基于微光激光信息融合的水下目標檢測算法研究.pdf

1、如何進行水下目標探測一直是各國學者的難題，其關鍵在于發(fā)現(xiàn)目標。AUV上搭載光學探測設備對水下目標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)進行水下目標探測有其必要性。在AUV對水下目標進行探測及識別時，邊緣是水下目標最為重要的形狀特征，因此提取水下目標的邊緣是AUV光視覺系統(tǒng)的主要任務之一。同時，也是后續(xù)自主探測識別的基礎。
　　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結果。
　　接著在水池實驗獲得的數(shù)據(jù)基礎上，本文應用傳統(tǒng)的預處理方法和邊緣檢測算法對一種典型的水下目標——水雷的微光激光圖像進行處理，從結果上看，常見的圖像增強方法能在一定程度上提高圖像質量，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的邊緣檢測算法在水雷邊緣檢測中的應用。

3、研究結果表明，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置初始輪廓線。經(jīng)過相關的實驗驗證，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果，但無法自動設置初始輪廓線而激光圖像可以自動設置初始輪廓線但無法獲得滿意的檢測結果這樣的矛盾，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