基于图像声纳的浅海鱼群分类识别算法研究.pdf

《基于图像声纳的浅海鱼群分类识别算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、一秽“霸哮痧。黪耐；。，≯毒。㈣、毒1，一。‘～!一。．：。1“。。一。j～。一-一论文题目，。～?+，。。一⋯j?。一．．一’n一?二。“。，一，。”?、、一。一?、j?’．'-，3’’一一．一一一：～一“’．一。、“一7．～一一。。—t一一一‘’～一‘。，一rj一0一～j一～。』一。Ⅳ。。、“⋯，一6_7一一一。i一～一一j?，。一一。一⋯-⋯～_’：’一、．7卯5、f●——————●——————————————————————————————————————————一毒一彩■一彰孽一～，一募。叠．爹毒一～．睁番：、黪。～一，厶薯一雾。一燃

2、一～毒一。^一；t9；篓

3、I¨一；囔i～”。季j移-。．一一-《+～!

4、、_～孝鬟i一业名师期专姓教日科者导成学作指完基于图像声纳技术的浅海鱼群分类识别算法研究摘要基于图像声纳技术的浅海鱼群分类识别算法研究这一课题，是浙江省农口重大攻关项目“浙江浑水区深水网箱水下检测设备开发”的一部分，主要针对浅海养殖技术的迫切需要而展开工作。课题主要内容是利用成熟的图像声纳技术设计图像采集设备，对采集到的图像进行跟踪处理。处理内容包括对声纳图像进行图像变换、图像增强、图像特征分析、图像匹配识别等。本课题主要涉及数字图像处理和模式识别这两门学科领域。鱼群识别的

5、内容包括对网箱养殖鱼的种类和其生长阶段的识别，准确地判断出该种类的鱼是否已经成熟并可以被捕捞，因而提高养殖作业的效率和资源的利用率，满足人们对渔业资源的需求。本算法研究的中心思想是以数字图像处理理论为前提，深入了解和应用智能图像处理技术，参照前辈们已经研究出有关数字图像处理的算法，如指纹图像识别、光学字符识别OCR、遥感图像分析等。使用Matlab中的数字图像处理工具箱DIP(DigtalImageProcess)和面向对象的设计工具GUI(GraphUserInterface)，对鱼群声纳图像进行图像滤波、图像增强、边缘检测、图像二值化等处理

6、，并从图像中读取鱼体体态分布及大小等特征数据，整理现有数据并建立专家数据库，编写软件实现图像中获得的数据与专家数据库的匹配，实现鱼群识别的任务。本课题首先研究了对单体鱼的识别方法，研究了鱼体回声图像的预处理方法、单体鱼的体态及长度参数的提取方法、通过建立专家数据库来实现目标匹配识别的方法。然后引入了自适应图像窗的概念，研究了自适应图像窗边界定义、如何减少图像计算量，如何优化自适应图像窗的方法。鱼群识别算法的突破点——自适应图像窗的提出，实现了从鱼体识别向鱼群识别的过渡，也是课题迈向成功的一大步。本课题的研究已基本符合了项目的要求，可以准确的识别

7、出单个鱼，也可以在一定误差范围内识别出鱼群。但是鱼群识别算法还处在研究阶段，在鱼和鱼之间不存在图像上的遮挡的假设条件下，通过引入“自适应窗”的概念，我们基本上解决了鱼群识别问题。对于养殖密度不是很大的深水网箱中的鱼类的监测和识别，本研究提出的方法是可取的。但是当深水网箱中养殖的鱼的密度比较大时，获得的鱼群的声纳图像难免不出现遮挡。一旦出现这种现象，将会影响识别的可信度，从而造成鱼群监测数据出现比较大的误差。如何克服这类问题有待进一步研究。关键宇：鱼体，鱼群，数字图像处理，自适应图像窗，图像识别ASⅡ，DY0NSHALLoW—SEA—SHOAI，

8、RECoGNITIONBASEDoNIMAGESONARTECHNICABSTRACTInordertomakegooduseoftheoceanresources，protecttheenvironmentwhichfishlivein，astudyonmonitoringandrecognizingfisheswasdeveloped．Thestudyofshallow-sea-shoalidentificationisapartofagreatprojectsupportedbyagriculturaldepartmentinZhejia

9、ng．Amonitorinthepisciculturalnetunderthecircumstancesofthickseawaterwasdeveloped，aimedattheneedoffisheryinZhejiang．Adevicetoobtaintheimagesofshoalusingsonartechniquewasfirstlydesignedinthisstudy,andthentheimagesobtainedwereprocessed勰follows：intensitytransformations，linearand

10、nonlinearspatialfiltering，filteringinthefrequencydomain，imagesegmentation，r