基于圖像處理的魚類計(jì)數(shù)與測(cè)量方法研究

鄒立 汪雅 陳志輝 盧月紅 許威 韓楓

關(guān)鍵詞：智能養(yǎng)殖網(wǎng)箱；圖像處理；魚類；計(jì)數(shù)；測(cè)量

0 引言

隨著社會(huì)生活水平的提高，人們對(duì)水產(chǎn)品的需求也越來越大，魚類的養(yǎng)殖得到了前所未有的發(fā)展。我國(guó)目前絕大多數(shù)水產(chǎn)品采用池塘養(yǎng)殖方式，并且多采用人工捕撈與人工計(jì)量的方法監(jiān)控魚類的生長(zhǎng)狀況[1]。隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，圖像處理技術(shù)愈發(fā)成熟，可以將圖像處理技術(shù)運(yùn)用于魚類的監(jiān)測(cè)中。利用固定在網(wǎng)箱上的攝像頭可以對(duì)魚類進(jìn)行活動(dòng)狀況監(jiān)測(cè)和預(yù)測(cè)，能夠有效分析判斷魚類行為、生長(zhǎng)情況、生長(zhǎng)環(huán)境和健康狀況，可以實(shí)現(xiàn)魚群疫病的及早發(fā)現(xiàn)與防治。

為解決傳統(tǒng)養(yǎng)殖的缺點(diǎn)，國(guó)內(nèi)外學(xué)者提出了很多檢測(cè)觀察魚群的方法。Lantsova等人[2]對(duì)自然水域下的魚類設(shè)計(jì)了一個(gè)自動(dòng)檢測(cè)和跟蹤系統(tǒng)，首先采用視頻前幾幀圖像構(gòu)建背景模型，然后運(yùn)用背景減除法和圖像處理算法進(jìn)行魚類檢測(cè)，最后利用卡爾曼濾波算法進(jìn)行跟蹤。Spampinato等人[3]首先運(yùn)用灰度圖像的統(tǒng)計(jì)特征對(duì)場(chǎng)景紋理和顏色進(jìn)行分類，然后利用自適應(yīng)高斯混合模型與移動(dòng)平均算法相結(jié)合實(shí)現(xiàn)魚類的檢測(cè)，最后運(yùn)用自適應(yīng)均值漂移算法對(duì)檢測(cè)到的魚類進(jìn)行跟蹤。孫龍清等人[4]針對(duì)水下背景噪聲對(duì)目標(biāo)特征提取的干擾，提出一種基于魚體的骨架特征和邊緣特征相結(jié)合的特征匹配檢測(cè)算法。但由于魚類所處的環(huán)境復(fù)雜，并且魚是非剛性目標(biāo)，輪廓的形狀變化復(fù)雜，對(duì)魚類進(jìn)行計(jì)數(shù)和測(cè)量是困難的。本研究針對(duì)魚類養(yǎng)殖設(shè)計(jì)了一種簡(jiǎn)易的養(yǎng)殖網(wǎng)箱，可實(shí)現(xiàn)智能投食和智能捕撈，并實(shí)現(xiàn)了對(duì)網(wǎng)箱中魚類對(duì)計(jì)數(shù)和測(cè)量，有效降低了養(yǎng)殖成本。

1 養(yǎng)殖網(wǎng)箱設(shè)計(jì)

現(xiàn)有的網(wǎng)箱通常需要人工拉回漁網(wǎng)，費(fèi)時(shí)費(fèi)力，具有捕撈不便的缺陷，且不具備自動(dòng)投食的功能。本研究所設(shè)計(jì)的養(yǎng)殖網(wǎng)箱可全自動(dòng)化控制網(wǎng)箱升降來實(shí)現(xiàn)漁網(wǎng)折疊，進(jìn)而壓縮魚的活動(dòng)空間，更好地實(shí)現(xiàn)魚類捕撈、喂食、計(jì)數(shù)和測(cè)量。該網(wǎng)箱裝置裝有懸浮層，具有承受該裝置重量的浮力，即便水位升高，網(wǎng)箱結(jié)構(gòu)也會(huì)隨之升高，使懸浮層浮于水面上。

所設(shè)計(jì)的養(yǎng)殖網(wǎng)箱結(jié)構(gòu)如圖1所示，該網(wǎng)箱底層圈①有預(yù)留孔位，孔位上綁著足夠長(zhǎng)的繩子，繩長(zhǎng)略大于漲潮后網(wǎng)箱最底層到海底的距離，繩子另一端綁著重物，重物沉于海底。作用：防止風(fēng)浪把該裝置吹走。網(wǎng)箱中間層③為可移動(dòng)層，該層包含下移動(dòng)圈② 和上固定圈④，中間為漁網(wǎng)，柔韌性好，可折疊，漁網(wǎng)固定在兩圈之間。下移動(dòng)圈通過舵機(jī)驅(qū)動(dòng)可實(shí)現(xiàn)自由升降，從而實(shí)現(xiàn)漁網(wǎng)的自由升降。作用：捕魚時(shí)可把下移動(dòng)圈升高，壓縮魚的活動(dòng)空間，使魚聚集到海平面，從而實(shí)現(xiàn)智能捕魚。網(wǎng)箱上層⑤為懸浮層，該層用來放置懸浮物。作用：使裝置能穩(wěn)定漂浮在海平面上。該層往下會(huì)放置各類監(jiān)測(cè)用的傳感器。網(wǎng)箱頂層⑥設(shè)有隔水層，該層上裝有智能投餌裝置，以及舵機(jī)、主控板、攝像頭等電子設(shè)備。該層做有隔水措施，有效避免下雨天、大風(fēng)浪等自然因素導(dǎo)致電子設(shè)備進(jìn)水。

2 魚類計(jì)數(shù)與測(cè)量實(shí)驗(yàn)設(shè)計(jì)

采用裝在養(yǎng)殖網(wǎng)箱上的攝像頭對(duì)魚類活動(dòng)狀況進(jìn)行實(shí)時(shí)采集，根據(jù)網(wǎng)箱養(yǎng)殖魚類圖像的特點(diǎn)，計(jì)數(shù)與測(cè)量的實(shí)驗(yàn)設(shè)計(jì)流程如圖2所示。由于水下懸浮物的影響，采集到的魚類圖像較為模糊，因此首先對(duì)采集到的魚類圖像進(jìn)行水下圖像增強(qiáng)以去除圖像噪聲；然后采用MATLAB圖像處理工具箱對(duì)增強(qiáng)后的圖像進(jìn)行閾值分割、形態(tài)學(xué)處理、邊緣檢測(cè)等處理，獲取準(zhǔn)確的魚類圖像輪廓；最后利用圖像的連通性和最小外接矩形法實(shí)現(xiàn)對(duì)魚類的計(jì)數(shù)與測(cè)量。

3 實(shí)驗(yàn)過程

3.1 水下圖像增強(qiáng)

針對(duì)采集的水下魚類圖像由于懸浮物引起的模糊問題，首先基于暗通道先驗(yàn)理論進(jìn)行整體去模糊，然后將魚類圖像由RGB彩色圖像轉(zhuǎn)化為單分量灰度圖像[5]，最后采用中值濾波進(jìn)一步去除圖像噪聲。

暗通道先驗(yàn)是由何凱明等人對(duì)大量的自然無霧情況下的圖像進(jìn)行統(tǒng)計(jì)和分析后提出的一種基于統(tǒng)計(jì)的先驗(yàn)理論。因?yàn)樗聢D像與霧天圖像在退化過程都會(huì)受到介質(zhì)中懸浮顆粒的影響而導(dǎo)致光的衰減，因此根據(jù)暗通道先驗(yàn)理論，絕大部分水下自然清晰圖像的RGB三個(gè)顏色通道中，至少存在一個(gè)通道的像素點(diǎn)的值非常小或者接近零。因此，暗通道圖可以表示為：

其中，Idark （x，y ） 表示原水下圖像的暗通道圖；Ω（x，y ）表示以像素點(diǎn)（x，y ）為中心的區(qū)域窗口；Ii 表示原水下圖像的某個(gè)顏色通道。

其中，I （x，y ） 表示實(shí)際拍攝到的水下有霧圖像；J （x，y ） 表示清晰的無霧圖像；Ai 表示無窮遠(yuǎn)處的背景光強(qiáng)度，由暗通道圖Idark （x，y ）中提取最亮的前0.1%的像素值并提取對(duì)應(yīng)的位置信息，選取最亮的點(diǎn)作為Ai；t（x，y ） 為場(chǎng)景透射率，表示光在介質(zhì)中的吸收和反射，可由式（3）計(jì)算。

其中，d 為目標(biāo)與成像點(diǎn)之間距離；pλ 為水下環(huán)境吸收系數(shù)和散射系數(shù)之和，隨光的波長(zhǎng)λ變化。

在進(jìn)行暗通道先驗(yàn)去模糊后，分別顯示RGB三分量圖像并得出最佳的分量圖，其結(jié)果如圖3所示，主要代碼如下：

因?yàn)樵趫D像的形成過程中會(huì)受到各種因素的影響，內(nèi)外部的噪聲都會(huì)對(duì)魚類的計(jì)數(shù)產(chǎn)生不可避免的影響，所以需要通過圖像濾波處理去除噪聲，常見的濾波方法有中值濾波、高斯濾波、均值濾波等[6]，不同的濾波方法有不同的效果和影響，實(shí)驗(yàn)選用中值濾波去除圖像內(nèi)外部的噪聲。

中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，從而消除孤立的噪聲點(diǎn)[7]。MATLAB中使用函數(shù)med?filt2實(shí)現(xiàn)中值濾波，代碼如下：

3.2 魚類分割

大津法是一種確定圖像二值化分割閾值的算法，又叫作最大類間方差法，是一種自適應(yīng)性閾值分割方法[8]。大津法求得的前景與背景圖像的類間方差最大，且計(jì)算不受圖像亮度和對(duì)比度的影響。在MATLAB中可使用函數(shù)graythresh計(jì)算大津法最佳閾值，并使用函數(shù)imbinarize進(jìn)行閾值分割，結(jié)果如圖4 所示，主要代碼如下：

3.3 形態(tài)學(xué)處理

圖像的形態(tài)學(xué)處理主要包括：膨脹、腐蝕、開運(yùn)算、閉運(yùn)算、邊界提取、區(qū)域填充等[9-10]。其中開運(yùn)算是指圖像先腐蝕再膨脹的過程，可以很好地去除噪聲，并保留原有圖像的外輪廓。主要代碼如下：

SE=strel‘（ disk，5）;

bw=imopen（image_seg，SE）;

figure（1）;imshow（bw）;

SE是結(jié)構(gòu)體元素對(duì)象或結(jié)構(gòu)元素對(duì)象的數(shù)組，由strel或者offstrel函數(shù)返回。

3.4 魚類邊緣檢測(cè)

邊緣檢測(cè)一般用于圖像特征提取與檢測(cè)，旨在檢測(cè)數(shù)字圖像中有明顯變化的邊緣或者其他不連續(xù)的區(qū)域。常用的邊緣檢測(cè)算法有Roberts算法、Prewitt算法、Sobel算法、Laplacian算法、LOG算法、Canny算法等[11]，MATLAB提供了函數(shù)edge用于尋找邊緣，此函數(shù)提供了最強(qiáng)大的邊緣檢測(cè)算子Canny，Canny算子使用了2種不同閾值（用以實(shí)現(xiàn)強(qiáng)邊緣和弱邊緣的檢測(cè)），而且僅當(dāng)弱邊緣連通到強(qiáng)邊緣時(shí)才在輸出中包括弱邊緣[12]。因此，此方法受到噪聲的影響小，更能檢測(cè)到真正的弱邊緣，實(shí)現(xiàn)較好的邊緣檢測(cè)。處理結(jié)果如圖5所示，其主要代碼如下：

4 實(shí)驗(yàn)結(jié)果

4.1 魚類計(jì)數(shù)結(jié)果

由于二值化后的圖片中只有0和1這2種像素值，而1代表著前景即目標(biāo)魚所在的區(qū)域，0代表著背景所在的區(qū)域，經(jīng)過一系列處理之后的前景的像素是連續(xù)且平滑的，在圖像中表現(xiàn)為連通性[13]，所以可以利用函數(shù)計(jì)算連通區(qū)域的數(shù)目間接計(jì)算魚類的數(shù)量，MATLAB提供了函數(shù)bwlabel用以返回連通區(qū)域的個(gè)數(shù)即實(shí)現(xiàn)計(jì)數(shù)功能，具體代碼如下：

其中，image_canny是輸入的二值圖像，8規(guī)定了連通性。labelpic為圖像標(biāo)記，其維數(shù)與image_canny 的維數(shù)相同，其元素值為大于等于0的整數(shù)，0代表背景區(qū)域，1代表第一個(gè)目標(biāo)區(qū)域，2代表第二個(gè)目標(biāo)區(qū)域，以此類推；num是返回二值圖像中目標(biāo)的數(shù)目，如圖6所示為對(duì)連通區(qū)域的計(jì)數(shù)結(jié)果。

4.2 魚類測(cè)量結(jié)果

在大多數(shù)情況下，魚的形狀都是不規(guī)則的，一般的輪廓檢測(cè)法只能得到孤立的輪廓，難以得到較為完整的輪廓[14]，所以實(shí)驗(yàn)通過最小外接矩形獲取魚類的輪廓，如圖7所示為對(duì)魚類長(zhǎng)度的測(cè)量結(jié)果。

5 結(jié)束語

本文針對(duì)傳統(tǒng)水產(chǎn)養(yǎng)殖需要耗費(fèi)大量人工進(jìn)行魚類喂食、捕撈、計(jì)數(shù)和測(cè)量，設(shè)計(jì)了一種智能養(yǎng)殖網(wǎng)箱，并基于圖像處理技術(shù)提出了魚類計(jì)數(shù)與測(cè)量方法，實(shí)驗(yàn)表明，該方法可以自動(dòng)準(zhǔn)確地對(duì)魚類進(jìn)行計(jì)數(shù)和測(cè)量，研究成果對(duì)于提高水產(chǎn)養(yǎng)殖的智能化具有一定的實(shí)踐意義。