機(jī)器視覺水中圖像特征提取與對象辨識研究.pdf

1、機(jī)器視覺在海洋工程中用于對被觀測物體進(jìn)行視覺監(jiān)控、精密定位和非接觸測量。隨著海洋開發(fā)和研究的深入，以及國防安全的需要，作為海洋工程高新技術(shù)研究的重要組成部分的智能水下探測器得到了廣泛的應(yīng)用。智能水下探測器在環(huán)境惡劣且復(fù)雜多變的海洋里作業(yè)時，常常要進(jìn)行定位、識別、避障與路徑規(guī)劃等動作行為，因而使得其視覺系統(tǒng)顯得尤為重要。對水下機(jī)器視覺系統(tǒng)的研究是一項(xiàng)具有挑戰(zhàn)性的課題，具有重要的理論意義和實(shí)用價值。特征檢測是圖像處理中的一項(xiàng)基本技術(shù)。根據(jù)圖

2、像匹配、合成及對象辨識的要求，特征檢測方法需要較精確的特征定位，并能同時檢測出角點(diǎn)、邊緣等圖像中不同的顯著性特征。本文對機(jī)器視覺水中圖像（包括水下圖像和水面圖像）特征提取與匹配技術(shù)中下述重點(diǎn)內(nèi)容進(jìn)行了研究。
　?、呕谙伻簝?yōu)化技術(shù)的水中圖像分割算法。圖像分割是圖像理解與圖像識別的基礎(chǔ)，其分割質(zhì)量的好壞對后續(xù)圖像處理的效果會有直接的影響。就水中圖像的特點(diǎn)來說，其圖像具有模糊性與信息的不可加性，傳統(tǒng)的圖像分割方法不能滿足要求。因此，本

3、文基于蟻群算法，設(shè)計(jì)了一種智能化的水中圖像分割方法，該方法利用圖像分割技術(shù)的本質(zhì)，將水中圖像里各個像素進(jìn)行自動分類，最終達(dá)到分割圖像的目的。在像素分類的過程中，通過引入信息熵和均值聚類等概念，對基本蟻群算法進(jìn)行了改進(jìn)，從而使得本方法在水中圖像分割中具有自適應(yīng)性、魯棒性、并行性和快速收斂性等特點(diǎn)。
　?、平?jīng)驗(yàn)?zāi)Ｊ椒纸馑惴ê拖辔恍畔⑾嘟Y(jié)合的水中圖像檢測分析技術(shù)。二維經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴梢詫?shí)現(xiàn)圖像的多尺度結(jié)構(gòu)分析，能夠?qū)D像進(jìn)行融合、降噪

4、、邊界特征提取和圖像壓縮等方面的處理;相位信息是圖像中最穩(wěn)定、最重要的特性之一。因而本文在對經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴ê拖辔恍畔⑦M(jìn)行分析與綜合的基礎(chǔ)上，提出了一種用于水中圖像特征檢測分析的EP模型。該模型充分繼承了上述兩種方法的優(yōu)點(diǎn)，可以用于水中圖像的處理與分析，實(shí)現(xiàn)了水中圖像的多尺度、多像素邊緣特征提取，提高了圖像中目標(biāo)的匹配定位精度，還可以完成圖像的多尺度分割。
　?、腔诔叨炔蛔兲卣鳈z測的水中圖像匹配技術(shù)。針對特征點(diǎn)匹配對于尺度變化比

5、較敏感的問題，本文基于SIFT特征對圖像的旋轉(zhuǎn)和尺度的不變性，以及對于噪聲、光照變化和視角改變等具有良好魯棒性等優(yōu)點(diǎn)，并考慮到水中弱光環(huán)境特征和不同的實(shí)驗(yàn)場合，提出了一種改進(jìn)的基于SIFT特征的水中圖像配準(zhǔn)策略。該方法有效地提高了水中圖像匹配的精度和速度，較好地解決了尺度變化給圖像配準(zhǔn)帶來的影響，使得在水中進(jìn)行較大尺度變化的圖像匹配拼接成為可能。
　?、然诩y理特征的圖像型船舶尾流分類辨識技術(shù)。通常來說，船舶尾流的諸多特性與船舶的