一种精准鱼道过鱼识别方法

技术领域

本发明涉及鱼道过鱼计数的技术领域，尤其涉及一种精准鱼道过鱼识别方法。

背景技术

湘江大源渡航电枢纽、株洲航电枢纽分别为湘江干流自上而下的第6座、第7座梯级，均建设了过鱼通道。过鱼设施作为筑坝河流上下游的连接通道，在协助鱼类洄游、促进上下游水生物基因交流、保持河流连通性方面发挥了重要的潜在作用。在鱼道安装过鱼监测设施，实现鱼类数量和种类的动态智能识别追踪；且克服了传统人工对鱼类识别不准确、计数难度大的缺陷，提高了鱼类识别的效率和准确率安装配套了Riverepiorer型鱼道过鱼效果观察仪，该系统利用红外线扫描技术和高分辨率数码相机，可以对通过鱼道的鱼进行计数、物种识别和轮廓图像记录。仪器固定在鱼道、池塘中鱼类需要经过的位置，扫描单元由固定在框架上的两个扫描盘(20×60cm)组成，两个扫描盘之间的距离从10cm至45cm。扫描单元上的发光二极管向对端接收器发射红外光束，当鱼游过光束网时，系统自动获取其外形轮廓图，进而计算其尺寸。每一条鱼的图片都保存在控制单元中，控制单元在保存图片的同时对鱼进行计数。该系统可连接一个数码相机，用于记录当鱼通过扫描单元时的视频或静止图像。扫描器触发数码相机获取每一条鱼1至5张数码图片或视频段，处理软件自动将数码图片或视频跟系统获取的其他信息关联起来，如鱼的尺寸，通过时间，速度，外形轮廓，温度等。但是由于鱼回游过程中会存在重叠现象，导致计数不准确，针对该问题，本发明提出一种精准鱼道过鱼识别方法，通过对重叠部分进行提取以及补全，实现精准过鱼计数。

发明内容

有鉴于此，本发明提供一种精准鱼道过鱼识别方法，目的在于：1)采用一种自适应的中值滤波方法，通过提前对噪声像素进行识别，针对噪声像素进行滤波而其他像素保持不变，同时在中值滤波过程中，添加结合噪声像素邻近局部信息，其中距离噪声像素越近的权重越大，进而对中值滤波结果进行修正；2)基于图像分割理论，提出结合像素相似度的像素相似度度量目标函数，通过对目标函数进行求解得到对应的分割参数，选取接近分割参数的像素作为鱼轮廓像素，实现重叠场景下的鱼轮廓分割，并基于轮廓曲率确定轮廓不连续点，结合不连续点分离出若干鱼轮廓图像；3)采用结合像素距离的拟合方式进行轮廓拟合，将不封闭的鱼轮廓图像进行拟合处理，得到完整的单过鱼图像并进行统计计数，实现实时鱼道过鱼数计数。

实现上述目的，本发明提供的一种精准鱼道过鱼识别方法，包括以下步骤：

S1：采集鱼道过鱼图像并对鱼道过鱼图像进行预处理，得到预处理后的鱼道过鱼图像，其中所述预处理方式为滤波和形态学处理；

S2：对预处理后的鱼道过鱼图像进行图像轮廓分割，得到重叠过鱼轮廓图像；

S3：基于轮廓曲率对分割得到的重叠过鱼轮廓图像进行拆分，得到多个单过鱼轮廓图像，其中每个单过鱼轮廓图像表示通过鱼道的单条鱼轮廓图像；

S4：对拆分得到的多个单过鱼轮廓图像进行拟合，得到多个完整的单过鱼图像并进行统计计数，计数结果即为鱼道过鱼数目。

作为本发明的进一步改进方法：

可选地，所述S1步骤中采集鱼道过鱼图像并对所采集图像进行滤波处理，包括：

在鱼道口布置摄像设备，利用摄像设备在鱼道口拍摄得到实时的鱼道过鱼图像作为图像采集结果，其中鱼道过鱼图像为鱼道口图像，所拍摄鱼道过鱼图像中包含若干条鱼；

对所采集的鱼道过鱼图像进行滤波处理，其中滤波处理流程为：

S11：对鱼道过鱼图像中的任意像素I(i,j)进行灰度化处理，其中灰度化处理公式为：

g(i,j)＝max{I

其中：

I

g(i,j)表示像素I(i,j)的灰度值；

S12：对鱼道过鱼图像中的任意像素I(i,j)进行噪声像素标记：

其中：

α(i,j)表示像素I(i,j)的噪声标记结果，α(i,j)＝0表示像素I(i,j)为噪声像素，α(i,j)＝1表示像素I(i,j)为非噪声像素；

S13：构建5×5的滤波矩阵，其中所构建滤波矩阵为空，滤波矩阵的输入为以噪声像素为中心的邻近5×5像素矩阵，像素矩阵中的像素值为像素灰度值；

S14：对于任意噪声像素I(i

S15：计算得到滤波矩阵的局部信息：

其中：

D(i

Ω(i

d

S16：将滤波矩阵的局部信息转换为中值滤波权重：

其中：

表示以噪声像素I(i

S17：基于中值滤波权重对滤波矩阵的中心像素I(i

其中：

g(i

median(i

对鱼道过鱼图像中所有噪声像素进行步骤S13至S17的处理，得到滤波处理后的鱼道过鱼图像。

可选地，所述S1步骤中对滤波处理后的鱼道过鱼图像进行形态学处理，包括：

对滤波处理后的鱼道过鱼图像进行形态学处理，其中形态学处理流程为：

构建形态学处理矩阵：

其中：

M

对于滤波处理后的鱼道过鱼图像中的任意像素，同预设置的像素阈值进行比较，若大于像素阈值则标记为1，否则标记为0；

利用矩阵M

利用矩阵M

可选地，所述S2步骤中对预处理后的鱼道过鱼图像进行图像轮廓分割，包括：

对预处理后的鱼道过鱼图像进行图像轮廓分割，得到重叠过鱼轮廓图像，其中图像轮廓分割流程为：

S21：计算得到任意不同像素之间的像素权重：

其中：

f

g″(a)表示预处理后像素I(a)的像素值，g″(b)表示预处理后像素I(b)的像素值；

dist(a,b)表示像素I(a)和像素I(b)之间的欧式距离；

σ

S22：设置待求解参数为θ，将像素值小于等于θ标记为鱼部分像素，其余像素标记为背景像素，则像素值接近θ的像素部分为鱼轮廓像素；

S23：构建像素相似度度量目标函数F(θ)：

其中：

β(c)表示像素I(c)的判别函数，若像素I(c)的像素值小于等于θ，则将β(c)标记为1，否则将β(c)标记为-1；

f

ω(c)表示预处理后鱼道过鱼图像中除像素I(c)外的像素集合；

S24：选取使得像素相似度度量目标函数达到最小的参数θ作为求解结果，进而在预处理后的鱼道过鱼图像中标记鱼轮廓像素，得到鱼轮廓分解结果，在本发明实施例中，鱼轮廓分解结果中部分鱼轮廓可能存在重叠。

可选地，所述S3步骤中基于轮廓曲率对分割得到的重叠过鱼轮廓图像进行拆分，包括：

基于轮廓曲率对分割得到的重叠过鱼轮廓图像进行拆分，得到多个单过鱼轮廓图像，其中每个单过鱼轮廓图像表示通过鱼道的单条鱼轮廓图像，其中基于轮廓曲率的重叠过鱼轮廓图像拆分流程为：

S31：以任意鱼轮廓像素为起点，连续的10个鱼轮廓像素构成一组线段，将重叠过鱼轮廓图像中的鱼轮廓像素分割为若干线段；

S32：对于任意以像素I(i′

/>

其中：

Len(L

ε(L

S33：计算得到相邻线段的曲率均值，将低于区域均值的相邻线段之间的交点设置为不连续点，基于不连续点对重叠过鱼轮廓图像中的轮廓进行拆分，得到若干组单过鱼轮廓图像，其中每组单过鱼轮廓图像中包含一组连续的鱼轮廓。

可选地，所述S4步骤中对拆分得到的多个单过鱼轮廓图像进行拟合，包括：

对拆分得到的多个单过鱼轮廓图像进行拟合，其中拟合流程为：

对于任意单过鱼轮廓图像，标记鱼轮廓的像素坐标序列(h(1),h(2),...,h(t),...,h(T))，其中h(t)表示单过鱼轮廓图像中第t个鱼轮廓像素的像素坐标，T表示单过鱼轮廓图像中的鱼轮廓像素总数，h(1)表示鱼轮廓的起始像素；

构建鱼轮廓的轮廓函数G(t)：

G(t)＝u

其中：

u

G(t)表示第t个鱼轮廓像素坐标与第t-1个鱼轮廓像素坐标之间的距离；

基于插值的方式构建对应的矩阵计算式：

其中：

R

对上述等式进行求解，得到矩阵P，并根据矩阵P中的元素计算得到轮廓函数参数，其中：

基于所构建的轮廓函数，得到后续未知像素坐标距离前一坐标的距离，并设置后续未知像素坐标与前一坐标连线与水平轴的夹角角度，所设置角度为以前一坐标为终点的相邻线段曲率，基于所设置夹角角度以及距离，得到后续未知像素坐标的具体坐标，采用迭代的方式进行像素坐标迭代，直到得到封闭的拟合结果，其中拟合结果即为单过鱼图像。

可选地，所述S4步骤中对单过鱼图像进行计数，得到实时的鱼道过鱼数目，包括：

过滤单过鱼轮廓图像中鱼轮廓像素数目少于预设置阈值且无法形成封闭结果的单过鱼图像，对所保留的单过鱼图像进行计数，计数结果即为实时的鱼道过鱼数目。

为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；

通信接口，实现电子设备通信；及

处理器，执行所述存储器中存储的指令以实现上述所述的精准鱼道过鱼识别方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的精准鱼道过鱼识别方法。

相对于现有技术，本发明提出一种精准鱼道过鱼识别方法，该技术具有以下优势：

首先，本方案提出一种图像自适应滤波处理流程，对所采集的鱼道过鱼图像进行滤波处理，其中滤波处理流程为：对鱼道过鱼图像中的任意像素I(i,j)进行灰度化处理，其中灰度化处理公式为：

g(i,j)＝max{I

其中：I

其中：α(i,j)表示像素I(i,j)的噪声标记结果，α(i,j)＝0表示像素I(i,j)为噪声像素，α(i,j)＝1表示像素I(i,j)为非噪声像素；构建5×5的滤波矩阵，其中所构建滤波矩阵为空，滤波矩阵的输入为以噪声像素为中心的邻近5×5像素矩阵，像素矩阵中的像素值为像素灰度值；对于任意噪声像素I(i

其中：D(i

其中：

其中：g(i

同时，本方案提出一种图像轮廓分割方法，对预处理后的鱼道过鱼图像进行图像轮廓分割，得到重叠过鱼轮廓图像，其中图像轮廓分割流程为：计算得到任意不同像素之间的像素权重：

其中：f

其中：β(c)表示像素I(c)的判别函数，若像素I(c)的像素值小于等于θ，则将β(c)标记为1，否则将β(c)标记为-1；f

附图说明

图1为本发明一实施例提供的一种精准鱼道过鱼识别方法的流程示意图；

图2为本发明一实施例提供的实现精准鱼道过鱼识别方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种精准鱼道过鱼识别方法。所述精准鱼道过鱼识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述精准鱼道过鱼识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：

单台服务器、服务器集群、云端服务器或云端服务器集群等。

实施例1：

S1：采集鱼道过鱼图像并对鱼道过鱼图像进行预处理，得到预处理后的鱼道过鱼图像，其中所述预处理方式为滤波和形态学处理。

所述S1步骤中采集鱼道过鱼图像并对所采集图像进行滤波处理，包括：

在鱼道口布置摄像设备，利用摄像设备在鱼道口拍摄得到实时的鱼道过鱼图像作为图像采集结果，其中鱼道过鱼图像为鱼道口图像，所拍摄鱼道过鱼图像中包含若干条鱼；

对所采集的鱼道过鱼图像进行滤波处理，其中滤波处理流程为：

S11：对鱼道过鱼图像中的任意像素I(i,j)进行灰度化处理，其中灰度化处理公式为：

g(i,j)＝max{I

其中：

I

g(i,j)表示像素I(i,j)的灰度值；

S12：对鱼道过鱼图像中的任意像素I(i,j)进行噪声像素标记：

其中：

α(i,j)表示像素I(i,j)的噪声标记结果，α(i,j)＝0表示像素I(i,j)为噪声像素，α(i,j)＝1表示像素I(i,j)为非噪声像素；

S13：构建5×5的滤波矩阵，其中所构建滤波矩阵为空，滤波矩阵的输入为以噪声像素为中心的邻近5×5像素矩阵，像素矩阵中的像素值为像素灰度值；

S14：对于任意噪声像素I(i

S15：计算得到滤波矩阵的局部信息：

其中：

D(i

Ω(i

d

S16：将滤波矩阵的局部信息转换为中值滤波权重：

其中：

表示以噪声像素I(i

S17：基于中值滤波权重对滤波矩阵的中心像素I(i

其中：

g(i

median(i

对鱼道过鱼图像中所有噪声像素进行步骤S13至S17的处理，得到滤波处理后的鱼道过鱼图像。

所述S1步骤中对滤波处理后的鱼道过鱼图像进行形态学处理，包括：

对滤波处理后的鱼道过鱼图像进行形态学处理，其中形态学处理流程为：

构建形态学处理矩阵：

其中：

M

对于滤波处理后的鱼道过鱼图像中的任意像素，同预设置的像素阈值进行比较，若大于像素阈值则标记为1，否则标记为0；

利用矩阵M

利用矩阵M

S2：对预处理后的鱼道过鱼图像进行图像轮廓分割，得到重叠过鱼轮廓图像。

所述S2步骤中对预处理后的鱼道过鱼图像进行图像轮廓分割，包括：

对预处理后的鱼道过鱼图像进行图像轮廓分割，得到重叠过鱼轮廓图像，其中图像轮廓分割流程为：

S21：计算得到任意不同像素之间的像素权重：

其中：

f

g″(a)表示预处理后像素I(a)的像素值，g″(b)表示预处理后像素I(b)的像素值；

dist(a,b)表示像素I(a)和像素I(b)之间的欧式距离；

σ

S22：设置待求解参数为θ，将像素值小于等于θ标记为鱼部分像素，其余像素标记为背景像素，则像素值接近θ的像素部分为鱼轮廓像素；

S23：构建像素相似度度量目标函数F(θ)：

其中：

β(c)表示像素I(c)的判别函数，若像素I(c)的像素值小于等于θ，则将β(c)标记为1，否则将β(c)标记为-1；

f

ω(c)表示预处理后鱼道过鱼图像中除像素I(c)外的像素集合；

S24：选取使得像素相似度度量目标函数达到最小的参数θ作为求解结果，进而在预处理后的鱼道过鱼图像中标记鱼轮廓像素，得到鱼轮廓分解结果，在本发明实施例中，鱼轮廓分解结果中部分鱼轮廓可能存在重叠。

S3：基于轮廓曲率对分割得到的重叠过鱼轮廓图像进行拆分，得到多个单过鱼轮廓图像，其中每个单过鱼轮廓图像表示通过鱼道的单条鱼轮廓图像。

所述S3步骤中基于轮廓曲率对分割得到的重叠过鱼轮廓图像进行拆分，包括：

基于轮廓曲率对分割得到的重叠过鱼轮廓图像进行拆分，得到多个单过鱼轮廓图像，其中每个单过鱼轮廓图像表示通过鱼道的单条鱼轮廓图像，其中基于轮廓曲率的重叠过鱼轮廓图像拆分流程为：

S31：以任意鱼轮廓像素为起点，连续的10个鱼轮廓像素构成一组线段，将重叠过鱼轮廓图像中的鱼轮廓像素分割为若干线段；

S32：对于任意以像素I(i′

其中：

Len(L

ε(L

S33：计算得到相邻线段的曲率均值，将低于区域均值的相邻线段之间的交点设置为不连续点，基于不连续点对重叠过鱼轮廓图像中的轮廓进行拆分，得到若干组单过鱼轮廓图像，其中每组单过鱼轮廓图像中包含一组连续的鱼轮廓。

S4：对拆分得到的多个单过鱼轮廓图像进行拟合，得到多个完整的单过鱼图像并进行统计计数，计数结果即为鱼道过鱼数目。

所述S4步骤中对拆分得到的多个单过鱼轮廓图像进行拟合，包括：

对拆分得到的多个单过鱼轮廓图像进行拟合，其中拟合流程为：

对于任意单过鱼轮廓图像，标记鱼轮廓的像素坐标序列(h(1),h(2),...,h(t),...,h(T))，其中h(t)表示单过鱼轮廓图像中第t个鱼轮廓像素的像素坐标，T表示单过鱼轮廓图像中的鱼轮廓像素总数，h(1)表示鱼轮廓的起始像素；

构建鱼轮廓的轮廓函数G(t)：

G(t)＝u

其中：

u

G(t)表示第t个鱼轮廓像素坐标与第t-1个鱼轮廓像素坐标之间的距离；

基于插值的方式构建对应的矩阵计算式：

其中：

R

对上述等式进行求解，得到矩阵P，并根据矩阵P中的元素计算得到轮廓函数参数，其中：

基于所构建的轮廓函数，得到后续未知像素坐标距离前一坐标的距离，并设置后续未知像素坐标与前一坐标连线与水平轴的夹角角度，所设置角度为以前一坐标为终点的相邻线段曲率，基于所设置夹角角度以及距离，得到后续未知像素坐标的具体坐标，采用迭代的方式进行像素坐标迭代，直到得到封闭的拟合结果，其中拟合结果即为单过鱼图像。

所述S4步骤中对单过鱼图像进行计数，得到实时的鱼道过鱼数目，包括：

过滤单过鱼轮廓图像中鱼轮廓像素数目少于预设置阈值且无法形成封闭结果的单过鱼图像，对所保留的单过鱼图像进行计数，计数结果即为实时的鱼道过鱼数目。

实施例2：

如图2所示，是本发明一实施例提供的实现精准鱼道过鱼识别方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(用于实现精准鱼道过鱼识别的程序12等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。

所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图2仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图2示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

采集鱼道过鱼图像并对鱼道过鱼图像进行预处理，得到预处理后的鱼道过鱼图像；

对预处理后的鱼道过鱼图像进行图像轮廓分割，得到重叠过鱼轮廓图像；

基于轮廓曲率对分割得到的重叠过鱼轮廓图像进行拆分，得到多个单过鱼轮廓图像；

对拆分得到的多个单过鱼轮廓图像进行拟合，得到多个完整的单过鱼图像并进行统计计数，计数结果即为鱼道过鱼数目。

具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。