(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211230724.6 (22)申请日 2022.10.10 (71)申请人 惠智赋能 （滨州） 信息科技 服务有限 公司 地址 251700 山东省滨州市惠民县李庄镇 绳网大世界(莆田 园恒迈路西首) (72)发明人 苏宜刚　 (74)专利代理 机构 山东舜天律师事务所 372 26 专利代理师 王永建 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/40(2006.01) G06T 7/13(2017.01) G06T 7/187(2017.01) G06T 7/66(2017.01)G06V 10/44(2022.01) G06V 10/50(2022.01) G06V 10/762(2022.01) G06V 10/766(2022.01) (54)发明名称 一种基于声纳图像的深海渔网检测方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种基于声纳图像的深海渔网检测方法。 方法包 括： 获取渔网声呐灰度图像， 根据渔网声呐灰度 图像， 得到各像素点的灰度特征指标； 根据灰度 特征指标， 得到渔网声呐灰度图像上的各疑似活 物类像素点； 根据各疑似活物类像素点之间的距 离， 得到渔网声呐灰度图像对应的各疑似活物 类； 根据渔网声呐灰度图像对应的各疑似活物 类， 得到当前渔网声呐灰度图像对应的各活物 类； 对当前渔网声呐灰度图像进行边缘提取， 得 到各疑似 渔网边缘缺失区域； 根据各疑似渔网边 缘缺失区域和各活物类， 得到渔网破损区域。 本 发明能够提高对渔网破损的检测精度。 权利要求书3页 说明书11页 附图1页 CN 115294141 A 2022.11.04 CN 115294141 A 1.一种基于声纳图像的深海渔网检测方法， 其特 征在于， 该 方法包括如下步骤： 获取渔网声呐灰度图像， 所述渔网声呐灰度图像包括当前渔网声呐灰度图像和历史渔 网声呐灰度图像； 根据所述渔网声呐灰度图像， 得到所述渔网声呐灰度图像上各像素点的灰度特征指 标； 根据所述灰度特 征指标， 得到所述渔网声呐灰度图像上的各疑似活物类 像素点； 根据所述渔网声呐灰度图像上各疑似活物类像素点之间的距离， 得到所述渔网声呐灰 度图像对应的各疑似活物类； 根据当前渔网声呐灰度图像和历史渔网声呐灰度图像对应的各疑似活物类， 得到当前 渔网声呐灰度图像对应的各活物类； 对当前渔网声呐灰度图像进行边缘提取， 得到各疑似渔网边缘缺失区域； 根据各疑似 渔网边缘缺失区域和各活物类， 得到渔网破损区域。 2.如权利要求1所述的一种基于声纳图像的深海渔网检测方法， 其特征在于， 根据 所述 渔网声呐灰度图像， 得到所述渔网声呐灰度图像上 各像素点的灰度特 征指标的方法， 包括： 以渔网声呐灰度图像上的各像素点为中心， 得到渔网声呐灰度图像上的各像素点对应 的窗口区域； 计算各像素点对应的窗口区域内的灰度方差； 根据各像素点对应的窗口区域内的各像素点灰度值和各像素点对应的窗口区域内的 灰度方差， 得到渔网声呐灰度图像上 各像素点的灰度特 征指标。 3.如权利要求2所述的一种基于声纳图像的深海渔网检测方法， 其特征在于， 根据如下 公式计算渔网声呐灰度图像上 各像素点的灰度特 征指标： 其中， 为渔网声呐灰度图像上第i个像素点的灰度特征指标， th （  ） 为双曲正切函数， e为自然常数， 为渔网声呐灰度图像上第i个像素点对应的窗口区域 内的第v个像素点的 灰度值， 为渔网声呐灰度图像上第i个 像素点对应的窗口区域内的灰度方差 。 4.如权利要求1所述的一种基于声纳图像的深海渔网检测方法， 其特征在于， 根据 所述 灰度特征指标， 得到所述渔网声呐灰度图像上的各疑似活物类 像素点的方法， 包括： 判断像素点的灰度特征指标是否大于等于预设特征阈值， 若是， 则将对应像素点记为 疑似活物类 像素点。 5.如权利要求1所述的一种基于声纳图像的深海渔网检测方法， 其特征在于， 根据 所述 渔网声呐灰度图像上各疑似活物类像素点之间的距离， 得到所述渔网声呐灰度图像对应的 各疑似活物类的方法， 包括： 依据渔网声呐灰度图像上各疑似活物类像素点之间的距离， 分别对当前渔网声呐灰度 图像上各疑似活物类像素点和历史渔网声呐灰度图像上各疑似活物类像素点进行聚类， 分 别得到当前 渔网声呐灰度图像和历史渔网声呐灰度图像对应的各聚类簇；权　利　要　求　书 1/3 页 2 CN 115294141 A 2将聚类簇中的像素点数量与对应聚类簇对应的连通域面积的比值记为对应聚类簇中 像素点的分布密度； 根据各聚类簇 中的像素点数量和各聚类簇中像素点的分布密度， 得到渔网声呐灰度图 像对应的各聚类簇对应的判别指标； 判断聚类簇对应的判别指标是否大于等于判别指标阈值， 若是， 则将对应聚类簇记为 疑似活物类。 6.如权利要求5所述的一种基于声纳图像的深海渔网检测方法， 其特征在于， 根据 各聚 类簇中的像素点数量和各聚类簇中像素点的分布密度， 得到渔网声呐灰度图像对应的各聚 类簇对应的判别指标的方法， 包括： 分别对各聚类簇 中的像素点数量和各聚类簇 中像素点的分布密度进行归一化， 将归一 化后的各聚类簇中的像素点数量与对应聚类簇中像素点的分布密度的乘积， 记为各聚类簇 对应的判别指标。 7.如权利要求5所述的一种基于声纳图像的深海渔网检测方法， 其特征在于， 根据当前 渔网声呐灰度图像和历史渔网声呐灰度图像对应的各疑似活物类， 得到当前渔网声呐灰度 图像对应的各活物类的方法， 包括： 将当前渔网声呐灰度图像对应的各疑似活物类记为第 一疑似活物类， 对于当前渔网声 呐灰度图像对应的任一第一疑似活物类： 计算得到该第一疑似活物类对应的灰度均值； 根据该第一疑似活物类对应的灰度均值、 该第 一疑似活物类中像素点的分布密度和该 第一疑似活物类中的像素点数量， 以及历史渔网声呐灰度图像对应的各疑似活物类对应的 灰度均值、 对应的各疑似活物类中像素点的分布密度和对应的各疑似活物类中的像素点数 量， 得到该第一疑似活物类与历史渔网声呐灰度图像对应的各疑似活物类之间的差异度； 将最小差异度对应的历史渔网声呐灰度图像对应的疑似活物类记为该第一疑似活物 类对应的匹配疑似活物类； 获取各第一疑似活物类的质心和对应的匹配疑似活物类的质心； 计算各第一疑似活物类的质心与对应的匹配疑似活物类的质心之间的距离， 记为特征 距离； 判断所述特征距离是否大于预设特征距离阈值， 若是， 则将对应第一疑似活物类记为 活物类。 8.如权利要求7所述的一种基于声纳图像的深海渔网检测方法， 其特征在于， 根据如下 公式计算该第一疑似活物类与历史渔网声呐灰度图像对应的各疑似活物类之间的差异度： 其中， 为该第一疑似活物类与历史渔网声呐灰度图像对应的第r个疑似活物类之间 的差异度， 为该第一疑似活物类中的像素点数量， 为历史渔网声呐灰度图像对应 的第r个疑似活物类中的像 素点数量， 为该第一 疑似活物 类中像素点的分布密度， 为 历史渔网声呐灰度图像对应的第r个疑似活物类中像素点的分布密度， 为历史渔网声呐权　利　要　求　书 2/3 页 3 CN 115294141 A 3