資源描述：
《基于didson的魚群數(shù)量統(tǒng)計(jì)算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、基于DIDSON的魚群數(shù)量統(tǒng)計(jì)算法簡(jiǎn) 夏 劉軍清（三峽大學(xué)計(jì)算機(jī)與信息學(xué)院，湖北宜昌443002）【摘 要】雙頻識(shí)別聲納（DIDSON）可以在黑暗渾濁的水下獲得清晰的視頻影像。對(duì)雙頻識(shí)別聲納的魚群視頻進(jìn)行基于智能視覺的魚群數(shù)量統(tǒng)計(jì)，可高效、準(zhǔn)確的評(píng)估該水域的漁業(yè)資源[1]。提出了一種簡(jiǎn)單可靠的統(tǒng)計(jì)方法：首先通過改進(jìn)的目標(biāo)檢測(cè)算法檢測(cè)魚體并統(tǒng)計(jì)每幀魚體數(shù)量；其次將視頻分成多個(gè)部分并對(duì)各部分的魚體數(shù)量進(jìn)行統(tǒng)計(jì)；最后將各個(gè)部分的統(tǒng)計(jì)值累計(jì)得到整個(gè)圖像序列的魚群數(shù)量。實(shí)驗(yàn)結(jié)果表明本文提出的魚群數(shù)量統(tǒng)計(jì)結(jié)果比DIDSON二次開發(fā)軟件
2、的統(tǒng)計(jì)結(jié)果更準(zhǔn)確，且滿足實(shí)時(shí)性需求。.jyqkcloudyanddarkunderentoffisheryresourcesinthepleandreliablestatisticalmethods:first，viaalgorithmofimprovedtargetdetectiontodetectfishes；next，dividingthevideointomultipleparts，andcountthenumberoffishineveryparts，finallyaccumulateeveryparts’sta
3、tisticstotheentireimagesequence.Experimentalresultsshoethodshasaout-standingadvantageincountingfish.【Keyatlab2009a，內(nèi)存8GB，處理器為IntelCorei5-34703.20GHz、聲納視頻幀率為8fps。大魚群檢測(cè)結(jié)果如圖2所示。如圖2，CodeBook算法檢測(cè)出的目標(biāo)邊緣模糊，且存在大量的誤檢像素。背景差分法存在嚴(yán)重的鬼影現(xiàn)象（圖2中第3行白色橢圓標(biāo)記的魚體為鬼影），鬼影在第139幀以后也未消失。而本文提
4、出的算法在第28幀之前，鬼影已消失，整體檢測(cè)性能明顯優(yōu)于CodeBook算法和背景差分算法。同時(shí)本文算法在魚體較小的情況下，其檢測(cè)效果同樣較好。3 魚群數(shù)量統(tǒng)計(jì)3.1 魚群數(shù)量統(tǒng)計(jì)方法本文單幀魚群數(shù)量統(tǒng)計(jì)流程：魚群目標(biāo)檢測(cè)后的圖像中任然還有一個(gè)小面積的連通域，這些小面積的連通域并不是魚體而是一些干擾物，因此在進(jìn)行單幀數(shù)量統(tǒng)計(jì)之前需要消除面積較小的連通域。首先去除面積較小的連通域，然后統(tǒng)計(jì)這一幀圖像中連通區(qū)域的個(gè)數(shù)，既可以得到一幀中的魚體個(gè)數(shù)。假設(shè)在圖像中有n幀圖像檢測(cè)到魚體，每幀魚體數(shù)量記為Nm，對(duì)每m幀求一次平均，即將視
5、頻分成k個(gè)部分，其中k=floor（n/m）；再對(duì)k部分的魚體數(shù)量分別求均值，最后將k個(gè)部分的均值累計(jì)即得到整個(gè)圖像序列的魚群數(shù)量，其公式表達(dá)式如下：3.2 實(shí)驗(yàn)結(jié)果與分析采用本文所示方法對(duì)manyfish.avi圖像序列進(jìn)行單幀魚體數(shù)量統(tǒng)計(jì)，其結(jié)果如圖所示。從圖中可以看出，本文算法對(duì)單幀魚體數(shù)量統(tǒng)計(jì)基本準(zhǔn)確，但是對(duì)于即將消失的魚體和即將出現(xiàn)在聲納視野中的魚體檢測(cè)結(jié)果較差、不夠精確。由于將消失的魚體其回波較弱，在圖像上反應(yīng)忽明忽暗，容易被漏檢。其次大魚在游動(dòng)的過程中會(huì)產(chǎn)生大量水波，劇烈的水波也會(huì)被誤檢成魚體。采用本文所示方
6、法對(duì)manyfish.avi圖像序列進(jìn)行魚群數(shù)量統(tǒng)計(jì)，整個(gè)視頻一共有162幀，目測(cè)整個(gè)圖像序列一共游過了16條魚。通過本文的檢測(cè)結(jié)果N=16，其中m取得40；通過DIDSON二次開發(fā)軟件檢測(cè)的結(jié)果如圖4所示；本文單幀檢測(cè)結(jié)果見表1。如圖4所示，DIDSON二次開發(fā)軟件檢測(cè)出的魚群數(shù)量為9。通過本文算法檢測(cè)出的魚體數(shù)量為16，與DIDSON二次開發(fā)軟件檢測(cè)的結(jié)果更準(zhǔn)確。其中表1展示了本文算法在manyfish.avi圖像序列從第1幀到第27幀的單幀檢測(cè)結(jié)果。采用本文提出的方法對(duì)Kenai3-12manyfishnoshad.
7、avi圖像序列進(jìn)行魚群數(shù)量統(tǒng)計(jì)，整個(gè)視頻一共有790幀，目測(cè)整個(gè)圖像序列一共游過了87條魚。通過本文的檢測(cè)結(jié)果N=72條，其中m取得40；通過DIDSON二次開發(fā)軟件檢測(cè)的結(jié)果如圖5所示。如圖5所示，DIDSON二次開發(fā)軟件統(tǒng)計(jì)的魚群數(shù)量為42條。由此可以看出DIDSON二次開發(fā)軟件在對(duì)體長(zhǎng)較小的魚統(tǒng)計(jì)數(shù)量效果較差。本文的統(tǒng)計(jì)結(jié)果更接近真實(shí)結(jié)果。4 結(jié)論由于聲納圖像的含有大量噪聲信息，采用光學(xué)圖像的目標(biāo)檢測(cè)算法不能滿足聲納圖像目標(biāo)檢測(cè)的要求。針對(duì)這個(gè)問題，本文提出的目標(biāo)檢測(cè)方法在保留背景差分法優(yōu)勢(shì)的同時(shí)能快速抑制鬼影。其次
8、再魚群統(tǒng)計(jì)算法上，本文提出了一種簡(jiǎn)單的統(tǒng)計(jì)方法：在基于精確的魚群檢測(cè)上，統(tǒng)計(jì)魚群數(shù)量；實(shí)驗(yàn)結(jié)果表明，本文提出的魚群數(shù)量統(tǒng)計(jì)結(jié)果比DIDSON二次開發(fā)軟件的統(tǒng)計(jì)結(jié)果更準(zhǔn)確，且滿足實(shí)時(shí)性需求。.jyqkagingsonardata[C]//IFIP2013:Internationalconferenceon
