水下目標(biāo)的視覺檢測與識別.pdf

1、隨著經(jīng)濟(jì)的飛速發(fā)展和人口的不斷增長，陸地上的資源越來越少，未來對水下資源的開發(fā)已經(jīng)擺在一個重要的位置。隨著海洋開發(fā)的進(jìn)展，水下活動愈趨頻繁，如海底探礦、石油平臺監(jiān)測、油管裂縫檢測等等，在這些作業(yè)中都需要進(jìn)行目標(biāo)檢測與識別。
　　 水下環(huán)境復(fù)雜多變，懸浮物等干擾因素眾多，獲取的圖像往往對比度很低，邊緣模糊，非常不利于目標(biāo)的檢測和識別。實驗結(jié)果表明，傳統(tǒng)的一些圖像增強(qiáng)方法并不能很好的改善水下圖像的質(zhì)量。針對這種情況，本文提出了結(jié)合M

2、SR（Multi ScaleRetinex）的暗原色增強(qiáng)方法。該方法利用MSR對水下圖像進(jìn)行去光照不均，然后將在去霧中取得明顯效果的暗原色增強(qiáng)方法應(yīng)用于水下圖像。最終獲得的圖像對比度有了明顯提高，邊緣更加清晰。
　　 水下圖像由于條紋噪聲和水波的干擾，傳統(tǒng)的Canny 邊緣檢測算法會檢測出大量虛假邊緣，對目標(biāo)檢測形成較大影響。為此本文提出了一種基于梯度直方圖選取的閾值選擇方法并將之應(yīng)用于Canny 邊緣檢測算子，同時利用邊緣梯度

3、的連續(xù)性跟蹤邊緣，以減少虛假邊緣。實驗結(jié)果證明：改進(jìn)的算法能更方便的檢測出水下圖像的邊緣，同時有效的消除了噪聲和水波的干擾。
　　 隨著目標(biāo)的移動，目標(biāo)在圖像中的角度及大小會隨之發(fā)生變化。為此，本文提出了結(jié)合Hough變換和PCA(Principal Component Analysis)的匹配識別算法。該算法在匹配識別前利用Hough 變換求出目標(biāo)邊緣直線的參數(shù)，根據(jù)這些參數(shù)調(diào)整圖像角度，然后利用雙三次插值調(diào)整圖像大小，最后采