水下图像目标识别的预处理综述.docxVIP

水下图像目标识别的预处理综述 水下图像目标识别的预处理综述 水下图像目标识别的预处理综述 【摘要】图像预处理是对水下图像目标识别处理的一项关键技术，也是一项经典难题。文章分析归纳了基本的预处理技术，以及目标识别方法和应用，提出了一些发展思路和要点。 【关键词】目标识别；水下图像；预处理 0、引言 自主式水下机器人（AUV-Autonomous Underwater Vehicle，本文简称水下机器人）是新一代水下机器人，由于其在军事和商业上的重要应用价值和在高技术运用上面临的众多挑 战，它越来越多的受到军事工程师和技术人员的重视，并进行了大量的研究与试验工作。在 军用领域则可用于侦察、布雷、灭雷和援潜救生等；在民用领域，它可应用于数据收集，海底头探测，海底考察，管道铺设，水下设备的维护与维修等。鉴于水下机器人的诸多重要的 应用领域，其视觉分辨能力又是其执行各种任务，获取水下信息的重要途径，所以对水下机 器人的图像采集，水下目标的图像处理与识别就显得越来越重要，是水下机器人能够正常工 作的不可或缺的技术保障。 水下图像采集的复杂性： 1、江、河、海洋等水体环境复杂。水体流动噪声的波纹、浮游生物以及水中微粒等都会造成成像背景不单一，总会有噪声出现。 2、光源不稳定。入射到摄像头里面的光会因不同类型的物体在水下反射在水下的反射程度不同而不均匀。 3、所采集到的图像是三维景物的二维投影，所以一幅图像本身不具备完全复现三维景物的全部几何信息的能力，造成空间几何失真。 总之，水下目标识别是目前智能机器人技术发展的关键能力之一，既要发挥光学成像技术的分别率高的优势，又要克服噪声相对复杂的一些技术难点。 在对国内外大量的相关文献进行查阅的基础上，进行归纳总结发现近些年的水下目标识别主要采取的方法有以下几个方面：（1）数理统计方法的应用；（2）神经网络方法的应用； （3）数学形态学的处理与识别方法；（4）声图像的阴影暗区方法的应用；（5）Markov 随机场模型理论应用到识别领域。 一般来说，目标识别是在对图像目标进行预处理之后，选取一定的特征量加以识别和分类，然后输出结果。 待识别目标 待识别目标 图像滤波 边缘提取 选取特征量 识别判断 输出结果 目标识别的流程框图 从流程图中可以看出，一个图像处理与模式识别系统一般可分为两个主要部分。第一部分主 要是对获取的图像信息进行加工、整理、分析、归纳，以去除冗余信息，提炼出能反映事物本质的特征，当然，去除和保留什么信息与采用何种方法进行判决有直接关系；第二部分主 要是针对所采用的识别方法对预处理后的图像信息进行特征选取，然后把得到的特征量输入 到所设计好的识别系统中，按照约定的规则进行目标的归类。最后是输出的结果，当然，最 后得到的结果的品质与前面各个处理阶段的工作密不可分，所以力求每个处理环节都能达到 科学、合理、完善。 1、图像预处理概述 传统的图像处理技术主要针对数字图像信息变换过程，如获取、变换、增强、恢复（还原）、压缩、分割和边缘提取等几个方面开展工作，随着新工具和新手段的不断出现，这些 图像处理技术一直在更新与发展。近几年来，随着信息技术的迅猛发展，给图像处理领域带 来了新的活力，图像分类、图像识别、图像特征分析、图像融合、图像配准、图像检索（基于内容）与图像数字水印等领域都得到了很大的发展。这些图像处理技术是人类的智力活动 在一定程度上的延伸，它们都不同程度的把智能化处理能力引入进来，模仿、延伸和扩展了 人的智能，它是以传统图像处理技术为基础，并把其作为图像预处理技术。 水下图像特点 由于水的光学特性的作用，典型的水下图像有如下几个特点： (1)水对光的吸收作用给水下彩色摄象带来很大的困难，通常只能在距离目标l-2m 进行拍摄才能避免色彩的丢失，因此在水下中远距离目标摄象多会采用灰度图像的成像方式。 (2)照明设备一般为点光源，为会聚光照明,其强弱有着较大的差异，以光源最强的点为中心，径向逐渐减弱,通常反映到图像上为背景灰度不均匀[4]。不良的照明条件还会使得水下图像质量变差,如出现假细节、自阴影、假轮廓等。 (3)水体本身的性质和悬浮体、活性有机体的存在，造成水下图像的照度不均、对比度低、噪声明显等问题。 空间域图像处理 灰度变换 灰度修改运算是针对图像中的点运算,只针对像素的灰度进行修改，而不改变其位置。灰度变换可以描述为用一个变换函数 T (?) ，将原始灰度图像 f (x, y) 转化为输出图像 g(x, y) ，即： g(x, y) ? T[ f (x, y)] 灰度变换可以有效的修改图像的对比度,且实现简单。根据变换函数T (?) 的不同,灰度变换又可分为线性变换、分段线性变换和非线性变换。 现阶段，图像噪声滤波方法较常用的有带通滤波法、低通滤波法、平滑