水下圖像中人造目標(biāo)檢測算法研究.pdf

1、目前最先進的深海探測與作業(yè)裝備是水下機器人(ROVs,AUVs)，然而水下機器人要實現(xiàn)正確的導(dǎo)航以及近距離的水下目標(biāo)場景的檢查、識別與維修等作業(yè)，其首要條件是必須能夠檢測到水下目標(biāo)的存在。但是，水下復(fù)雜場景中人造目標(biāo)的檢測存在兩個問題：一是水下光線存在嚴(yán)重的衰減和散射效應(yīng)，水下圖像呈現(xiàn)散射模糊和顏色褪變等狀態(tài)，此問題使得顏色和紋理特征不能作為水下人造目標(biāo)的檢測特征。二是水下實際場景比較復(fù)雜，除包含人造目標(biāo)外，還包含各種水草、巖石等，此問

2、題使得傳統(tǒng)的閾值分割等方法不再適用。因此，如何從水下復(fù)雜背景中快速、自動檢測出人造目標(biāo)，是水下機器人應(yīng)用中亟待解決的難題。為解決以上問題，本文對水下圖像中人造目標(biāo)的預(yù)處理算法和檢測算法進行了研究，完成的主要工作如下：
　　(1)水下圖像預(yù)處理算法研究。由于水下環(huán)境的特殊性，水下光線存在嚴(yán)重的衰減和散射效應(yīng)，水下視頻圖像一般會出現(xiàn)模糊、對比度低等圖像特征，要想對水下人造目標(biāo)進行實時準(zhǔn)確地檢測，首先需要對水下圖像進行一定的預(yù)處理。針對

3、水下圖像的特點，提出了一種基于梯度直方圖和迭代法相結(jié)合的邊緣檢測算法。該算法首先利用中值濾波對圖像進行平滑，減少噪聲影響：然后利用Sobel算子計算梯度幅值，并對梯度幅值進行非極大值抑制；最后利用梯度直方圖和迭代法相結(jié)合的方法自適應(yīng)確定邊緣檢測的閾值,進行邊緣檢測，得到需要的二值圖像。實驗結(jié)果表明：提出的算法能夠得到較好地邊緣檢測結(jié)果，為進一步的圖像分割等奠定了基礎(chǔ)。
　　(2)基于線特征的水下人造目標(biāo)檢測算法研究。針對水下復(fù)雜場

4、景中人造目標(biāo)檢測實時性不高的問題，通過觀察大量水下視頻圖像發(fā)現(xiàn)，人造目標(biāo)一般是由直線構(gòu)成的，而直線特征不受光照變化和散射衰減的影響，只要檢測出圖像中存在較長的直線線段，就可以判斷存在候選的人造目標(biāo)，因此選用線特征來檢測水下人造目標(biāo)。為了實現(xiàn)水下人造目標(biāo)的實時檢測，首先利用Daub5/3小波提升變換確定顯著邊緣檢測的合適尺度；然后在小波低頻子帶小圖像上，進行邊緣檢測；最后在小圖像上利用改進的Hough變換檢測直線。算法是在原始圖像二級小波