论文摘要
随着经济的飞速发展和人口的不断增长,陆地上的资源越来越少,未来对水下资源的开发已经摆在一个重要的位置。随着海洋开发的进展,水下活动愈趋频繁,如海底探矿、石油平台监测、油管裂缝检测等等,在这些作业中都需要进行目标检测与识别。水下环境复杂多变,悬浮物等干扰因素众多,获取的图像往往对比度很低,边缘模糊,非常不利于目标的检测和识别。实验结果表明,传统的一些图像增强方法并不能很好的改善水下图像的质量。针对这种情况,本文提出了结合MSR(Multi Scale Retinex)的暗原色增强方法。该方法利用MSR对水下图像进行去光照不均,然后将在去雾中取得明显效果的暗原色增强方法应用于水下图像。最终获得的图像对比度有了明显提高,边缘更加清晰。水下图像由于条纹噪声和水波的干扰,传统的Canny边缘检测算法会检测出大量虚假边缘,对目标检测形成较大影响。为此本文提出了一种基于梯度直方图选取的阈值选择方法并将之应用于Canny边缘检测算子,同时利用边缘梯度的连续性跟踪边缘,以减少虚假边缘。实验结果证明:改进的算法能更方便的检测出水下图像的边缘,同时有效的消除了噪声和水波的干扰。随着目标的移动,目标在图像中的角度及大小会随之发生变化。为此,本文提出了结合Hough变换和PCA(Principal Component Analysis)的匹配识别算法。该算法在匹配识别前利用Hough变换求出目标边缘直线的参数,根据这些参数调整图像角度,然后利用双三次插值调整图像大小,最后采用PCA(主成分分析)的方法匹配识别出目标。实验结果验证了本文算法的有效性。