(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210936081.0 (22)申请日 2022.08.04 (71)申请人 山东衡昊信息技 术有限公司 地址 264003 山东省烟台市莱山区港城东 大街588号揽胜公馆C座320 3号 (72)发明人 文强　孙彤　王聿隽　 (74)专利代理 机构 北京鼎德宝 专利代理事务所 (特殊普通 合伙) 11823 专利代理师 牟炳彦 (51)Int.Cl. G06V 20/05(2022.01) G06V 10/30(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06Q 10/06(2012.01) (54)发明名称 一种珊瑚礁健康状况智能评估方法 (57)摘要 本发明提供了一种珊瑚礁健康状况智能评 估方法， 通过水下摄像机采集珊瑚礁区彩色图 像， 对图像进行预处理， 提高图像质量； 构建图像 增强分类模型， 通过对图像进行增强， 提高分类 精度， 识别出采集图像中的珊瑚种类； 将珊瑚覆 盖率、 珊瑚健康指数和该区域所有珊瑚平均颜色 分数作为珊瑚礁健康状况的评价指标， 得到珊瑚 礁健康状况的综合得分。 本发明解决了由于水中 光线较弱， 极大地限制了摄像机采集的珊瑚图像 的质量， 给珊瑚礁区的健康评估 带来了非常大的 阻碍的问题。 权利要求书4页 说明书8页 附图1页 CN 115457376 A 2022.12.09 CN 115457376 A 1.一种珊瑚礁健康状况智能评估方法， 其特 征在于， 包括以下步骤： S1.通过水下摄像机采集珊瑚礁区彩色图像， 对图像进行 预处理， 提高图像质量； S2.构建图像增 强分类模型， 通过对图像进行增 强， 提高分类精度， 识别出采集 图像中 的珊瑚种类； S3.将珊瑚覆盖率、 珊瑚健康指数和该区域所有珊瑚平均颜色分数作为珊瑚礁健康状 况的评价指标， 得到 珊瑚礁健康状况的综合得分。 2.根据权利要求1所述的一种珊瑚礁健康状况智能评估方法， 其特征在于， 所述步骤S1 包括： S11.利用水下摄像机采集珊瑚礁区图像， 对图像进行预处理， 提 高图像质量； 水下摄像 机采集的珊瑚图像为彩色图像， 对珊瑚图像 s(i， j)进行分析， 将彩色图像看作R、 G、 B三个独 立通道的二维像素点阵， (i， j)表示二维像素点阵的行和列， 三个通道的灰度图像为sR(i， j)、 sG(i， j)、 sB(i， j)， 彩色图像在不同的颜色通道中完成灰度图像的处理； 在每个颜色通道 中， 每个像素对应着相 应的感光元件对红绿蓝光线的响应值， 从而将彩色图像转化为三幅 灰度图像； 将原始图像采用带有颜色恢复因子的多尺度同态滤波算法进行处 理： 其中， Sl(i， j)表示处理后的图像第l通道的二维像素点阵， l∈{R， G， B}， sl(i， j)表示原 始图像第l通道的二维像素点阵， N表示尺度数量， Wn是第n个尺度对应的权 值， n∈N， Fn(i， j) 表示第n个尺度对应的高斯核函数； S12.然后对图像通过扩散滤波方法进行去噪， 首先引入时间算子t， 表示降噪与扩散持 续时间有关： Sl(i， j)＝I0＝I(i， j， 0) 其中， I0表示初始时刻的图像信号； 计算t时刻的图像信号的偏导： 其中， div表示散度算子， 表示图像梯度 的扩散方程， 为梯度算子， 表示梯度幅值， k表示梯度阈值， 当图像梯度远大于梯度阈值k时， 扩散方程趋于0； 当图像梯 度远小于梯度阈值k时， 扩散方程趋于1； 原图像I0作为一种媒介， 以非恒定的速度在图像上 扩散， 其扩散所 经过的区域逐渐形成一系列的平 滑图像I(i， j， t)。 3.根据权利要求2所述的一种珊瑚礁健康状况智能评估方法， 其特征在于， 所述步骤S2 包括： 将采集图像等分成尺寸为U ×V×3的M个小方块， 构建图像增强分类模型； 通过对图像 进行增强， 提高分类精度， 识别出采集图像中的珊瑚种类； 图像增强分类模型包括一个编码 器、 一个解码器和一个判别器， 编码器由多个卷积层组成， 卷积层数根据实际需求确定； 解 码器由多个与卷积层镜像对应的反卷积层组成， 卷积层与反卷积层之间存在特征图的 “固 态指针融合 ”操作；权　利　要　求　书 1/4 页 2 CN 115457376 A 2假设编码器和解码器共由m个卷积层和反卷积层组成， 所述 “固态指针 融合”操作将第q 个卷积层输出的特 征图与第m ‑q个反卷积层输出的特 征图在通道上进行 卷积融合； 卷积层的卷积核H1为3×3， 通道数为3， 步长为2， 反卷积层的卷积核H2为3×3， 步长为 初始化编码器的参数μe、 解码器的参数μd和判别器的参数μa， 网络输入表示为I＝I1， I2， ...， IM； 首先编码器通过 卷积操作得到图像特 征： 其中， conv为输 出的卷积特征图， 为输入的第γ个图像， γ∈M， c1表示输入 通 道数， c1＝3， c2表示输出通道数， i0， j0表示通道坐标； 编码器的卷积操作增强了图像增强分 类模型的提取图像特 征的能力； 编码器每经过一 次卷积层的采样处理后， 得到的图像特征尺寸缩减为原来的 将得到 特征图输入到解码器中通过反卷积 操作， 使图像尺寸增 加4倍； 所述反卷积 操作为： 其中， 为输出的反卷积特 征图， c3是反卷积的输出通道数； 通过“固态指针融合 ”操作将第q个卷积层输出的特征图与第m ‑q个反卷积层输出的特 征图在通道上进行 卷积融合： 将融合后的 个图像特征输入判别器中， 通过 “固态指针融合 ”操作缓解因反卷积上采 样造成的伪影、 马赛克等问题， 提升图像的生成质量； 判别器由两部分组成， 第一部分是卷积和修正线性单元组成的模块， 第二部分是由卷 积和批标准 化组成的模块； 第一部分的卷积核为 输出为： 第二部分的卷积核为 输出为： 其中 为输入样本的均值， σ 为输入 样本的方差； 最终输出一个二维矩阵， 矩阵内的每一个元素都映射到输入图像中的一个子 区域， 用于判别输入图像内各 特征点对应的珊瑚种类。 4.根据权利要求3所述的一种珊瑚礁健康状况智能评估方法， 其特征在于， 所述步骤S3 包括： 将识别出的珊瑚颜色与珊瑚健康色卡进行比对， 获得 该珊瑚颜色 分数Si， 具体方法为： 将珊瑚颜色值由RGB转换成HSV， 计算HSV域内珊瑚颜色值到珊瑚健康色卡每一个颜色 方块的颜色距离值： 权　利　要　求　书 2/4 页 3 CN 115457376 A 3