基于微光激光信息融合的水下目標(biāo)檢測算法研究.pdf

1、如何進行水下目標(biāo)探測一直是各國學(xué)者的難題，其關(guān)鍵在于發(fā)現(xiàn)目標(biāo)。AUV上搭載光學(xué)探測設(shè)備對水下目標(biāo)進行探測和識別因其具有獨特的優(yōu)勢，已逐漸成為一種重要的水下目標(biāo)探測手段。因此，水下機器人搭載光視覺系統(tǒng)進行水下目標(biāo)探測有其必要性。在AUV對水下目標(biāo)進行探測及識別時，邊緣是水下目標(biāo)最為重要的形狀特征，因此提取水下目標(biāo)的邊緣是AUV光視覺系統(tǒng)的主要任務(wù)之一。同時，也是后續(xù)自主探測識別的基礎(chǔ)。
　　本文首先分析水下圖像的特點，介紹了微光和激

2、光攝像機對水下目標(biāo)的成像機理以及在水池利用光傳感器進行圖像采集實驗的情況，并給出了實驗的相關(guān)結(jié)果。
　　接著在水池實驗獲得的數(shù)據(jù)基礎(chǔ)上，本文應(yīng)用傳統(tǒng)的預(yù)處理方法和邊緣檢測算法對一種典型的水下目標(biāo)——水雷的微光激光圖像進行處理，從結(jié)果上看，常見的圖像增強方法能在一定程度上提高圖像質(zhì)量，但傳統(tǒng)的邊緣檢測方法難以奏效。針對傳統(tǒng)的邊緣算法難以檢測出理想的水雷邊緣輪廓，本文重點研究了以主動輪廓模型為基礎(chǔ)的邊緣檢測算法在水雷邊緣檢測中的應(yīng)用。

3、研究結(jié)果表明，在水雷微光圖像中，主動輪廓中的GVF-Snake邊緣檢測算法對于水雷的微有著較好的檢測效果。而在水雷激光圖像中，輪廓線易發(fā)生過收斂現(xiàn)象。
　　在傳統(tǒng)的GVF-Snake主動輪廓模型中，初始輪廓線需由人機交互的方式進行設(shè)置。無法滿足AUV對于自主性的要求，針對這一缺點，本文提出了一種與Candy算子相結(jié)合的改進的GVF-Snake邊緣檢測算法。此方式能夠由計算機自動設(shè)置初始輪廓線。經(jīng)過相關(guān)的實驗驗證，此方法能夠在激光圖

4、像中獲得由計算機自動設(shè)置的理想的初始輪廓線，但在微光圖像中因為噪聲干擾未能成功設(shè)置初始輪廓線。
　　針對改進的GVF-Snake算法在微光圖像中可以獲得理想的邊緣檢測結(jié)果，但無法自動設(shè)置初始輪廓線而激光圖像可以自動設(shè)置初始輪廓線但無法獲得滿意的檢測結(jié)果這樣的矛盾，本文提出了一種基于激光/微光信息融合的水雷圖像邊緣檢測算法。根據(jù)激光圖像和微光圖像各自的優(yōu)勢，對激光水雷圖像和微光水雷圖像進行了信息融合，使得最終的算法既能讓計算機自動設(shè)