水下图像处理及目标分类关键技术研究

摘要

随着地球人口数量增长，人类对空间与资源的需求不断提升，海洋环境的研究与探索成为人类发展需求的新领域。海洋环境的构成对人类而言具有特殊性，应用具有自主环境探测与感知能力的智能水下运载器设备可拓展人类对海洋的研究范围。智能水下运载器以视觉感知系统理解所处环境，为其提供目标识别、规划与控制的环境信息。本课题以工信部“海洋探测智能潜水器工程化技术研究项目”为依托，研究水下微光环境的图像降噪与增强、图像目标轮廓提取及图像目标轮廓分类识别方法，并在此基础上构建水下光视觉目标分类识别系统。本文研究的主要内容为： （1）阐述与总结光视觉图像预处理方法及目标分类识别方法的国内外研究现状，针对目前水下图像增强方法及目标分类识别技术的研究难点与研究方向进行分析。 （2）研究水下图像预处理方法，分析水体内光线传播特点并阐述微光图像对比度低且含有大量噪声的成因。结合水下图像特性，应用形态成分分析方法将图像稀疏分解为低频图像与高频图像。根据高频图像信息主要为原图像中的纹理、边缘及噪声信息，低频图像信息主要为原图像中的目标结构信息，提出以稀疏的KSVD字典训练算法降低高频图像中的噪声，并同时以单尺度Retinex算法增强低频图像中目标结构与背景的对比度的处理策略。最终的水下图像由两部分图像处理结果进行加性还原得到。通过对真实水下图像进行预处理方法对比实验，结果验证本文提出的水下图像预处理方法能有效提高图像对比度，同时能够降低图像中的噪声。 （3）研究水下图像分割及目标轮廓提取技术，提出以自适应距离保持水平集演化算法作为图像分割基础方法。结合水下图像具有的噪声特点及图像目标的弱边缘性质，将阈值分段函数引入水平集能量泛函的可变权系数及停止函数，增强水平集演化过程中因噪声及灰度不均匀性产生的震荡干扰，从而获得弱边缘条件下的图像目标轮廓。通过水下图像分割实验，结果比对验证本文提出的算法能够获得较为准确的水下目标轮廓，提高了水平集方法对水下图像分割过程中对噪声及不均匀灰度的鲁棒性。 （4）研究图像目标分类识别方法，对图像特征描述的种类及适用目标进行分析，并结合水平集方法提取的轮廓特点，提出以具有局部不变性的 Dense-SIFT描述子作为图像特征。基于Fisher向量作为图像特征的语义表达方法，根据其计算量较大的不足本文引入具有K近邻思想的稀疏化Fisher向量编码，应用线性支持向量机作为图像特征的分类器。通过对具有代表性的图像集进行分类实验，验证了本文提出的稀疏化Fisher向量编码方法具有较高的分类精度及计算速度。 （5）构建水下图像目标轮廓识别离线系统，应用视景仿真环境对水下目标进行模型、材质及全景相机矩阵设计，建立水下目标轮廓图像训练集。通过对人工目标进行水池光视觉采集与处理实验，验证了本文提出的水下图像处理及目标识别分类方法适用且有效。

目录

声明

第1章 绪论

1.1引言

1.2课题背景和研究意义

1.3水下光视觉系统研究与应用现状

1.4水下图像处理与识别分类方法的相关技术研究现状

1.5研究主要内容

第2章 水下微光图像降噪及增强方法

2.1引言

2.2水下照明环境及图像特征分析

2.3水下微光图像降噪算法

2.4基于MCA与KSVD结合的水下微光图像降噪

2.5水下微光图像增强算法

2.6基于MCA与Retinex结合的水下图像降噪与增强算法

2.7本章小结

第3章 基于水平集方法的水下图像分割研究

3.1引言

3.2图像分割方法

3.3水平集算法的基本理论

3.4基于改进的自适应距离保持水下图像分割水平集方法

3.5图像分割实验与结果分析

3.6本章小结

第4章 基于改进Fisher向量的图像分类方法

4.1引言

4.2图像特征描述及提取方法

4.3图像特征语义表达及分类器选择

4.4 Fisher向量的图像目标分类原理

4.5基于稀疏化Fisher向量的水下图像轮廓识别

4.6本章小结

第5章 水下光视觉目标分类系统

5.1引言

5.2水下光视觉目标分类系统的硬件组成

5.3水下光视觉目标分类系统的软件体系构成

5.4水下光视觉图像目标轮廓训练集

5.5水下光视觉图像识别实验及结果分析

5.6本章小结

结论

参考文献

攻读博士学位期间发表的论文和取得的科研成果

致谢

个人简历