基于可見光航空遙感的水下目標自動識別技術研究.pdf

1、針對我國航空探測海洋中水下目標的需求，本文開發(fā)了一套基于航空可見光遙感的水下目標自動識別系統(tǒng)原型。該系統(tǒng)利用數(shù)碼相機采集可見光信息，并對得到的圖像信息用計算機進行實時處理，快速地提取目標信息，并能夠得到目標的類型、大小等參數(shù)，解決了傳統(tǒng)航空可見光偵察水下目標方法中的誤判問題—傳統(tǒng)的航空可見光偵察水下目標，主要通過飛機上望遠鏡觀察海面異常水色形跡，由于海洋現(xiàn)象引起的水面異常的干擾，有時很難確定水下目標是否存在，目標的類型、大小等參數(shù)就更難

2、確定了。當水下目標的信息在進入航空可見光遙感器(數(shù)碼相機)時，由于水體的吸收和散射，只有很小一部分進入了遙感器，另外由于海洋中的隨機擾動、太陽耀斑和低云陰影等強噪音的影響，使得圖像中目標的信息很弱，噪音信息很強。本文要解決的問題是信息弱噪音強圖像中的水下目標自動識別，論文的主要工作成果和創(chuàng)新點如下： 1)本文提出了基于水下目標光譜特征和水體光譜特征的最佳探測水下目標的色彩空間選取方法。由于水下目標光譜反射率特征和水體光譜反射率特

3、征不同，而水下目標光譜反射率特征和水下目標模型光譜反射率特征基本相同，所以水下目標模型和水體的光譜反射率特征差異近似于水下目標和水體的光譜反射率特征差異。因此，該方法通過測量水體和水下目標模型不同深度的光譜反射率數(shù)據(jù)，分析光譜反射率特征曲線，求出它們之間光譜反射率差值最大的波段，得到最佳的探測波段并由此推導出最佳的色彩空間。試驗結果表明無論從物理機制還是從實際的圖像效果上都證明了該算法的有效性。 2)本文提出了二維otsu閾值分

4、割的快速算法。Otsu自適應閾值算法作為圖像閾值分割的經(jīng)典算法，在圖像領域得到了廣泛的應用，在此基礎上發(fā)展起來的二維閡值算法因為計算時間長而制約了其應用。針對二維otsu自適應閾值算法計算復雜度高的缺點，通過消除二維自適應閾值算法中的冗余計算，用迭代的方式得到查詢表，從而大大提高了二維閾值算法的計算速度。本文算法不僅計算時間遠遠小于原始二維otsu算法，并且求得的閩值跟原始算法一樣。 3)本文提出了基于Fisher分離準則和二維

5、otsu閾值的高亮度區(qū)域分割算法。該方法首先將圖像分割大小相同的子圖像，并用二維ostu閩值分割算法將子圖像分為兩類。然后使用Fisher線性鑒別準則來判斷分類結果是可信，即子圖像是否包含目標和背景，如果可信，將求得的閾值作為子圖像的閾值；否則，認為子圖像的閾值空。最后，將閾值為空的子圖像的鄰域子圖像閾值平均值作為該子圖像的閾值，進行迭代運算直到每個子圖像都有閾值，二值化整幅圖像。試驗結果表明，本文的方法能有效地分割出水下目標運動形成的

6、浪法和耀斑等高亮度區(qū)域，消除了光照變化、云陰影等噪音的影響。 4)本文提出了一種基于變形模板的水下目標輪廓恢復算法。由于受噪音和太陽耀斑等的影響，無法直接分割得到完整的目標輪廓，而在實際的應用中我們需要知道水下目標具體的位置和大小，為此根據(jù)目標形狀已知，本文重新定義變形模板的能量函數(shù)，并分別用梯度下降法、模擬退火算法、遺傳算法和免疫算法來求解能量函數(shù)的最優(yōu)解，進而求得水下目標的準確邊緣輪廓和大小。詳細比較了四種最優(yōu)算法在該問題上的性能，

7、試驗結果表明免疫算法求得的能量函數(shù)最優(yōu)解最為準確和穩(wěn)定。 5)本文提出了基于方向Gabor濾波特征的主成分分析與獨立分量分析的尾跡紋理檢測算法和基于方向傅立葉極頻譜的二維主成分分析的尾跡紋理自動檢測算法。在研究了大量紋理特征分析算法的基礎上，根據(jù)條紋紋理方向強的特點，本文提出了加權協(xié)方差矩陣算法，準確地求取了條紋紋理方向，并分別提出了基于方向Gabor濾波器的主成分分析與獨立分量分析的紋理特征分析算法，和基于方向傅立葉極頻譜的二

8、維主成分分析的紋理特征分析算法。為了有效地對紋理特征進行分類，本文學習和研究了統(tǒng)計學習理論和支持向量機的原理與實現(xiàn)算法，并將它作為紋理特征的分類器。大量的實驗表明本文的方法能夠有效地檢測水下目標運動產(chǎn)生的尾跡紋理。 為了驗證本文算法識別航空可見光遙感圖像中水下目標的有效性，對目前獲得的實驗圖像數(shù)據(jù)進行了測試，得到了很高的識別率，但是由于海洋中水下目標信息很弱，并且受海洋中隨機擾動、太陽耀斑和云陰影等噪音的影響，本文開發(fā)的水下目標