本發明專利技術公開了一種基于特征融合和遺傳算法的航海雷達油膜檢測方法及系統，涉及海洋防災減災技術領域，用以解決現有檢測方法檢測效率低和檢測準確率低的問題。本發明專利技術的技術要點包括：將預處理后的圖像進行切割，獲取多個切片圖像；提取每個切片圖像的Tamura紋理特征；采用因子分析方法，對每個切片圖像的Tamura紋理特征進行融合，獲取融合后的特征；將融合后的特征輸入預先訓練好的分類器中進行分類，獲取溢油檢測有效區域；利用改進的遺傳算法對溢油檢測有效區域進行分割，獲取油膜提取結果。本發明專利技術將紋理特征融合與機器學習優化技術相結合，降低了特征維度，實現了油膜的精確分割。本發明專利技術可為海上溢油事件的清污行動和損害評估提供重要的數據支持。
【技術實現步驟摘要】
本專利技術涉及海洋防災減災，具體涉及一種基于特征融合和遺傳算法的航海雷達油膜檢測方法及系統。
技術介紹
1、航運是全球貿易和經濟發展的重要驅動力，承擔著全球80%以上的貿易運輸量。隨著經濟全球化的全面發展，航運業的地位日益凸顯。它不僅促進了全球商品和服務的流通，還在全球供應鏈的穩定性和效率方面發揮著關鍵作用。海上運輸過程中發生的事故，如船舶碰撞、擱淺、操作失誤、船體老化或極端天氣條件，都可能導致石油或石油產品泄漏入海。這類事故不僅嚴重威脅海洋生態系統的健康、降低生物多樣性、破壞漁業資源、對人類健康構成威脅、對沿海城市的經濟產生負面影響，還會帶來長期的環境問題。因此，對海洋溢油災害的預防和減輕技術進行深入研究顯得尤為重要。
2、溢油監測技術對于及時清理油污和準確評估生態環境損害至關重要。它包括漏油動態監測、油膜漂移和擴散追蹤、溢油風化監測以及對生態系統影響的評估。這些研究不僅加深了對溢油事故潛在后果的理解，而且對于制定預防措施和優化應急響應策略具有重要的實用價值。此外，溢油監測技術還可以為國際海事組織（imo）制定相關公約和法規提供重要的科學依據和法律參考。
技術實現思路
1、鑒于以上問題，本專利技術提出一種基于特征融合和遺傳算法的航海雷達油膜檢測方法及系統，用以解決現有檢測方法檢測效率低和檢測準確率低的問題。
2、根據本專利技術的一方面，提出一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，該方法包括以下步驟：
3、獲取航海雷達圖像數據；
4、對所述航海雷達圖像數據進行預處理，獲取預處理后的圖像；
5、將預處理后的圖像進行切割，獲取多個切片圖像；
6、提取每個切片圖像的tamura紋理特征；
7、采用因子分析方法，對每個切片圖像的tamura紋理特征進行融合，獲取融合后的特征；
8、將融合后的特征輸入預先訓練好的分類器中進行分類，獲取溢油檢測有效區域；
9、利用改進的遺傳算法對溢油檢測有效區域進行分割，獲取油膜提取結果。
10、在其中一種可能的實現方式中，所述tamura紋理特征包括粗糙度特征、對比度特征、方向性特征、線性度特征。
11、在其中一種可能的實現方式中，所述粗糙度特征的計算公式為：
12、；
13、式中，
m表示圖像高度方向的像素數量，
n表示圖像寬度方向的像素數量；
s
best?(
i,
j)?=?2
l，
l表示像素點
(i,?j)在水平方向和垂直方向上非重疊相鄰窗口的平均強度差的最大值所對應的尺寸。
14、在其中一種可能的實現方式中，所述對比度特征的計算公式為：
15、；
16、式中，表示標準差；表示切片圖像的四階矩；，
n表示切片圖像的邊長，表示像素點
(i,?j)位置對應的像素值，表示切片圖像灰度中值。
17、在其中一種可能的實現方式中，所述方向性特征的計算公式為：
18、；
19、式中，
n是方向角的量化區間數，
p表示直方圖第p個量化區間索引號；表示直方圖中最大值對應的量化區間索引號；表示直方圖中第二大值對應的量化區間索引號；
?，表示方向角第p個量化區間中梯度變化大于梯度矢量模式閾值時的邊緣像素數，表示相應方向角
θ上的邊緣像素總數。
20、在其中一種可能的實現方式中，所述線性度特征的計算過程包括：計算上、下、左、右及四個對角線共8個方向線性度的四分位數間距值，并將8個方向線性度的四分位數間距值從小到大排序，則為第2小的方向線性度值，為第6小的方向線性度值；所述線性度特征按照以下公式計算：
21、；
22、其中，每個方向線性度值按照以下公式計算：
23、；
24、式中，
m表示灰度級別的數量；
i和
j是共生矩陣的行和列索引；
n表示等寬的方向區間個數。
25、在其中一種可能的實現方式中，所述采用因子分析方法，對每個切片圖像的tamura紋理特征進行融合，獲取融合后的特征包括：
26、將每個切片圖像的tamura紋理特征的多個特征進行標準化處理，并計算標準化處理后的相關系數矩陣；
27、將每個特征表示成公共因子的線性函數與特殊因子之和，并采用最大似然估計法計算獲得每個特征對應的因子載荷矩陣；
28、基于所述相關系數矩陣和所述因子載荷矩陣計算獲得因子得分系數；
29、根據所述因子得分系數將每個切片圖像的tamura紋理特征的多個特征融合為一個特征，新的融合特征表示為：
30、；
31、式中，、、、為融合系數；表示粗糙度特征；表示對比度特征；表示方向性特征；表示線性度特征。
32、在其中一種可能的實現方式中，所述預先訓練好的分類器為基于模糊c均值算法的分類器。
33、在其中一種可能的實現方式中，所述改進的遺傳算法中目標函數為：
34、；
35、式中，
t表示圖像分割的初始閾值，表示目標和背景之間的最大類間方差；
k是(2,?
p0)中的整數，
p0表示初始群體個數。
36、根據本專利技術的另一方面，提出一種基于特征融合和遺傳算法的航海雷達油膜檢測系統，該系統包括：
37、圖像預處理模塊，其配置成獲取航海雷達圖像數據；對所述航海雷達圖像數據進行預處理，獲取預處理后的圖像；
38、圖像切割模塊，其配置成將預處理后的圖像進行切割，獲取多個切片圖像；
39、紋理特征提取模塊，其配置成提取每個切片圖像的tamura紋理特征；
40、特征融合模塊，其配置成采用因子分析方法，對每個切片圖像的tamura紋理特征進行融合，獲取融合后的特征；
41、分類模塊，其配置成將融合后的特征輸入預先訓練好的分類器中進行分類，獲取溢油檢測有效區域；
42、油膜提取模塊，其配置成利用改進的遺傳算法對溢油檢測有效區域進行分割，獲取油膜提取結果。
43、本專利技術的有益技術效果是：
...
【技術保護點】
1.一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述Tamura紋理特征包括粗糙度特征、對比度特征、方向性特征、線性度特征。
3.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述粗糙度特征的計算公式為：
4.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述對比度特征的計算公式為：
5.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述方向性特征的計算公式為：
6.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述線性度特征的計算過程包括：計算上、下、左、右及四個對角線共8個方向線性度的四分位數間距值，并將8個方向線性度的四分位數間距值從小到大排序，則為第2小的方向線性度值，為第6小的方向線性度值；所述線性度特征按照以下公式計算：
7.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述采用因子分析方法，對每個切片圖像的Tamura紋理特征進行融合，獲取融合后的特征包括：
8.根據權利要求1所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述預先訓練好的分類器為基于模糊C均值算法的分類器。
9.根據權利要求1所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述改進的遺傳算法中目標函數為：
10.一種基于特征融合和遺傳算法的航海雷達油膜檢測系統，其特征在于，包括：
...
【技術特征摘要】
1.一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述tamura紋理特征包括粗糙度特征、對比度特征、方向性特征、線性度特征。
3.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述粗糙度特征的計算公式為：
4.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述對比度特征的計算公式為：
5.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述方向性特征的計算公式為：
6.根據權利要求2所述的一種基于特征融合和遺傳算法的航海雷達油膜檢測方法，其特征在于，所述線性度特征的計算過程...
【專利技術屬性】
技術研發人員：李博，徐進，褚李林，楊玉強，董新茹，蘇宏磊，陳芫倩，錢思翰，
申請(專利權)人：廣東海洋大學深圳研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。