买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于图像处理和神经网络融合的水生物识别与匹配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115223032B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210839011.3，技术领域涉及：G06V20/05；该发明授权一种基于图像处理和神经网络融合的水生物识别与匹配方法是由刘振泽;董迪锴;张家晨;陈金炎;孙吉;王成喜;胡海洋设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种基于图像处理和神经网络融合的水生物识别与匹配方法在说明书摘要公布了：本发明公开了一种基于图像处理和神经网络融合的水生物识别与匹配方法，属于水下机器人，海洋资源开发领域。在水下环境中，由于红光通道被衰减，摄像设备采集的图片普遍偏绿，并且针对多种水生物识别，识别难处理慢。现有的算法，基于采集的水下图像直接识别，准确性能较差，并且深度估计是针对整张图，处理速度较慢。本发明针对原始水下图像，进行红光通道补偿，图像预处理实现水下图像的复原。接着使用专用的DarkNet神经网络针对水下多种水生物进行识别分类。最后基于双目摄像设备，使用DBNet中识别符合阈值要求的目标进行ORB匹配得到匹配特征方便后续双目相机计算深度。与现有的算法相比，使用方便，复原的图像质量、水下生物识别率和估计深度精度处理速度都得到提高。

本发明授权一种基于图像处理和神经网络融合的水生物识别与匹配方法在权利要求书中公布了：1.一种基于图像处理和神经网络融合的水生物识别与匹配方法，其特征在于，包括以下步骤： 步骤一、图像预处理模块，其作用是，为了解决水下图像失真问题，增加图像的对比度，并且提高后续分类识别准确率，将采用摄像头采集的海底原始图像，通过红光补偿模块、白平衡模块、和对比度增强模块，输出； 步骤二、水生物识别模块，起作用是，为了减少处理速度并提高多种水生物识别正确率，采用DBNet神经网络，针对水生物分类任务自制数据集，针对DBNet神经网络基于yolov3网络提出DBL最小单元以及DB最小模块，并改进损失函数； 所述水生物识别模块的实现过程如下：1DBNet的基本模块为，包含一个卷积层，一个层和 激活层； 2组成DBNet的子模块为，在子模块中，每一层的输入都是该层上面所有层的输出，即该模块中的所有浅层特征都能直接输入到后续子模块中，使得模块内的有效特征数据均能得到重用，为了控制计算量，大大减少了原本网络结构模块中的卷积层输出的特征图数量；3DBNet定位损失函数公式如下： ； 其中，分别代表预测框和真实框的中心点，表示计算两个中心点间的欧式距离，为两个边界框最小闭合区域的对角线长度，为惩罚项系数，有加快网络收敛的效果，为权重函数，为度量长宽比的相似性； 步骤三、水下双目图像匹配算法，起作用是，为了减少处理量，加快整体匹配速度提高整体匹配准确率，采用基于识别框约束性ORB匹配算法，将整体匹配区域局限于左右图像符合阈值输出的识别框区域；并针对符合阈值识别框进行ORB特征匹配； 所述水下双目图像匹配算法的主要实现过程如下： 1设左图识别到的区域图设为，右图检测到的区域设为，计算与之间的距离，设置为为2.6，距离小于阈值，如果符合进入第二步，距离公式如下： ； 2特征点提取，对某一像素点与其周围固定半径的圆上的像素之间的灰度进行比较，设中心点像素为灰度，半径为3、像素数量为16 的圆周上的像素点的灰度为，为设定的灰度阈值，则周围像素点的分类公式如下： ；若周围的16点当中，存在连续的分类为或的像素点的数大于，一般取12，则认为该点为一个可能的特征点，为了加快速度，在实际检测的特征提取过程中，首先选择只比较周围16 点中1、5、9、13 四处的像素，若其中像素属于或的数量大于等于3，则再对这些像素使用16点检测的方法进一步验证。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。