欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025110718079
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种水下目标识别方法,其特征在于,包括:

实时获取目标区域的待识别水下图像和区域环境图像;其中,所述区域环境图像通过多光谱摄像头和激光雷达进行采集,所述多光谱摄像头采用的波段包括可见光、红外光谱和紫外光谱;

对所述区域环境图像进行识别,得到区域信息;将所述区域环境图像分割为若干子图像,并根据所述区域信息对各子图像分别进行增强处理;实时获取所述目标区域的流场数据,通过流体力学模拟,得到待识别对象的预测移动轨迹;采用目标检测算法,基于所述区域环境图像提取静态水纹特征,生成静态水纹特征图;

根据增强处理后的各子图像和所述待识别水下图像进行对比分析,获得初步对比结果;

根据所述预测移动轨迹、预设的流体力学条件和所述静态水纹特征图进行综合分析,得到水纹类别标签;利用水纹类别标签和预测移动轨迹,对所述初步对比结果进行修正,得到所述待识别对象的目标识别结果;

所述根据所述预测移动轨迹、预设的流体力学条件和所述静态水纹特征图进行综合分析,得到水纹类别标签,包括:根据所述目标区域的流场数据的时间信息,获取相同时间段内的水纹动态视频,并将所述水纹动态视频拆分为水纹图像序列;

根据所述静态水纹特征图设定基于特征相似度的特征条件,并按照所述特征条件从所述水纹图像序列中筛选出若干水纹图像,得到筛选结果;

基于筛选结果、所述预测移动轨迹以及预设的流体力学条件进行推演,得到若干水纹类别标签;

所述筛选结果的水纹图像中包括干扰物;所述基于筛选结果、所述预测移动轨迹以及预设的流体力学条件进行推演,得到若干水纹类别标签,包括:提取筛选结果的水纹图像中每张干扰物的轮廓点;

以所述干扰物的轮廓点为基准,截断筛选结果中每张包含干扰物的水纹图像中的水纹线条,并提取所述水纹线条的特征点,将各特征点相连,得到水纹运动轨迹;

基于所述水纹运动轨迹,调用预先训练的水纹预测模型,获得水纹预测轨迹;

根据所述水纹预测轨迹以及预测移动轨迹,在预设的流体力学条件基础上进行推演,获得若干水纹运动模式,并将所述水纹运动模式确定为水纹类别标签。

2.如权利要求1所述的一种水下目标识别方法,其特征在于,所述根据增强处理后的各子图像和所述待识别水下图像进行对比分析,获得初步对比结果,包括:根据所述增强处理后的各子图像和所述待识别水下图像,对所述待识别水下图像进行分割,分离出目标信号和背景噪声;

对所述目标信号进行特征识别,获得信号特征集合;

利用动态映射框架,实时更新所述信号特征集合,获得目标特征描述;其中,所述动态映射框架用于描述环境参数与信号特征之间的关联映射;

基于所述目标特征描述,得到所述初步对比结果。

3.如权利要求2所述的一种水下目标识别方法,其特征在于,在所述利用动态映射框架,实时更新所述信号特征集合之前,还包括:获取样本图像,对所述样本图像进行特征识别,获得样本特征;并获取所述样本图像对应区域的环境参数;其中,所述环境参数包括悬浮颗粒信息和光照变化信息;

根据所述样本图像的信号强度,从所述样本特征中筛选出显著特征;并利用数据表构建所述显著特征与悬浮颗粒信息和光照变化信息之间的动态映射关系;

根据所述动态映射关系,获得所述动态映射框架。

4.如权利要求3所述的一种水下目标识别方法,其特征在于,所述显著特征包括图像对比度,所述悬浮颗粒信息包括水体浊度;所述利用数据表构建所述显著特征与悬浮颗粒信息和光照变化信息之间的动态映射关系,包括:根据水体浊度和光照变化信息,构建线性回归模型;

基于所述线性回归模型和所述图像对比度,获得相关系数;

利用所述数据表记录所述线性回归模型的模型参数、所述图像对比度和所述相关系数,获得记录结果;

将所述记录结果记录为所述动态映射关系。

5.如权利要求1所述的一种水下目标识别方法,其特征在于,所述实时获取所述目标区域的流场数据,通过流体力学模拟,得到待识别对象的预测移动轨迹,包括:通过水下传感器网络获取所述目标区域的流场数据,并根据流场数据确定初始轨迹;其中,所述流场数据包括流场的流速信息和流向信息;

对所述流速信息和流向信息进行实时分析,获得流场的扰动频率和扰动幅度;

通过傅里叶变换对流场的扰动频率和扰动幅度进行分解,确定扰动特征频率和幅度波动范围;

根据所述扰动特征频率和幅度波动范围,确定轨迹调整参数;

基于纳维斯托克斯方程进行流体力学模拟,根据流场数据构建流体模型;基于所述流体模型,利用所述轨迹调整参数对所述初始轨迹的下一时刻进行预测,得到所述待识别对象的预测移动轨迹。

6.如权利要求1所述的一种水下目标识别方法,其特征在于,所述利用水纹类别标签和预测移动轨迹,对所述初步对比结果进行修正,得到所述待识别对象的目标识别结果,包括:从所述初步对比结果中获取增强处理后的各子图像和所述待识别水下图像的多个区别像素特征;每个区别像素特征包括若干像素点;

根据水纹类别标签,确定对应水纹运动模式的基准轨迹;对所述预测移动轨迹进行分析,获取所述预测移动轨迹与基准轨迹之间的偏差值;

从所述预测移动轨迹中筛选出偏差值大于预设偏差阈值的轨迹点;

根据轨迹点与区别像素特征的重合情况,对所述初步对比结果进行修正,得到目标识别结果。

7.一种水下目标识别系统,其特征在于,包括图像获取模块、区域信息处理模块、对比模块和目标识别模块;其中,所述图像获取模块,用于实时获取目标区域的待识别水下图像和区域环境图像;其中,所述区域环境图像通过多光谱摄像头和激光雷达进行采集,所述多光谱摄像头采用的波段包括可见光、红外光谱和紫外光谱;

所述区域信息处理模块,用于对所述区域环境图像进行识别,得到区域信息;将所述区域环境图像分割为若干子图像,并根据所述区域信息对各子图像分别进行增强处理;实时获取所述目标区域的流场数据,通过流体力学模拟,得到待识别对象的预测移动轨迹;采用目标检测算法,基于所述区域环境图像提取静态水纹特征,生成静态水纹特征图;

所述对比模块,用于根据增强处理后的各子图像和所述待识别水下图像进行对比分析,获得初步对比结果;

所述目标识别模块,用于根据所述预测移动轨迹、预设的流体力学条件和所述静态水纹特征图进行综合分析,得到水纹类别标签;利用水纹类别标签和预测移动轨迹,对所述初步对比结果进行修正,得到所述待识别对象的目标识别结果;

所述目标识别模块根据所述预测移动轨迹、预设的流体力学条件和所述静态水纹特征图进行综合分析,得到水纹类别标签,包括:所述目标识别模块根据所述目标区域的流场数据的时间信息,获取相同时间段内的水纹动态视频,并将所述水纹动态视频拆分为水纹图像序列;

根据所述静态水纹特征图设定基于特征相似度的特征条件,并按照所述特征条件从所述水纹图像序列中筛选出若干水纹图像,得到筛选结果;

基于筛选结果、所述预测移动轨迹以及预设的流体力学条件进行推演,得到若干水纹类别标签;

所述筛选结果的水纹图像中包括干扰物;所述目标识别模块基于筛选结果、所述预测移动轨迹以及预设的流体力学条件进行推演,得到若干水纹类别标签,包括:所述目标识别模块提取筛选结果的水纹图像中每张干扰物的轮廓点;

以所述干扰物的轮廓点为基准,截断筛选结果中每张包含干扰物的水纹图像中的水纹线条,并提取所述水纹线条的特征点,将各特征点相连,得到水纹运动轨迹;

基于所述水纹运动轨迹,调用预先训练的水纹预测模型,获得水纹预测轨迹;

根据所述水纹预测轨迹以及预测移动轨迹,在预设的流体力学条件基础上进行推演,获得若干水纹运动模式,并将所述水纹运动模式确定为水纹类别标签。

8.如权利要求7所述的一种水下目标识别系统,其特征在于,所述目标识别模块根据增强处理后的各子图像和所述待识别水下图像进行对比分析,获得初步对比结果,包括:所述目标识别模块根据所述增强处理后的各子图像和所述待识别水下图像,对所述待识别水下图像进行分割,分离出目标信号和背景噪声;

对所述目标信号进行特征识别,获得信号特征集合;

利用动态映射框架,实时更新所述信号特征集合,获得目标特征描述;其中,所述动态映射框架用于描述环境参数与信号特征之间的关联映射;

基于所述目标特征描述,得到所述初步对比结果。