(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 202210884398.4 (22)申请日 2022.07.25 (71)申请人 江苏联盟信息 工程有限公司 地址 212114 江苏省镇江市丹徒区新城长 香东大道55号 (72)发明人 范德军　何冲　梅浩俊　叶铭　 陈杨　张连胜　王俊杰　谈昀　 杨庆生　江晓明　方迪　 (74)专利代理 机构 镇江谷弈专利代理事务所 (特殊普通 合伙) 32595 专利代理师 李晓蒙 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01)G06V 10/44(2022.01) G06V 10/40(2022.01) G06V 10/26(2022.01) (54)发明名称 一种水域环境下目标船舶图像的数据挖掘 算法 (57)摘要 本发明公开了一种水域环境下目标船舶图 像的数据挖掘算法， 涉及图像识别领域， 包括S1： 在水域环境下通过智能采集摄像头采集目标船 舶图像； S2： 通过图像分割算法对采集到的船舶 图像进行先分割再寻找平衡阈值； S3： 利用船舶 图像边缘点提取公式， 将船舶图像边缘提取出 来； S4： 对S3处理后的目标船舶图像采用神经网 络进行有效特征点提取； S5： 对S4所提取的目标 船舶图像特征点进行神经网络训练； S6： 利用目 标图像像素值与期望像素值之间的误差， 来修改 目标图像之间的连接权值， 使目标图像得到优 化； S7： 输出目标船舶图像识别结果。 本发明可以 提高目标图像的质量， 并且在 多种环境下都能达 到良好的实时性、 有效性和鲁棒 性。 权利要求书2页 说明书4页 附图1页 CN 115359433 A 2022.11.18 CN 115359433 A 1.一种水域环境下目标 船舶图像的数据 挖掘算法， 其特 征在于， 包括如下步骤： S1： 在水域环境下通过智能采集摄 像头采集目标 船舶图像； S2： 通过图像分割算法对 采集到的船舶图像进行 先分割再寻找 平衡阈值； S3： 利用船舶图像边 缘点提取公式， 将船舶图像边 缘提取出来； S4： 对S3处 理后的目标 船舶图像采用神经网络进行有效特 征点提取； S5： 对S4所提取的目标 船舶图像特 征点进行神经网络训练； S6： 利用目标图像像素值与期望像素值之间的误差， 来修改目标图像之间的连接权值， 使目标图像得到优化； S7： 输出目标 船舶图像识别结果。 2.根据权利要求1所述水域环境下目标船舶图像的数据挖掘算法， 其特征在于， S1中所 采集的船舶图像包括的船舶的姿态、 船号和轨 迹。 3.根据权利要求1所述水域环境下目标船舶图像的数据挖掘算法， 其特征在于， S2具体 包括： S2.1： 求出目标船舶图像的最大灰度值Zmax和最小灰度值Zmin， 计算初始阈值： S2.2： 计算 此迭代公式中， hk为目标图像像素灰度值 大小为k的像素个数， Tk为第k次计算得到的阈值， 若 Tk非整数， 则向左取整； S2.3： 将目标船舶图像分割成前景图和背景图， 分别求出其平均灰度值Z0和Z1； 求出目 标船舶图像分割的新阈值 S2.4： 如果Tk＝Tk+1， 则得到的就是 所求阈值， 否则参与步骤S2.2重新进行迭代运 算。 4.根据权利要求1所述水域环境下目标船舶图像的数据挖掘算法， 其特征在于， 基于数 据挖掘在图像边 缘处取得最大值的规 律， S3中所采取的边 缘点提取公式为： 其中f(i,j)表示图像边 缘的坐标。 5.根据权利要求1所述水域环境下目标船舶图像的数据挖掘算法， 其特征在于， S6包括 如下步骤： S6.1： 通过公式 得到预处理后的目标图像像素值与期望像素值之 间的均方误差， 其中rq为期望像素值， Nq为目标图像层数， q为目标图像识别的输出层， Oq为 真实像素值；权　利　要　求　书 1/2 页 2 CN 115359433 A 2S6.2： 采用智能采 集摄像头拍摄有如下关系: 式中η表示步长,Oq是Iq的 函数.因此 可以得到: S6.3： 采用基于数据 挖掘的目标图像识别算法: Δw＝η(1 ‑α )D(k)+α D(k ‑1)对目标图像进行识别， D(k)表示k时刻目标船舶图像的负梯 度， D(k‑1)表示k‑1时刻目标船舶图像的负梯度， η表 示识别效率， α 表 示动量系数， 其中， η和 α 的范围为0 < η， α <1。 6.根据权利要求1所述水域环境下目标船舶图像的数据挖掘算法， 其特征在于， S7包 括： S7.1： 处理后 得到N个图像特征点， 每一个特征点的尺度为mi， 则N个目标图像特征点尺 度信息组成特 征向量: MN＝(m1,m2,···,m(N‑1),mN)； S7.2： 对N个目标图像特征点的信息进行快速排序， 可以得到:PN＝sort(MN', descend')； S7.3： 截取 前L个P值作为目标图像的特 征向量； S7.4： 将目标图像的前L个特征向量提取并分类， 转S5基于训练好的目标图像权值进行 图像识别， 得到图像识别结果。权　利　要　求　书 2/2 页 3 CN 115359433 A 3