← 返回列表
一种高精度的水下低光目标边缘检测方法
申请人信息
- 申请人:中国海洋大学
- 申请人地址:266100 山东省青岛市崂山区松岭路238号
- 发明人: 中国海洋大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种高精度的水下低光目标边缘检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311639180.3 |
| 申请日 | 2023/12/4 |
| 公告号 | CN117372462A |
| 公开日 | 2024/1/9 |
| IPC主分类号 | G06T7/13 |
| 权利人 | 中国海洋大学 |
| 发明人 | 张沁悦; 郑冰; 王柘; 李继哲; 张赛男; 赵一萌 |
| 地址 | 山东省青岛市崂山区松岭路238号中国海洋大学崂山校区 |
摘要文本
本发明提供了一种高精度的水下低光目标边缘检测方法，属于水下低光图像数据处理分析技术领域，过程包括：采集水下低光鱼类图像数据并进行预处理；初始化蚁群优化算法ACO相关参数；利用双种群策略将ACO算法分为两个种群，分别专注于全局搜索与局部搜索；基于强化学习的Q函数设计蚁群信息的更新策略，并迭代得到信息素矩阵的强度阈值；通过将信息素矩阵中的元素与强度阈值进行比较，若信息素矩阵中元素的值大于阈值，则对应像素点具有更显著边缘特征，以此实现目标边缘检测。本发明创新性将强化学习思想应用于人工蚂蚁的移动过程中，通过调整感知半径的策略来计算每个像素的转移概率，避免在水下低光环境下图像边缘的未检测或误检测问题。 更多数据：搜索专利查询网来源：
专利主权项内容
1.一种高精度的水下低光目标边缘检测方法，其特征在于，包括以下步骤：S1，获取水下低光图像数据，对图像数据进行预处理，并将预处理后的图像映射为像素的二维网格，每个像素对应网格中的一个单元格；S2，构建目标边缘检测的初始化模型，模型以蚁群优化ACO算法为核心检测算法，对ACO算法相关参数初始化；S3，利用双种群策略将ACO算法分为两个种群，分别专注于全局搜索与局部搜索，用于寻找最优解迭代方向，即寻找待检测目标边缘的方向信息；基于强化学习的Q函数设计蚁群信息的更新策略；S4，将预处理后的图像输入到模型当中；结合得到的搜索结果迭代更新蚁群位置，以逼近被检测目标的边缘特征；S5，完成迭代更新，对迭代优化结果进行分析处理得到目标边缘的检测结果。