水下圖像分割和典型目標(biāo)特征提取及識(shí)別技術(shù)研究.pdf

1、水下圖像在軍事以及民用領(lǐng)域都有重要的應(yīng)用，因此開(kāi)展水下圖像特征提取和識(shí)別技術(shù)研究具有實(shí)際價(jià)值和意義。水下目標(biāo)識(shí)別過(guò)程通常由水下圖像預(yù)處理、圖像分割、特征提取以及目標(biāo)識(shí)別四部分組成。對(duì)于水下光學(xué)視覺(jué)系統(tǒng)，由于水體對(duì)光的吸收以及散射效應(yīng)，導(dǎo)致獲得的圖像出現(xiàn)對(duì)比度低、噪聲嚴(yán)重、灰度不均等現(xiàn)象，這些極大影響了后續(xù)的圖像分割以及特征提取目標(biāo)識(shí)別等工作。水下典型特征的目標(biāo)一般是人造目標(biāo)，如水雷、魚(yú)雷、潛艇及管道等，紋理特征比較弱，但具有典型的形狀特

2、征。本文以基于活動(dòng)輪廓模型的圖像分割方法以及支持向量機(jī)的分類器設(shè)計(jì)為主要研究?jī)?nèi)容，以具有典型特征的水下人造目標(biāo)為研究對(duì)象，圍繞水下圖像預(yù)處理、圖像分割、特征提取以及分類器設(shè)計(jì)等方面進(jìn)行研究，開(kāi)展的工作和取得的成果主要有以下幾個(gè)方面:
　　(1)介紹了光學(xué)視覺(jué)識(shí)別系統(tǒng)模型及水下成像特點(diǎn)，比較并選擇適用于水下圖像增強(qiáng)以及濾波算法:針對(duì)水下圖像出現(xiàn)光照不均問(wèn)題，利用去除背景的校正方法以及自適應(yīng)直方圖方法進(jìn)行校正可以取得好的效果，采用灰度

3、變換提高圖像對(duì)比度;針對(duì)水下圖像受噪聲影響質(zhì)量下降的情況，采用自適應(yīng)字典學(xué)習(xí)的K-SVD算法可以有效去除圖像噪聲，同時(shí)保護(hù)好目標(biāo)細(xì)節(jié)特征。
　　(2)基于水平集理論的圖像目標(biāo)分割方法研究:提出一種指定目標(biāo)分割的活動(dòng)輪廓模型，該模型的能量泛函僅利用了演化曲線內(nèi)部的統(tǒng)計(jì)信息特征，因而能夠提取出具有和初始曲線指定的目標(biāo)同灰度的同類目標(biāo);針對(duì)經(jīng)典CV模型易受噪聲影響的特點(diǎn)，提出一種基于局部區(qū)域活動(dòng)輪廓模型的水平集方法，利用像素點(diǎn)所在鄰域的

4、平均灰度值來(lái)代替該像素點(diǎn)的灰度值，以局部灰度均值與全局灰度均值之間的差異建立能量泛函，通過(guò)水平集方法并采用高斯平滑方法進(jìn)行規(guī)則化以避免其重新初始化，同時(shí)將二相模型擴(kuò)展至多相模型以分割多目標(biāo);針對(duì)水下圖像等易出現(xiàn)灰度不均的現(xiàn)象以及改善LIF模型對(duì)初始曲線的魯棒性，將局部灰度信息與全局灰度信息加權(quán)組合構(gòu)建混合信息的擬合圖像，以其與原始圖像之間的差異建立能量泛函，新模型既能夠有效的分割灰度不均圖像，且不依賴于初始輪廓曲線又對(duì)噪聲具有良好的魯棒

5、性。
　　(3)水下典型目標(biāo)特征提取技術(shù)研究:針對(duì)水下典型目標(biāo)的形狀特征構(gòu)造了具有平移、縮放和旋轉(zhuǎn)不變性的組合矩，由基于區(qū)域的NMI、改進(jìn)的Hu相對(duì)矩以及仿射不變矩組成;引入主成分分析法以及獨(dú)立成分分析法消除形狀特征向量信息間的冗余，實(shí)現(xiàn)特征降維與優(yōu)化;利用Solidworks軟件仿真兩組四類目標(biāo)，一組是四類具有簡(jiǎn)單形狀的橢球、圓柱、球以及立方體，另一組為復(fù)雜的潛艇、魚(yú)雷、水雷以及立方體模型，通過(guò)不同視角、方位得到目標(biāo)剪影圖像，仿

6、真結(jié)果驗(yàn)證了組合不變矩對(duì)形狀特征的處理能力以及PCA/ICA方法的特征選擇優(yōu)化能力。
　　(4)基于支持向量機(jī)的目標(biāo)識(shí)別技術(shù)研究:針對(duì)規(guī)則化雙投影支持向量機(jī)(RPTSVM)中判別與訓(xùn)練不一致的情況，提出一種改進(jìn)的雙投影支持向量機(jī)(IPTSVM)，并將其擴(kuò)展至非線性模型;利用遞歸方法尋找多個(gè)投影軸可以進(jìn)一步強(qiáng)化本文模型的性能;引入高效的雙坐標(biāo)下降法求解相應(yīng)的對(duì)偶方程以提高效率;仿真實(shí)驗(yàn)結(jié)果說(shuō)明本文模型較經(jīng)典的雙子支持向量機(jī)(TWSV

7、M)、非平行平面支持向量機(jī)(NHSVM)、RPTSVM方法在大多數(shù)樣本的分類性能較好，應(yīng)用至水下目標(biāo)的仿真數(shù)據(jù)也驗(yàn)證了其作為識(shí)別系統(tǒng)分類器的有效性。
　　(5)水下典型目標(biāo)特征識(shí)別系統(tǒng)實(shí)驗(yàn)研究:建立水下典型特征目標(biāo)識(shí)別系統(tǒng)的硬件平臺(tái)，在LabVIEW IMAQ VISON以及Matlab軟件開(kāi)發(fā)環(huán)境下編寫(xiě)目標(biāo)識(shí)別軟件;通過(guò)水池實(shí)驗(yàn)，利用攝像機(jī)獲取四類不同形狀特征的目標(biāo)樣本圖像驗(yàn)證圖像預(yù)處理中的增強(qiáng)算法性能，基于K-SVD算法的去噪