水下圖像目標識別的預處理綜述

1、水下圖像目標識別的預處理綜述【摘要】圖像預處理是對水下圖像目標識別處理的一項關鍵技術，也是一項經(jīng)典難題。文章分析歸納了基本的預處理技術，以及目標識別方法和應用，提出了一些發(fā)展思路和要點。【關鍵詞】目標識別；水下圖像；預處理 0、引言自主式水下機器人（AUV-Autonomous Underwater Vehicle，本文簡稱水下機器人）是新一代水下機器人，由于其在軍事和商業(yè)上的重要應用價值和在高技術運用上面臨的眾多挑戰(zhàn)，它越來越多的受到軍事工程師和技術人員的重視，并進行了大量的研究與試驗工作。在軍用領域則可用于偵察、布雷、滅雷和援潛救生等；在民用領域，它可應用于數(shù)據(jù)收集，海底頭探測，海底考察，

2、管道鋪設，水下設備的維護與維修等。鑒于水下機器人的諸多重要的應用領域，其視覺分辨能力又是其執(zhí)行各種任務，獲取水下信息的重要途徑，所以對水下機器人的圖像采集，水下目標的圖像處理與識別就顯得越來越重要，是水下機器人能夠正常工作的不可或缺的技術保障。水下圖像采集的復雜性：1、江、河、海洋等水體環(huán)境復雜。水體流動噪聲的波紋、浮游生物以及水中微粒等都會造成成像背景不單一，總會有噪聲出現(xiàn)。2、光源不穩(wěn)定。入射到攝像頭里面的光會因不同類型的物體在水下反射在水下的反射程度不同而不均勻。3、所采集到的圖像是三維景物的二維投影，所以一幅圖像本身不具備完全復現(xiàn)三維景物的全部幾何信息的能力，造成空間幾何失真?？傊?/p>

3、下目標識別是目前智能機器人技術發(fā)展的關鍵能力之一，既要發(fā)揮光學成像技術的分別率高的優(yōu)勢，又要克服噪聲相對復雜的一些技術難點。在對國內(nèi)外大量的相關文獻進行查閱的基礎上，進行歸納總結發(fā)現(xiàn)近些年的水下目標識別主要采取的方法有以下幾個方面：（1）數(shù)理統(tǒng)計方法的應用；（2）神經(jīng)網(wǎng)絡方法的應用；（3）數(shù)學形態(tài)學的處理與識別方法；（4）聲圖像的陰影暗區(qū)方法的應用；（5）Markov 隨機場模型理論應用到識別領域。一般來說，目標識別是在對圖像目標進行預處理之后，選取一定的特征量加以識別和分類，然后輸出結果。目標識別的流程框圖從流程圖中可以看出，一個圖像處理與模式識別系統(tǒng)一般可分為兩個主要部分。第一部分主要是對

4、獲取的圖像信息進行加工、整理、分析、歸納，以去除冗余信息，提煉出能反映事物本質(zhì)的特征，當然，去除和保留什么信息與采用何種方法進行判決有直接關系；第二部分主要是針對所采用的識別方法對預處理后的圖像信息進行特征選取，然后把得到的特征量輸入到所設計好的識別系統(tǒng)中，按照約定的規(guī)則進行目標的歸類。最后是輸出的結果，當然，最后得到的結果的品質(zhì)與前面各個處理階段的工作密不可分，所以力求每個處理環(huán)節(jié)都能達到科學、合理、完善。1、圖像預處理概述傳統(tǒng)的圖像處理技術主要針對數(shù)字圖像信息變換過程，如獲取、變換、增強、恢復（還原）、壓縮、分割和邊緣提取等幾個方面開展工作，隨著新工具和新手段的不斷出現(xiàn)，這些圖像處理技術一

5、直在更新與發(fā)展。近幾年來，隨著信息技術的迅猛發(fā)展，給圖像處理領域帶來了新的活力，圖像分類、圖像識別、圖像特征分析、圖像融合、圖像配準、圖像檢索（基于內(nèi)容）與圖像數(shù)字水印等領域都得到了很大的發(fā)展。這些圖像處理技術是人類的智力活動在一定程度上的延伸，它們都不同程度的把智能化處理能力引入進來，模仿、延伸和擴展了人的智能，它是以傳統(tǒng)圖像處理技術為基礎，并把其作為圖像預處理技術。1.1 水下圖像特點由于水的光學特性的作用，典型的水下圖像有如下幾個特點：(1)水對光的吸收作用給水下彩色攝象帶來很大的困難，通常只能在距離目標l-2m進行拍攝才能避免色彩的丟失，因此在水下中遠距離目標攝象多會采用灰度圖像的成像

6、方式。(2)照明設備一般為點光源，為會聚光照明,其強弱有著較大的差異，以光源最強的點為中心，徑向逐漸減弱,通常反映到圖像上為背景灰度不均勻4。不良的照明條件還會使得水下圖像質(zhì)量變差,如出現(xiàn)假細節(jié)、自陰影、假輪廓等。(3)水體本身的性質(zhì)和懸浮體、活性有機體的存在，造成水下圖像的照度不均、對比度低、噪聲明顯等問題。1.2空間域圖像處理1.2.1灰度變換灰度修改運算是針對圖像中的點運算,只針對像素的灰度進行修改，而不改變其位置。灰度變換可以描述為用一個變換函數(shù)，將原始灰度圖像轉(zhuǎn)化為輸出圖像，即：灰度變換可以有效的修改圖像的對比度,且實現(xiàn)簡單。根據(jù)變換函數(shù)的不同,灰度變換又可分為線性變換、分段線性變換

7、和非線性變換?，F(xiàn)階段，圖像噪聲濾波方法較常用的有帶通濾波法、低通濾波法、平滑濾波、均值濾波、銳化濾波、中值濾波等等。依照處理程度的不同，圖像濾波可以被看作圖像預處理，也可以被當作圖像后續(xù)處理的一種手段。按圖像濾波的作用分類，可分為：（1）作為圖像預處理，濾波的目的就是為了使輸出結果更加適合后面的進一步處理，包括邊緣提取，圖像分割等等。（2）當把它應用于圖像后處理階段，主要目的是用于圖像的復原和重建，使圖像的視覺效果經(jīng)過處理后能夠滿足觀察或者識別的需求等。1.2.2直方圖均衡化和規(guī)定化圖像處理中，直方圖修正方法是增強圖像實用且有效的方法之一。圖像的直方圖概括了圖像的灰度級內(nèi)容，它包含了豐富的信息

8、，用直方圖均衡化和規(guī)定化的算法，能將原始圖像密集的灰度分布變得稀疏,以改善視覺效果。直方圖均衡化(HE, Histogram Equalization)也是一種最早最常用的圖像增強方法，它的基本思想是使圖像中的所有灰度級概率均勾分布，即使之具有最大信息量。直方圖均衡化處理時對整幅圖像采用同一個變換，并不能適應不同區(qū)域的對比度變化，為了克服直方圖均衡化的缺點，人們提出了一種自適應方法局部直方圖均衡化(LAHE,Local Area Histogram Equalization)。LAHE根據(jù)圖像中每一個像素點的相關區(qū)域確定其灰度變換函數(shù)，它克服了 HE對整張圖像采用同種變換的缺點，具有良好的處理

9、結果，但其效率卻極其低下。PizerM和AmbtrmP等人提出了使用插值方法來改進LAHE的運算效率。R. Dale Jone在針對LAHE采用固定相關區(qū)域大小的不足，提出了一種能夠動態(tài)確定矩形窗口大小的直方圖均衡化方法。1.2.3空域濾波由像素組成的空間稱為空域，空域的處理一般是在圖像空間中借助模板進行鄰域操作。假定圖像由許多灰度恒定的小塊組成，相鄰像素之間則存在很高的空間相關性，而噪聲一般為統(tǒng)計獨立的?？沼驗V波直接對圖像的像素進行操作，以改善圖像的質(zhì)量，對于輸入圖像，空域處理表達式為：其中為對點鄰域內(nèi)進行處理的函數(shù)?？沼驗V波原理空域處理的原理如上圖所示，,其處理步驟為：(1)在待處理的圖像

10、中逐點移動模板，將模板的中心與像素點位置重合。(2)對于線性空域濾波，其響應R由濾波器系數(shù)和濾波器當前掃過區(qū)域響應像素的乘積和,如上圖所示，其響應R為:響應R為結果圖像在(x,_y)位置的灰度。1.3頻域圖像處理1.3.1基本概念設原圖像為，其傅立葉變換為，通常的高頻分量反映到圖像中為邊緣、噪聲和變化陸峭的部分，而其低頻分量則對應平緩變換的部分。選擇合適的濾波器函數(shù)對頻譜成分進行調(diào)整,對調(diào)整后的頻譜成分作傅立葉逆變換則得增強后的結果圖像這就是頻域增強的基本過程，可用流程圖簡單的描述如下。由上面過程可以看出，在頻域增強技術中，為了突出自己感興趣的區(qū)域同時削減噪聲和無關信號，選擇一個合適的頻率傳遞

11、函數(shù)非常重要。對于需要保留的頻率分量，可以令對應的等于1或增加其系數(shù)；對于需要抑制或衰減的頻率分量，則將傳遞函數(shù)置零或取接近于0的常數(shù)。由上文可知，空域指的是圖像自身空間，空域的處理是對圖像像素的直接處理。頻域處理的基礎是修改圖像的傅立葉變換，它和空域的聯(lián)系主要是建立在卷積理論的基礎上。設有大小為的圖像,使用模板進行空域濾波的過程可表示為空域卷積運算：根據(jù)卷積定理，和組成一傅立葉變換對，和組成一傅立葉變換對，即：在實際圖像處理中,通常給定，則可得到，對于確定的可通過下式求得結果圖像：低通濾波、高通濾波、同態(tài)濾波、帶通和帶阻濾波等都是常用的頻域增強方法。1.3.2低通濾波低通濾波是指在頻率域中，

12、通過濾波器函數(shù)衰減或阻斷高頻信息，而低頻信息能夠正常通過。通常圖像的細節(jié)信息和噪聲多分布于高頻部分，因此對圖像進行低通濾波有平滑降噪的作用。低通濾波器通常有：(1)理想低通濾波器；(2)巴特沃斯低通濾波器；(3)高斯低通濾波器。1.3.3高通濾波與低通濾波相反，高通濾波器是為了衰減和抑制低頻分量，讓高頻分量通過濾波器,即保留邊緣和急劇變化的細節(jié)信息。高通濾波器形狀與低通濾波器相反，因此其傳遞函數(shù)可由下面關系式給出：高通濾波器通常應用于圖像的銳化環(huán)節(jié)，常用的高通濾波器有理想高通濾波器、巴特沃斯高通濾波器、高斯高通濾波器等。1.3.4同態(tài)濾波由于水下光照條件的限制，通常獲得的水下圖像會出現(xiàn)照度不均

13、勻的情況。同態(tài)濾波是基于圖像獲取過程中照明反射成像原理提出的，屬于頻域處理，其應用方面包括調(diào)節(jié)圖像的灰度范圍,解決光照問題和突出細節(jié)信息。同態(tài)濾波器(Homomorphic Filtering)最早于1969年由Oppenheim等人提出，用于聲波的分析和合成后Fries等人將其應用于圖像處理中，同態(tài)濾波將圖像分解為照度和反射兩部分，通過對數(shù)運算將乘性噪聲的照度成分轉(zhuǎn)為加性噪聲，通過傅立葉變換對頻率域處理改善圖像的效果。同態(tài)濾波盡管能夠較好的保持圖像的整體面貌，但它對局部對比度增強的效果并不理想。隨后很多學者基于同態(tài)濾波算法進行了改進，在水下圖像處理領域中，中國海洋大學的王彬曾采用等功率譜的同

14、態(tài)濾波法對實際水下圖像進行增強處理，證明了這種方法在消除水下圖像存在的照明不均方面具有較好的性能，與此同時盡量保留了圖像中的高頻細節(jié)分量。Rafael Garcia等人曾經(jīng)針對水下圖像的光照特性，基于水下照明反射模型，研究分析并對比了局部直方圖均衡和同態(tài)濾波在水下圖像中的處理效果，并分析了兩種處理方法在不同情況下的優(yōu)點和弱點。下圖為同態(tài)濾波結果。同態(tài)濾波結果(高斯高通濾波器, )2、圖像預處理研究實驗結果研究過程中，加權中值濾波是一種通過加權中值濾波來消除目標附近噪聲的工具。得到的結果如下圖所示3、總結本文首先討論了水的對光的吸收和散射特性等因素對水下圖像的影響，然后從空域和頻域方面介紹了水下

15、圖像處理的常用方法。空域處理方法是基于像素的,包括灰度變換、直方圖修正和空域濾波等；頻域處理方法包括低通濾波、高通濾波和同態(tài)濾波等,其中同態(tài)濾波是針對成像過程中的照射和反射原理提出的，在光照不均勻的水下圖像中有著較好的效果。可以看到對圖像預處理的研究有幾個明顯的趨勢：一是對原有算法的不斷改進。二是新方法、新概念的引入和多種方法的有效綜合運用。相信隨著研究的不斷深入， 存在的問題會很快得到圓滿的解決。參考文獻1Mallat S. Multiresolution approximation and wavelet orthonormal bases of L2(R).Trans. Amer. Math. Soc. 1989.9,315:68872岡薩雷斯,阮秋琦譯.數(shù)字圖像處理(第二版),北京:電子工業(yè)出版社,20033Xu Yansun, et al. Wavelet transform domain filters: a spatially selective noise filtration technique. IEEE Transaction Image Processing, 1994,3(6):7477584R. Garcia,T. Nicosevici and X. Cufi. On the way to solve lighting