(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 202210219816.8 (22)申请日 2022.03.08 (71)申请人 自然资源部第二海 洋研究所 地址 310012 浙江省杭州市西湖区保俶北 路36号 (72)发明人 徐巍军　周建平　孙栋　王渊　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 刘静 (51)Int.Cl. G06V 20/05(2022.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/46(2022.01) G06V 10/56(2022.01)G06V 10/26(2022.01) G06V 10/762(2022.01) (54)发明名称 一种融合环境信息的深海底栖生物特征库 构建方法 (57)摘要 本发明公开了一种融合环境信息的深海底 栖生物特征库构建方法， 包括以下步骤： 将原始 底栖生物照片进行分类整理， 记录采样环境特征 数据； 确定每张照片中的生物目标图像区域和环 境背景图像区域； 利用计算机图像处理技术提取 生物目标的形态、 体色等图像属性特征， 同时提 取代表生物 生境的环境背景图像属性特征； 采用 聚类算法按生物 类群分析各类型特征数据集， 构 建包含多重属性的深海底栖生物特征库。 本发明 的优点是能够更加准确、 全面、 系统地描述底栖 生物目标， 并可用于获取后续底 栖生物特征研究 和自动识别等应用所需 高可靠性基础数据。 权利要求书2页 说明书5页 附图1页 CN 114596481 A 2022.06.07 CN 114596481 A 1.一种融合环境信息的深海底栖 生物特征库构建方法， 其特 征在于， 包括以下步骤： (1)对航次中收集到的原始底栖生物照片进行分类整理， 记录每张照片的采样环境特 征数据； (2)根据深海底栖生物类群照片 目录， 分别确定每张原始底栖生物照片中所有生物目 标图像区域和环境背 景图像区域， 提取环境背 景图像区域对应的HSV颜色均值、 尺度不变特 征变换SIFT关键点特 征矩阵， 记为环境背景图像特 征； (3)利用图像插值算法将生物目标图像转换成统一尺寸大小， 依次提取每一个生物目 标的HSV颜色均值、 SIFT关键点特 征矩阵、 边框轮廓数组， 记为 生物目标图像特 征； (4)利用聚类算法对不同生物类群的采样环境特征、 环境背景图像特征以及生物目标 图像特征进行统计分析， 并以数据库形式保存特 征数据的统计结果。 2.如权利要求1所述的融合环境信 息的深海底栖生物特征库构建方法， 其特征在于， 步 骤(1)具体包括如下步骤： (1‑1)将原始底栖生物照片按照具体生物类群进行人工分类筛选， 并为不同的类群设 置单独的照片目录， 用于存放所有属于该类 群的底栖 生物照片； (1‑2)如果同一张照片中含有多种不同类群的底栖生物， 则需要将该照片同时分类到 相应的多个 类群目录下； (1‑3)创建表格文件记录每张底栖生物照片对应的采样环境特征数据， 内容包括所属 类群名、 照 片文件名、 水深值、 水体温度、 经纬度， 其中水深值、 水体温度、 经纬度数据从进 行 水下作业时的温盐深仪(CTD)和水 下定位信标仪器记录数据中获取。 3.如权利要求2所述的融合环境信 息的深海底栖生物特征库构建方法， 其特征在于， 步 骤(2)具体包括如下步骤： (2‑1)根据步骤(1 ‑2)得到的分类结果， 对于当前选择生物类群目录中的原始底栖生物 照片， 采用多个可变尺寸矩形框在原始底栖生物照片中圈定所有属于 当前生物类群目录下 的生物目标图像区域， 每个矩形框的大小根据其圈定的生物所占区域大小确定， 矩形框外 部的区域即为环境背景图像区域； (2‑2)利用GrabCut算法将由矩形框圈定的生物目标 图像区域从原始底栖生物照片中 进行分割， 图像分割结果另存为 新的生物目标图像文件， 等待 进一步处理与分析； (2‑3)对于环境背景图像区域的像素点， 将其从RGB颜色空间转换为HSV颜色空间， 分别 计算环境背景图像的HSV颜色 分量统计均值BCi： 其中， BCi为环境背景图像的第i个HSV颜色分量统计均值； NBC表示环境背景图像区域中 像素点总数， bci,j表示环境背景图像中第j个 像素点对应的第i个HSV颜色 分量； (2‑4)对于环境背景图像区域的像素点， 将其从RGB颜色空间转换为灰度值， 提取区域 中所有SIFT关键点， 得到其特 征向量组成的矩阵。 4.如权利要求3所述的融合环境信 息的深海底栖生物特征库构建方法， 其特征在于， 步 骤(3)具体包括如下步骤： (3‑1)对于所述步骤(2 ‑2)中图像分割后得到的生物目标图像文件， 采用双线性插值算 法将图像调整成统一的高度和宽度， 调整后图像尺寸 为M像素点 ×M像素点；权　利　要　求　书 1/2 页 2 CN 114596481 A 2(3‑2)对于插值后生物目标图像， 将其从RGB颜色空间转换为HSV颜色空间， 分别计算生 物目标图像的颜色 分量统计均值TCi： 其中， TCi为生物目标图像的第i个HSV颜色分量统计均值； NTC表示生物目标图像像素点 总数， tci,j表示生物目标图像中第j个 像素点对应的第i个HSV颜色 分量； (3‑3)对于插值后生物目标图像， 将其从RGB颜色空间转换为灰度值， 提取图像中所有 SIFT关键点， 得到其特 征向量组成的矩阵； (3‑4)对于插值后生物目标 图像， 采用Canny边缘检测算子得到对应的二值图像， 并从 中检测提取生物目标的边框轮廓数组； (3‑5)按照步骤(3 ‑1)至步骤(3 ‑4)， 依次处理当前原始底栖生物照片中其他属于当前 生物类群的生物目标图像， 获得对应的生物目标图像的HSV颜色均值、 SIFT关键点特征矩 阵、 边框轮廓数组； (3‑6)按照步骤(2 ‑1)至步骤(3 ‑5)， 依次处理当前生物类群目录中其他原始底栖生物 照片， 获得对应原 始底栖生物照片的环境背景 特征数据和所有生物目标图像的特 征数据。 5.如权利要求4所述的融合环境信 息的深海底栖生物特征库构建方法， 其特征在于， 步 骤(4)具体包括如下步骤： (4‑1)新建一个所有生物类群的统一的SQLite空白数据库， 定义数据库表架构， 包含生 物类群名称及底栖生物的采样环境特征、 环境背 景图像特征和生物目标图像特征中的所有 下属特征名称， 并为所有名称定义对应的数据类型； (4‑2)根据步骤(1 ‑3)创建的记录表格， 以生物类群为单位选择该类群下所有原始底栖 生物照片对应的采样环境特征、 环境背 景图像特征、 生物目标图像特征， 分别形成三类特征 数据集； (4‑3)采用K‑均值算法对每类特征数据集下的每种特征单独进行聚类分析， 得到每种 特征对应的聚类中心作为描述当前生物类群所具有的特征量化值， 并将结果写入SQLite数 据库； (4‑4)重复步骤(4 ‑2)‑步骤(4‑3)， 依次处理每个生物类群目录下的三类特征数据集， 获得对应生物类 群的特征量化值， 建立完整的底栖 生物光学 特征数据库。权　利　要　求　书 2/2 页 3 CN 114596481 A 3