CN113484867A - 一种基于成像声呐封闭空间下鱼群密度探测方法 - Google Patents
一种基于成像声呐封闭空间下鱼群密度探测方法 Download PDFInfo
- Publication number
- CN113484867A CN113484867A CN202110713473.6A CN202110713473A CN113484867A CN 113484867 A CN113484867 A CN 113484867A CN 202110713473 A CN202110713473 A CN 202110713473A CN 113484867 A CN113484867 A CN 113484867A
- Authority
- CN
- China
- Prior art keywords
- sonar
- image
- fish
- detection
- fish school
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/96—Sonar systems specially adapted for specific applications for locating fish
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明属于图像处理领域,涉及一种基于成像声呐封闭空间下鱼群密度探测方法,通过声呐设备采集封闭空间下鱼群图像,根据声呐设备的参数信息由声呐探测体积计算公式得到探测的水体体积;采用机器视觉算法检测图像中包含的鱼体轮廓,通过三维直方图矫正对图像中的像素值进行处理,使用边缘检测后完成局部自适应阈值算法,经形态学处理后查找轮廓统计鱼群数量,计算出所获取图像的鱼群密度信息。本发明处理方法提高了鱼群数量探测的准确性,不需要进行采样捕捞,避免了对鱼类资源的损害。不用人工干预基于声呐图像探测鱼群密度的图像处理过程,图像处理所需参数根据声呐测量时的设置自动产生,实现图像处理全过程自动化,提高测量效率。
Description
技术领域
本发明属于图像处理技术领域,涉及一种实现基于成像声呐封闭空间下鱼群密度探测方法。
背景技术
现代社会对渔业资源的质量和产量有更高的要求,海洋牧场就是新形势下兴起的具有更高管理效率和科技含量的现代渔业模式,而渔业资源评估是现代渔业开发过程中的重要环节,鱼群密度统计对于水下养殖具有重要意义。传统的统计方法是通过采样捕捞的方法计算,会对鱼类资源本身造成损害;还有依靠鱼探仪等设备利用回波积分法进行评估,但该方法误差较大。
近年来,水下声呐技术被广泛应用到鱼群探测等领域。随着信息技术的飞速发展,声呐数据处理的方法在不断改进。但是目前基于声呐图像对鱼群进行测量的方法都需要大量的人工参与,难以实现声呐鱼群探测的自动化、智能化,成为声呐大规模用于渔业资源评估的制约因素,限制智能渔业养殖的进一步发展。如何利用声呐设备对鱼群资源进行高效、准确的评估成为目前急需解决的问题。
发明内容
为解决背景技术中提到的问题,本发明展示了一种基于成像声呐封闭空间下鱼群密度探测方法。
为实现上述目的,现提供技术方案如下:
一种基于成像声呐封闭空间下鱼群密度探测方法,包括
步骤1、通过声呐设备采集封闭空间下鱼群图像;
步骤2、根据采集图像时的声呐参数信息由声呐探测体积计算公式得到探测的水体体积;
步骤3、对步骤1采集到的鱼群声呐图像进行三维直方图矫正,完成图像中像素值矫正处理;
步骤4、根据得到的矫正后图像使用边缘检测,然后通过局部自适应阈值算法得到二值化图像;
步骤5、根据不同声呐探测范围对步骤4得到的图像进行膨胀处理,提取轮廓信息,确定鱼群数量;
步骤6、根据步骤2得到的水体体积和步骤5得到的鱼群数量,计算得到鱼群的密度。
进一步的,所述步骤1中通过声呐设备采集封闭空间下鱼群图像的方法,包括:
步骤11、配置声呐传感器相关参数,对水下鱼群进行测量;
步骤12、对采集的视频文件进行保存,对获取的视频图像按照固定帧数截取得到处理的图片。
进一步的,所述步骤2根据采集图像时的声呐参数信息,由声呐探测体积计算公式计算得到探测水体体积的方法:
步骤21、根据声呐探测原理,总结出声呐探测体积计算公式:
其中V表示声呐探测的水体体积,L表示声呐的探测距离,θ1表示声呐水平方向开角,θ2表示声呐垂直方向开角;
步骤22、根据设置的声呐参数代入声呐探测体积计算公式,得到探测的水体体积。
进一步的,所述步骤3对采集到的鱼群声呐图像进行三维直方图矫正,完成图像中像素值矫正处理的方法:
步骤31、在步骤1采集的声呐图像进行灰度化处理,分别对图片进行中值滤波和均值滤波处理;
步骤32、将步骤31得到的原灰度图和处理后的两张滤波图像构建三维直方图,记图像中一像素点(x,y)处的像素三元组为(P1,P2,P3),当三个像素值中任意一个像素值,与其他两个像素值之差大于剩余两个像素之间的差值时,则对三维直方图的该位置进行矫正:
s.t.|Pk-Pi|>|Pi-Pj|
|Pk-Pj|>|Pi-Pj|
其中1≤i,j,k≤3且i≠j≠k。
进一步的,所述步骤4对矫正后的图像使用边缘检测,然后通过局部自适应阈值算法得到二值化图像的方法:
步骤41、对矫正后的图像利用sobel算子进行检测,将图像与横向及纵向的内核进行卷积,分别得到横向及纵向的亮度差分近似值:
其中A表示矫正后的图像,Gx、Gy分别表示经横向及纵向经边缘检测的图像灰度值;
步骤42、利用图像中每一个像素的横向及纵向灰度值来计算该点的灰度,得到鱼群的图像边缘信息;
步骤43、基于步骤42)经边缘检测的图像进行局部自适应阈值处理,得到鱼群声呐图像的二值化图像。
进一步的,所述步骤5确定鱼群数量的方法:
步骤51、基于获得的二值化图像,由声呐设置的探测距离确定膨胀算法系数,根据探测远近确定图像的膨胀程度;
步骤52、对膨胀之后的图像进行查找轮廓的操作,得到鱼群声呐图像中鱼的轮廓,并计算得到鱼群数量。
本发明的有益效果:
1、本发明处理方法提高了鱼群数量探测的准确性,不需要进行采样捕捞,避免了对鱼类资源的损害。
2、使用该处理方法,可以不用人工干预基于声呐图像探测鱼群密度的图像处理过程,图像处理所需参数根据声呐测量时的设置自动产生,实现图像处理全过程自动化,提高测量效率。
附图说明
图1是本发明的基于成像声呐封闭空间下鱼群密度探测方法示意图;
图2是本发明声呐设备采集的原始声呐图像;
图3是本发明三维直方图矫正前后效果示意图;
图4是本发明识别出的声呐图像鱼群数量示意图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明技术方案,下面结合附图对本发明技术方案进行详细描述,但本发明的实施方式不限于此。
一种基于成像声呐封闭空间下鱼群密度探测方法,如图1所示,通过声呐设备采集封闭空间下鱼群图像,根据声呐设备的参数信息由声呐探测体积计算公式得到探测的水体体积。采用机器视觉算法检测图像中包含的鱼体轮廓,通过三维直方图矫正对图像中的像素值进行处理,使用边缘检测后完成局部自适应阈值算法,经形态学处理后查找轮廓统计鱼群数量,进而计算出所获取图像的鱼群密度信息。
具体包括以下步骤:
步骤1、通过声呐设备采集封闭空间下鱼群图像,具体过程为:
步骤11、配置声呐传感器相关参数,对水下鱼群进行测量;
步骤12、对采集的视频文件进行保存,对拍摄的视频图像按照固定帧数截取得到处理的图片。
步骤2、根据采集图像时的声呐参数信息由声呐探测体积计算公式得到探测的水体体积,具体过程为:
步骤21、根据声呐探测原理,总结出声呐探测体积计算公式:
其中V表示声呐探测的水体体积,L表示声呐的探测距离,θ1表示声呐水平方向开角,θ2表示声呐垂直方向开角;
步骤22、根据设置的声呐参数代入声呐探测体积计算公式,得到探测的水体体积。
步骤3、对步骤1采集到的鱼群声呐图像如图2所示,进行三维直方图矫正,完成图像中像素值矫正处理,具体过程为:
步骤31、在步骤1采集的声呐图像进行灰度化处理,分别对图片进行中值滤波和均值滤波处理。
步骤32、将步骤31得到的原灰度图和处理后的两张滤波图像构建三维直方图。记图像中一像素点(x,y)处的像素三元组为(P1,P2,P3),当三个像素值中任意一个像素值,与其他两个像素值之差大于剩余两个像素之间的差值时,则对三维直方图的该位置进行矫正,如图3所示:
s.t.|Pk-Pi|>|Pi-Pj|
|Pk-Pj|>|Pi-Pj|
其中1≤i,j,k≤3且i≠j≠k。
步骤4、根据得到的矫正后图像使用边缘检测,然后通过局部自适应阈值算法得到二值化图像,具体步骤为:
步骤41、对矫正后的图像利用sobel算子进行检测,将图像与横向及纵向的内核进行卷积,分别得到横向及纵向的亮度差分近似值:
其中A表示矫正后的图像,Gx、Gy分别表示经横向及纵向经边缘检测的图像灰度值。
步骤42、利用图像中每一个像素的横向及纵向灰度值来计算该点的灰度,得到鱼群的图像边缘信息。
步骤43、基于步骤42经边缘检测的图像进行局部自适应阈值处理,得到鱼群声呐图像的二值化图像。
步骤5、根据不同声呐探测范围对步骤4得到的图像进行膨胀处理,提取轮廓信息,确定鱼群数量,如图4所示,具体步骤为:
步骤51、基于获得的二值化图像,由声呐设置的探测距离确定膨胀算法系数,根据探测远近确定图像的膨胀程度。
步骤52、对膨胀之后的图像进行查找轮廓的操作,得到鱼群声呐图像中鱼的轮廓,并计算得到鱼群数量。
步骤6、根据步骤2得到的水体体积和步骤5得到的鱼群数量,计算得到鱼群的密度。
以上所述,仅是本发明的最佳实施例而已,并非对本发明的任何形式的限制,任何熟悉本领域的技术人员,在不脱离本发明技术方案范围的情况下利用上述揭示的方法和内容对本发明做出的许多可能的变动和修饰,均属于权利要求书保护的范围。
Claims (6)
1.一种基于成像声呐封闭空间下鱼群密度探测方法,其特征在于:包括
步骤1、通过声呐设备采集封闭空间下鱼群图像;
步骤2、根据采集图像时的声呐参数信息由声呐探测体积计算公式得到探测的水体体积;
步骤3、对步骤1采集到的鱼群声呐图像进行三维直方图矫正,完成图像中像素值矫正处理;
步骤4、根据得到的矫正后图像使用边缘检测,然后通过局部自适应阈值算法得到二值化图像;
步骤5、根据不同声呐探测范围对步骤4得到的图像进行膨胀处理,提取轮廓信息,确定鱼群数量;
步骤6、根据步骤2得到的水体体积和步骤5得到的鱼群数量,计算得到鱼群的密度。
2.根据权利要求1所述的一种基于成像声呐封闭空间下鱼群密度探测方法,其特征在于,所述步骤1中采集封闭空间下鱼群图像的方法,包括:
步骤11、配置声呐传感器相关参数,对水下鱼群进行测量;
步骤12、对采集的视频文件进行保存,对获取的视频图像按照固定帧数截取得到处理的图片。
6.根据权利要求1所述基于成像声呐封闭空间下鱼群密度探测方法,其特征在于,所述步骤5确定鱼群数量的方法:
步骤51、基于获得的二值化图像,由声呐设置的探测距离确定膨胀算法系数,根据探测远近确定图像的膨胀程度;
步骤52、对膨胀之后的图像进行查找轮廓的操作,得到鱼群声呐图像中鱼的轮廓,并计算得到鱼群数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713473.6A CN113484867B (zh) | 2021-06-25 | 2021-06-25 | 一种基于成像声呐封闭空间下鱼群密度探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713473.6A CN113484867B (zh) | 2021-06-25 | 2021-06-25 | 一种基于成像声呐封闭空间下鱼群密度探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113484867A true CN113484867A (zh) | 2021-10-08 |
CN113484867B CN113484867B (zh) | 2023-10-20 |
Family
ID=77936082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713473.6A Active CN113484867B (zh) | 2021-06-25 | 2021-06-25 | 一种基于成像声呐封闭空间下鱼群密度探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113484867B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114168093A (zh) * | 2021-11-19 | 2022-03-11 | 青岛海洋科学与技术国家实验室发展中心 | 应用于探鱼仪的显示控制方法及系统 |
CN117538880A (zh) * | 2023-11-21 | 2024-02-09 | 广东省农业科学院动物科学研究所 | 一种判定养殖区杂鱼入侵的方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1210618A1 (en) * | 1999-09-06 | 2002-06-05 | Helge Balk | Fish detection method using sonar data |
US20060072375A1 (en) * | 2004-10-01 | 2006-04-06 | Furuno Electric Co., Ltd. | Underwater sounding apparatus and method capable of calculating fish school information, volume of fish school and backscattering strength of single fish |
CN102063704A (zh) * | 2010-11-19 | 2011-05-18 | 中国航空无线电电子研究所 | 一种机载视景增强方法及其装置 |
CN103728623A (zh) * | 2014-01-17 | 2014-04-16 | 中国水产科学研究院长江水产研究所 | 一种计算江河鱼群密度的方法 |
CN106707287A (zh) * | 2016-12-23 | 2017-05-24 | 浙江大学 | 基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法 |
CN106709927A (zh) * | 2016-12-27 | 2017-05-24 | 浙江大学 | 一种复杂背景下声学图像中的目标提取方法 |
CN106772401A (zh) * | 2016-12-23 | 2017-05-31 | 浙江大学 | 基于概率假设密度粒子滤波算法的鱼群数量估计方法 |
CN107561545A (zh) * | 2017-08-24 | 2018-01-09 | 北京臻迪科技股份有限公司 | 一种鱼群探测方法、装置及探测器 |
CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
CN109269430A (zh) * | 2018-08-12 | 2019-01-25 | 浙江农林大学 | 基于深度提取模型的多株立木胸径被动测量方法 |
CN109636744A (zh) * | 2018-11-26 | 2019-04-16 | 山东航天电子技术研究所 | 一种水下距离选通成像的自适应图像处理方法 |
CN111476809A (zh) * | 2020-04-08 | 2020-07-31 | 北京石油化工学院 | 一种侧扫声呐图像目标识别方法 |
CN112180379A (zh) * | 2019-07-03 | 2021-01-05 | 中联智科高新技术有限公司 | 一种鱼类数据统计分析系统 |
-
2021
- 2021-06-25 CN CN202110713473.6A patent/CN113484867B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1210618A1 (en) * | 1999-09-06 | 2002-06-05 | Helge Balk | Fish detection method using sonar data |
US20060072375A1 (en) * | 2004-10-01 | 2006-04-06 | Furuno Electric Co., Ltd. | Underwater sounding apparatus and method capable of calculating fish school information, volume of fish school and backscattering strength of single fish |
CN102063704A (zh) * | 2010-11-19 | 2011-05-18 | 中国航空无线电电子研究所 | 一种机载视景增强方法及其装置 |
CN103728623A (zh) * | 2014-01-17 | 2014-04-16 | 中国水产科学研究院长江水产研究所 | 一种计算江河鱼群密度的方法 |
CN106772401A (zh) * | 2016-12-23 | 2017-05-31 | 浙江大学 | 基于概率假设密度粒子滤波算法的鱼群数量估计方法 |
CN106707287A (zh) * | 2016-12-23 | 2017-05-24 | 浙江大学 | 基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法 |
CN106709927A (zh) * | 2016-12-27 | 2017-05-24 | 浙江大学 | 一种复杂背景下声学图像中的目标提取方法 |
CN107561545A (zh) * | 2017-08-24 | 2018-01-09 | 北京臻迪科技股份有限公司 | 一种鱼群探测方法、装置及探测器 |
CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
CN109269430A (zh) * | 2018-08-12 | 2019-01-25 | 浙江农林大学 | 基于深度提取模型的多株立木胸径被动测量方法 |
CN109636744A (zh) * | 2018-11-26 | 2019-04-16 | 山东航天电子技术研究所 | 一种水下距离选通成像的自适应图像处理方法 |
CN112180379A (zh) * | 2019-07-03 | 2021-01-05 | 中联智科高新技术有限公司 | 一种鱼类数据统计分析系统 |
CN111476809A (zh) * | 2020-04-08 | 2020-07-31 | 北京石油化工学院 | 一种侧扫声呐图像目标识别方法 |
Non-Patent Citations (2)
Title |
---|
BO PENG ET AL.: "An underwater laser three-dimensional imaging system", SIXTH SYMPOSIUM ON NOVEL OPTOELECTRONIC DETECTION TECHNOLOGY AND APPLICATIONS * |
荆丹翔等: "基于成像声呐的鱼类三维空间分布", 水产学报, vol. 42, no. 6 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114168093A (zh) * | 2021-11-19 | 2022-03-11 | 青岛海洋科学与技术国家实验室发展中心 | 应用于探鱼仪的显示控制方法及系统 |
CN117538880A (zh) * | 2023-11-21 | 2024-02-09 | 广东省农业科学院动物科学研究所 | 一种判定养殖区杂鱼入侵的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113484867B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145830B (zh) | 一种智能水尺识别方法 | |
CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
CN108520511A (zh) | 一种基于鱼探仪的水下鱼类目标探测与识别方法 | |
CN113484867A (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
CN111640152A (zh) | 一种鱼类生长监控方法和系统 | |
CN114241031B (zh) | 基于双视角融合的鱼类体尺测量和体重预测的方法及装置 | |
CN111047583A (zh) | 一种基于机器视觉的水下网衣系统破损检测方法 | |
CN114724022B (zh) | 融合SKNet与YOLOv5的养殖鱼群检测方法、系统和介质 | |
CN115797354B (zh) | 用于检测激光焊接焊缝外观缺陷的方法 | |
CN110110797B (zh) | 一种基于多传感器融合的水面目标训练集自动采集方法 | |
CN108830856B (zh) | 一种基于时间序列sd-oct视网膜图像的ga自动分割方法 | |
CN115512215A (zh) | 水下生物监测方法、装置及存储介质 | |
CN112200163A (zh) | 水下底栖生物检测方法及系统 | |
CN108765448B (zh) | 一种基于改进tv-l1模型的虾苗计数分析方法 | |
CN110956178B (zh) | 一种基于图像相似度计算的植物生长测量方法、系统及电子设备 | |
CN115984360B (zh) | 一种基于图像处理的计算干滩长度的方法及系统 | |
Shi et al. | Study on holographic image recognition technology of zooplankton | |
CN115330818A (zh) | 一种图片分割方法及其计算机可读存储介质 | |
CN114782561A (zh) | 基于大数据的智慧农业云平台监控系统 | |
CN114842443A (zh) | 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 | |
CN113744184A (zh) | 一种基于图像处理的乌鳢卵子计数方法 | |
CN117975254A (zh) | 一种基于双目图像的着生藻类监测方法及系统 | |
CN114972358B (zh) | 一种基于人工智能的城市测绘激光点云偏移检测方法 | |
CN116576782B (zh) | 一种水下鱼体长度测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |