基于扩散信息的在有雾条件下的水面目标检测方法及系统与流程

1.本发明涉及计算机视觉技术领域，特别涉及一种基于扩散信息的在有雾条件下的水面目标检测方法及系统。


背景技术：

2.视觉目标检测技术一直是计算机视觉领域最常见的挑战之一，具有较为广泛的应用前景。中国拥有着丰富的海洋资源，利用视觉图像信息进行海面监控是维护我国海上安全的重要手段之一，然而海上自然条件复杂多变，诸如有雾等复杂环境会严重影响无人船对视野内的目标检测效果。因此，亟需开发一套快速有效的水面无人船在有雾条件下的图像视觉目标检测系统。
3.近年来国内外学者对基于图像处理的实时目标识别技术已经做了大量工作,并取得了诸多成果。特别是在图像去雾处理与目标检测算法方面,长久以来备受广大学者关注。为了实现海上有雾环境中的视觉目标检测任务,需要将图像去雾之后再进行目标检测，即采用先图像去雾处理后目标检测的两阶段方法。
4.当前与单幅图像去雾相关的技术路线大致可分为以下三类：一是基于图像增强的去雾方法，二是基于图像复原的去雾方法，三是基于深度学习的去雾算法。但是现有去雾处理去雾效果不理想，进而目标检测准确度不高。


技术实现要素：

5.本发明针对上述现有技术中存在的问题，提出一种基于扩散信息的在有雾条件下的水面目标检测方法及系统，基于图像扩散的形成机理来实现图像去雾，可以获得更好的去雾效果，进而可获得更好的目标检测结果。
6.为解决上述技术问题，本发明是通过如下技术方案实现的：
7.根据本发明的第一方面，提供一种基于扩散信息的在有雾条件下的水面目标检测方法，其包括：
8.s11：图像采集；
9.采集待检测区域的有雾图像；
10.s12：去雾处理；
11.利用图像扩散对所述s11采集的有雾图像进行图像信息增强；
12.s13：图像输出；
13.将经过所述s13处理后的图像输出；
14.s14：目标检测；
15.根据所述s13输出的图像进行目标检测。
16.较佳地，所述s12包括：
17.s121：对所述s11采集的有雾图像i(x,y)进行傅里叶变换，得到傅里叶谱：i
fft
(x,y)；
18.其中，(x，y)为图像中的像素点的坐标；
19.s122：计算每个坐标(x，y)处用于提取特征的参数值，公式如下：
[0020][0021]
其中，x
max
为图像高度；y
max
为图像宽度；α、β、λ、k均为算法参数，且均为正数；
[0022]
s123：将所述s122得到的用于提取特征的参数值叠加至原傅里叶谱中，得到处理后的傅里叶谱：
[0023]
i
fft_new
(x,y)＝i
fft
(x,y)*[t(x,y) 1]；
[0024]
s124：对所述s123得到的处理后的傅里叶谱进行傅里叶逆变换，得到图像信息增强后的图像。
[0025]
较佳地，所述s122还包括：
[0026]
令直流分量处的参数值为：
[0027]
t(0,0)＝γ
[0028]
其中，γ为算法参数。
[0029]
较佳地，所述s14包括：利用神经元网络根据所述s13输出的图像进行目标检测。
[0030]
较佳地，所述s11还包括：采集待检测区域的彩色有雾图像，将采集的彩色有雾图像拆分为r通道、g通道、b通道；
[0031]
所述s12包括：利用图像扩散对所述r通道、g通道、b通道的有雾图像分别进行图像信息增强；
[0032]
所述s13包括：将所述s12得到的图像信息增强后的r通道、g通道、b通道的图像进行合并，得到去雾后的彩色图像。
[0033]
根据本发明的第二方面，还提供一种基于扩散信息的在有雾条件下的水面目标检测系统，其包括：图像采集模块、去雾处理模块、图像输出模块以及目标检测模块；其中，
[0034]
所述图像采集模块用于采集待检测区域的有雾图像；
[0035]
所述去雾处理模块用于利用图像扩散对所述图像采集模块采集的有雾图像进行图像信息增强；
[0036]
所述图像输出模块用于将经过所述去雾处理模块处理后的图像输出；
[0037]
所述目标检测模块用于根据所述图像输出模块输出的图像进行目标检测。
[0038]
较佳地，所述去雾处理模块包括：傅里叶变换模块、特征的参数值提取模块、参数值叠加模块以及傅里叶逆变换模块；其中，
[0039]
所述傅里叶变换模块用于：对所述图像采集模块采集的有雾图像i(x,y)进行傅里叶变换，得到傅里叶谱：i
fft
(x,y)；
[0040]
其中，(x，y)为图像中的像素点的坐标；
[0041]
所述特征的参数值提取模块用于：计算每个坐标(x，y)处用于提取特征的参数值，公式如下：
[0042][0043]
其中，x
max
为图像高度；y
max
为图像宽度；α、β、λ、k均为算法参数，且均为正数；
[0044]
所述参数值叠加模块用于：将所述特征的参数值提取模块得到的用于提取特征的参数值叠加至原傅里叶谱中，得到处理后的傅里叶谱：
[0045]
i
fft_new
(x,y)＝i
fft
(x,y)*[t(x,y) 1]；
[0046]
所述傅里叶逆变换模块用于：对所述参数值叠加模块得到的处理后的傅里叶谱进行傅里叶逆变换，得到图像信息增强后的图像。
[0047]
较佳地，所述特征的参数值提取模块还用于：
[0048]
令直流分量处的参数值为：
[0049]
t(0,0)＝γ
[0050]
其中，γ为算法参数。
[0051]
较佳地，所述目标检测模块用于：利用神经元网络根据所述图像输出模块输出的图像进行目标检测。
[0052]
较佳地，所述图像采集模块用于：采集待检测区域的彩色有雾图像，将采集的彩色有雾图像拆分为r通道、g通道、b通道；
[0053]
所述去雾处理模块用于：利用图像扩散对所述r通道、g通道、b通道的有雾图像分别进行图像信息增强；
[0054]
所述图像输出模块用于：将所述去雾处理模块得到的图像信息增强后的r通道、g通道、b通道的图像进行合并，得到去雾后的彩色图像。
[0055]
相较于现有技术，本发明具有以下优点：
[0056]
(1)本发明提供的基于扩散信息的在有雾条件下的水面目标检测方法及系统，通过图像扩散形成机理的方法来实现新型的图像去雾，得到了更好的去雾效果，进而达到了更好的检测结果，可以解决在恶劣条件下船只被动感知效果查的问题，具有较强的应用前景；
[0057]
(2)本发明提供的基于扩散信息的在有雾条件下的水面目标检测方法及系统，通过对图像中所承载特征信息且稳定的物理量来进行计算，利用图像特征信息的扩散量来增强图像的语义信息，充分挖掘了去雾后的图像特征增强信息，进一步提升了去雾效果；
[0058]
(3)本发明提供的基于扩散信息的在有雾条件下的水面目标检测方法及系统，通过采用先去雾再检测的两阶段方法，并利用神经元网络进行目标检测，得到了更好的检测结果，且具有较高的可拓展性，其应用实现较为容易。
[0059]
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0060]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可
以根据这些附图获得其他的附图。
[0061]
图1为本发明一实施例的基于扩散信息的在有雾条件下的水面目标检测方法的流程图；
[0062]
图2为本发明一较佳实施例的去雾处理的流程图；
[0063]
图3为本发明一实施例的基于扩散信息的在有雾条件下的水面目标检测系统的示意图；
[0064]
图4a为采用现有技术的去雾处理方法得到的一图像的处理结果；
[0065]
图4b为采用本发明的去雾处理方法得到的一图像的处理结果；
[0066]
图5a为采用现有技术的去雾处理方法得到的另一图像的处理结果；
[0067]
图5b为采用本发明的去雾处理方法得到的另一图像的处理结果。
[0068]
附图标记说明：
[0069]1‑
图像采集模块，
[0070]2‑
去雾处理模块，
[0071]3‑
图像输出模块，
[0072]4‑
目标检测模块。
具体实施方式
[0073]
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0074]
如图1所示为本发明一实施例的基于扩散信息的在有雾条件下的水面目标检测方法的流程图。
[0075]
请参考图1，本实施例的基于扩散信息的在有雾条件下的水面目标检测方法包括：
[0076]
s11：图像采集；
[0077]
使用水面船只专用光电吊舱采集待检测区域的有雾图像数据，并将其读入系统；
[0078]
s12：去雾处理；
[0079]
利用图像扩散对s11采集的有雾图像进行图像信息增强；
[0080]
s13：图像输出；
[0081]
将经过s13处理后的去雾图像输出；
[0082]
s14：目标检测；
[0083]
根据s13输出的图像进行目标检测。
[0084]
较佳实施例中，s12中利用扩散理论模型对有雾图像进行处理所采用的核心技术为：在sobolev空间中计算图像形成过程的diffusion特点与形成图像特征之间的映射关系，由此推出基于diffusion的图像处理新算法，即将问题归结到内积空间上，在频率域中解决，请参考图2，具体包括：
[0085]
s121：对s11采集的有雾图像i(x,y)进行傅里叶变换，得到其二维傅里叶谱：i
fft
(x,y)，其为图像中所承载特征信息且稳定的物理量；
[0086]
其中，(x，y)为图像中的像素点的坐标；
[0087]
s122：对于上述得到的二维傅里叶谱利用扩散理论进行一定的算法处理，对其特
征进行增强，具体为：计算每个坐标(x，y)处用于提取特征的参数值，公式如下：
[0088][0089]
其中，x
max
为图像高度；y
max
为图像宽度；α、β、λ、k均为算法参数，且均为正数；
[0090]
此外，另令直流分量处的参数值为：
[0091]
t(0,0)＝γ
[0092]
其中，γ为算法参数；
[0093]
s123：将s122得到的用于提取特征的参数值叠加至原二维傅里叶谱中，得到处理后的傅里叶谱：
[0094]
i
fft_new
(x,y)＝i
fft
(x,y)*[t(x,y) 1]；
[0095]
s124：对s123得到的处理后的傅里叶谱进行傅里叶逆变换，得到图像信息增强后的图像。
[0096]
上述利用扩散理论模型对有雾图像进行处理为利用扩散方程的弱微分解计算扩散特征，实用扩散特征来增强图像信息，进一步提高了去雾效果，而且具有成本低、操作简单、计算复杂度低的优点。
[0097]
较佳实施例中，s14包括：利用yolov4神经元网络根据s13输出的图像进行目标检测，可以充分利用图像预处理过程中所增强的图像特征信息。
[0098]
较佳实施例中，将有雾图像分为r通道、g通道、b通道分别进行处理再合并，具体地：
[0099]
s11还包括：采集待检测区域的彩色有雾图像，将采集的彩色有雾图像拆分为r通道、g通道、b通道；
[0100]
s12包括：利用图像扩散对所述r通道、g通道、b通道的有雾图像分别进行图像信息增强；
[0101]
s13包括：将s12得到的图像信息增强后的r通道、g通道、b通道的图像进行合并，得到去雾后的彩色图像。
[0102]
如图3所示为本发明一实施例的基于扩散信息的在有雾条件下的水面目标检测系统的示意图。
[0103]
请参考图3，本实施例的基于扩散信息的在有雾条件下的水面目标检测系统包括：图像采集模块1、去雾处理模块2、图像输出模块3以及目标检测模块4；其中，
[0104]
图像采集模块1用于采集待检测区域的有雾图像；
[0105]
去雾处理模块2用于利用图像扩散对图像采集模块1采集的有雾图像进行图像信息增强；
[0106]
图像输出模块3用于将经过去雾处理模块2处理后的图像输出；
[0107]
目标检测模块4用于根据图像输出模块3输出的图像进行目标检测。
[0108]
较佳实施例中，去雾处理模块包括：傅里叶变换模块、特征的参数值提取模块、参数值叠加模块以及傅里叶逆变换模块；其中，
[0109]
傅里叶变换模块用于：对图像采集模块采集的有雾图像i(x,y)进行傅里叶变换，
得到傅里叶谱：i
fft
(x,y)；
[0110]
其中，(x，y)为图像中的像素点的坐标；
[0111]
特征的参数值提取模块用于：计算每个坐标(x，y)处用于提取特征的参数值，公式如下：
[0112][0113]
其中，x
max
为图像高度；y
max
为图像宽度；α、β、λ、k均为算法参数，且均为正数；
[0114]
另令直流分量处的参数值为：
[0115]
t(0,0)＝γ
[0116]
其中，γ为算法参数；
[0117]
参数值叠加模块用于：将所述特征的参数值提取模块得到的用于提取特征的参数值叠加至原傅里叶谱中，得到处理后的傅里叶谱：
[0118]
i
fft_new
(x,y)＝i
fft
(x,y)*[t(x,y) 1]；
[0119]
傅里叶逆变换模块用于：对所述参数值叠加模块得到的处理后的傅里叶谱进行傅里叶逆变换，得到图像信息增强后的图像。
[0120]
较佳实施例中，目标检测模块用于：利用神经元网络根据图像输出模块输出的图像进行目标检测。
[0121]
较佳实施例中，图像采集模块用于：采集待检测区域的彩色有雾图像，将采集的彩色有雾图像拆分为r通道、g通道、b通道；
[0122]
去雾处理模块用于：利用图像扩散对r通道、g通道、b通道的有雾图像分别进行图像信息增强；
[0123]
图像输出模块用于：将去雾处理模块得到的图像信息增强后的r通道、g通道、b通道的图像进行合并，得到去雾后的彩色图像。
[0124]
一实例中，利用现有的去雾处理方法及本发明的去雾处理方法，对一幅真实雾天环境下的水面采集图片进行目标检测。如图4a、5a所示为利用现有技术的去雾处理方法得到的结果图，如图4b、5b所示为利用本发明的去雾处理方法得到的结果图。通过结果对比可以看出本发明较为明显地提高了对目标物的识别率。
[0125]
需要说明的是，本发明提供的所述方法中的步骤，可以利用所述系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。
[0126]
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0127]
在本发明所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的
方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分形式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行、另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0128]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0129]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0130]
所述集成的单元如果以软件功能的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。前述的存储介质包括：u盘、只读存储器、随机存储器、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0131]
此处公开的仅为本发明的优选实施例，本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，并不是对本发明的限定。任何本领域技术人员在说明书范围内所做的修改和变化，均应落在本发明所保护的范围内。