。

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：

(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：

令

取R′，G′，B′中最大值，记为C_max＝max(R′，G′，B′)；

取R′，G′，B′中最小值，记为C_min＝min(R′，G′，B′)，

令Δ＝C_max-C_min，则

V＝C_max；

(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。

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：

(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，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5×5，随后进行图像膨胀操作，采用的膨胀算子尺寸为5×5。

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：

(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(x_L，y_L)，最右边(x_R，y_R)，最上边(x_H，y_H)，最下边(x_D，y_D)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

N＝(y_H-y_D)×(x_R-x_L)；

(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η，即

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：

(1)判断η值大小，当50％＜η≤100％时，说明此时无人艇遭遇的海浪较大；当0≤η＜50％，说明此时无人艇遭遇的海浪较小。

有益效果

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

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；

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；

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；

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

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。

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：

S1：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；

S2：将预处理后的图像所属颜色空间进行转换；

S3：对图像进行形态学操作，获取海浪所属的区域；

S4：统计海浪所属像素区域的面积在整张图像中的占比；

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。

其中，所述海浪视频预处理方法具体包括：

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5×5。

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；

进一步，所述预处理后的图像所属颜色空间转换具体包括：

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：

令

取R′，G′，B′中最大值，记为C_max＝max(R′，G′，B′)；

取R′，G′，B′中最小值，记为C_min＝min(R′，G′，B′)，

令Δ＝C_max-C_min，则

V＝C_max；

(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。

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：

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；

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；

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5×5，随后进行图像膨胀操作，此处采用的膨胀算子尺寸为5×5。

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：

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(x_L，y_L)，最右边(x_R，y_R)，最上边(x_H，y_H)，最下边(x_D，y_D)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

N＝(y_H-y_D)×(x_R-x_L)；

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例，记为η，即

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：

S501：判断η值大小，当50％＜η≤100％时，说明此时无人艇遭遇的海浪较大；当0≤η＜50％，说明此时无人艇遭遇的海浪较小。

以下是一个更为具体的例子。

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。

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，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。

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。

Claims (7)

1.一种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C_max＝max(R′，G′，B′)；

取R′，G′，B′中最小值，记为C_min＝min(R′，G′，B′)，

令Δ＝C_max-C_min，则

V＝C_max；

(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：

(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，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5×5，随后进行图像膨胀操作，采用的膨胀算子尺寸为5×5。

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(x_L，y_L)，最右边(x_R，y_R)，最上边(x_H，y_H)，最下边(x_D，y_D)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，则最小外接矩形像素数量为N＝(y_H-y_D)×(x_R-x_L)；

(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η，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η值大小，当50％＜η≤100％时，说明此时无人艇遭遇的海浪较大；当0≤η＜50％，说明此时无人艇遭遇的海浪较小。

Images