公开(公告)号：CN111611899A

公开(公告)日：2020-09-01

申请号：CN202010414012.4

申请日：2020-05-15

Applicant: 大连海事大学

Inventor： 徐进 ,  王海霞 ,  乔林

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明提供一种基于纹理特征与K-means聚类算法的船载雷达原始图像油膜识别方法，属于海洋环境监测应用技术领域；为了解决船载雷达图像中的溢油对比海浪表现为“相对暗”的特征，从而导致油膜自动分割难度较大，且现有的机器学习方法在船载雷达图像油膜识别领域的应用较少的问题，本发明的技术方案包括：对船载雷达原始图像进行降噪与高亮像元抑制，得到降噪图像；对降噪图像进行灰度校正与局部对比度增强的预处理操作，得到预处理图像；提取上述预处理图像中的海上油膜。本发明方法先将船载雷达原始图像进行预处理；再通过LBP纹理特征与K-means聚类算法提取油膜所在区域；之后通过局部自适应阈值，分割海上油膜，为海上溢油事故的监测提供技术支持。

公开(公告)号：CN111611899B

公开(公告)日：2023-06-30

申请号：CN202010414012.4

申请日：2020-05-15

Applicant: 大连海事大学

Inventor： 徐进 ,  王海霞 ,  乔林

IPC: G06V20/10 ,  G06V20/52 ,  G06V10/20 ,  G06V10/28 ,  G06V10/30 ,  G06V10/36 ,  G06V10/46 ,  G06V10/54 ,  G06V10/762

Abstract: 本发明提供一种基于纹理特征与K‑means聚类算法的船载雷达原始图像油膜识别方法，属于海洋环境监测应用技术领域；为了解决船载雷达图像中的溢油对比海浪表现为“相对暗”的特征，从而导致油膜自动分割难度较大，且现有的机器学习方法在船载雷达图像油膜识别领域的应用较少的问题，本发明的技术方案包括：对船载雷达原始图像进行降噪与高亮像元抑制，得到降噪图像；对降噪图像进行灰度校正与局部对比度增强的预处理操作，得到预处理图像；提取上述预处理图像中的海上油膜。本发明方法先将船载雷达原始图像进行预处理；再通过LBP纹理特征与K‑means聚类算法提取油膜所在区域；之后通过局部自适应阈值，分割海上油膜，为海上溢油事故的监测提供技术支持。