基于視覺的水下目標識別算法研究.pdf

1、隨著陸地資源日益消耗，海洋資源的開發(fā)以及水下作業(yè)任務日漸頻繁、種類日益繁多，這也促進水下機器人的快速發(fā)展，而水下機器人離不開對目標的檢測和識別。水下目標識別問題作為目標識別的一種特定應用領域除了包含目標識別的一般步驟，還由于水下成像環(huán)境的獨特性，需要增加針對水下圖像特點的處理步驟。
　　淺水區(qū)太陽光斑是影響水下圖像一種重要的因素。所謂淺水區(qū)太陽光斑是由水體表面波紋對自然光的折射而產(chǎn)生，其對水下圖像產(chǎn)生的影響需要采用具有針對性的方法

2、對圖像進行預處理，并且選擇更有針對性的目標識別算法完成識別。
　　本課題針對水下目標識別問題的特殊性進行了分析與研究。首先針對淺水區(qū)域太陽光斑影響問題，建立了基于PCA（Principal Component Analysis）的水下光斑去除算法，并完成對獲取的水下圖像預處理，應用VS2010和OpenCV進行了算法實現(xiàn)和驗證，并對算法驗證過程中的圖像配準失效問題進行了分析，建立了可靠的配準體系。然后比較了幾種具有代表性的顯著性算

3、法，選擇了RC（Region Contrast）算法進行改進和輔助目標提取。采用基于圖的圖像預分割方法用于RC算法的預分割步驟以提高效率，加入目標紋理信息和灰度信息到RC算法中，形成了具有先驗信息的自上而下的顯著性算法，并在VS2010下實現(xiàn)了改進算法，對改進算法的處理結果進行了二值化，對比了實驗結果，得出改進算法更能突出目標的結論。最終采用連通域快速標記算法進行二值圖像的連通域標記，以目標模板及多幅實驗圖像的連通域作為樣本，統(tǒng)計了樣本