水下视觉图像处理和识别技术研究∗

吴 宇 蔡永斌 汤荣华

（1.海军驻上海地区通信军事代表室 上海 200333）（2.上海美多通信设备有限公司 上海 200333）

1 引言

在水下航行器进行探测的过程中，光学传感器常常会被用于进行局部导航或是观察海底的地貌特征，因此图像是主要的信息来源。尽管光学摄像头技术目前已经比较成熟，但在水下环境下的能见度却非常有限，一般在理想的清澈的海水中能见度约为二十米，而在相对混油的海水环境下只有几米。光在水下传播的衰减会造成图像背景的模糊，而复杂的水下环境如水中生物、悬浮物等存在，这些因素会在水下图像的成像过程中造成噪声污染和干扰，为了增加能见度而附加的人造光源也会受到散射的作用影响图像的清晰度。因此，针对水下图像做目标识别和图像处理的研究是很有必要的。

2 水下图像的光学特性

海水是一种化学成分非常复杂的混合物，它包含着以物理化学形态存在的各种元素，通常在海水中还含有悬浮体和各种活性有机体，如细菌、浮游生物和矿物颗粒等。由于海水的不均匀性和悬浮体的存在，使得海水容易受到光的散射、吸收和衰减特性的影响。水对光的衰减主要是由水对光的吸收作用和水中粒子对光的散射作用引起的。海水的吸收特性与海水中所含的物质成分密切相关，通常海水吸收特性都会随着水域的深度，时间和种类而随之变化。假设I0为某水层的光量，在传输一定距离后的光量为Ir单色平行光通过水体介质的衰减变化方程为Ir=I0e(-rc)。

其中，c为海水体积衰减系数（m-1）为平行光的传输距离。光在水中传输时受到散射和吸收的作用而衰减，因此海水体积衰减系数由体积吸收系数a和体积散射系数b两部分组成，即c=a+b，其中表示平行光能量通过水体介质单位路程被吸收的比例，表示平行光能量通过水体介质单位路程后所有方向散射之和的比例。

水环境对光成像的影响一般分为两个方面:水对光的吸收和水对光的散射，依据这两个特点，我们发现:

1）水对光的吸收作用给水下彩色摄像带来很大的困难，通常只能在距离目标进行拍摄才能避免色彩的丢失，因此在水下中远距离目标摄像多会采用灰度图像的成像方式。

2）照明设备一般为点光源，为会聚光照明，其强弱有着较大的差异，以光源最强的点为中心，径向逐渐减弱，通常反映到图像上为背景灰度不均勻。不良的照明条件还会使得水下图像质量变差，如出现假细节、自阴影、假轮廓等。

3）水体本身的性质和悬浮体、活性有机体的存在，造成水下图像的照度不均、对比度低、噪声明显等问题。

3 水下图像的目标识别

3.1 图像特征提取

在不同光照条件下，悬浮物等都对最终成像和识别具有很大的影响，通常采集到的目标图像里的信息庞杂而且兀余，因此直接运用此类信息完成目标识别的效率非常低，为此产生了一系列针对特征提取方法的研究。人们希望提取的特征应与目标所处的环境、条件无关，这样的特征称为不变量，不变性识别是图像识别的一项重要工作，它的识别结果对目标的位置、方向、大小及合理范围内的变形不敏感。实现不变性识别的途径一般有两种:

1）分类器本身具有不变性识别能力；

2）提取的特征具有不变性。

由于具有不变性识别能力的分类器存在计算量大，条件苛刻等情况，不利于实验进行，所以基本上主要以提取具有不变性的特征为主要研究方向，也就是特征不变量。令 f(x,y)为某二维图像函数，则其p+q阶原点矩为

mpq为 f(x,y)在单项式上的投影，由于mpq不具有平移不变性，因此定义p+q阶中心矩为

再对中心距进行归一化处理:

得到了满足伸缩不变性的归一化中心矩，可以通过它构造不变矩来找出一副图像中的不变性特征。

3.2 图像边缘检测和滤波

不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。需要说明的是:边缘和物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实世界中的物体是三维的，而图像只具有二维信息，从三维到二维的投影成像不可避免地会丢失一部分信息；另外，成像过程中的光照和噪声也是不可避免的重要因素。正是因为这些原因，基于边缘的图像分割仍然是当前图像研究中的世界级难题，目前研究者正在试图在边缘提取中加入高层的语义信息。

在实际的图像分割中，往往只用到一阶和二阶导数，虽然原理上可以用更高阶的导数，但是，因为噪声的影响，在纯粹二阶的导数操作中就会出现对噪声的敏感现象，三阶以上的导数信息往往失去了应用价值。二阶导数还可以说明灰度突变的类型。在有些情况下，如灰度变化均匀的图像，只利用一阶导数可能找不到边界，此时二阶导数就能提供很有用的信息。二阶导数对噪声也比较敏感，解决的方法是先对图像进行平滑滤波，消除部分噪声，再进行边缘检测。不过，利用二阶导数信息的算法是基于过零检测的，因此得到的边缘点数比较少，有利于后继的处理和识别工作。

各种算子的存在就是对这种导数分割原理进行的实例化计算，是为了在计算过程中直接使用的一种计算单位。

3.2.1 Sobel算子

其主要用于边缘检测，在技术上它是以离散型的差分算子，用来运算图像亮度函数的梯度的近似值，Sobel算子是典型的基于一阶导数的边缘检测算子，由于该算子中引入了类似局部平均的运算，因此对噪声具有平滑作用，能很好地消除噪声的影响。Sobel算子对于像素的位置的影响做了加权，因此与Prewitt算子、Roberts算子相比效果更好。

Sobel算子包含两组3x3的矩阵，分别为横向及纵向模板，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。实际使用中，常用如下两个模板来检测图像边缘。

检测水平边沿横向模板:

检测垂直平边沿纵向模板:

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度:

然后可用以下公式计算梯度方向。

在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。

缺点是Sobel算子并没有将图像的主题与背景严格地区分开来，换言之就是Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。

3.2.2 Isotropic Sobel算子

Sobel算子另一种形式是（Isotropic Sobel）算子，加权平均算子，权值反比于邻点与中心点的距离，当沿不同方向检测边缘时梯度幅度一致，就是通常所说的各向同性Sobel（Isotropic Sobel）算子。模板也有两个，一个是检测水平边沿的，另一个是检测垂直平边沿的。各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。

3.2.3 Roberts算子

罗伯茨算子、Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感，无法抑制噪声的影响。1963年，Roberts提出了这种寻找边缘的算子。

Roberts边缘算子是一个2x2的模板，采用的是对角方向相邻的两个像素之差。从图像处理的实际效果来看，边缘定位较准，对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子，Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。

图1 Sobel算子的边缘检测

3.2.4 高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

图2 高斯滤波的模型

4 实验验证

如图3所示是找出蓝色水池中的一个红球，要想识别这个红球的边缘，我们首先对红球的HSV三通道做了分析，结果发现，H通道和背景的差异最大。

图3 水池中的红球和它的H通道

然后发现图像H通道的目标部分并不能很好地展示目标物，我们对图像做了多次的腐蚀和膨胀后，得到了比较好的效果，再对进行过开闭运算的图像做Canny边缘检测，得到了很好的效果。

图4 红球H通道的开闭运算和边缘检测

这种边缘虽然清晰，但不利于我们对它实施计算和运算，虽然对于图4而言可以直接使用Hough圆变换，但由于霍夫圆变换参数本身较多，如果实时性要求的话参数调整难度大，稍微不慎就会导致程序出错或卡顿，这里把Canny算法单独提出来，减少Hough圆变换中的参数。

图5 红球边缘的Hough圆变换

可以看到，我们很好地实现了对这个目标的识别。

5 结语

本论文主要针对视觉系统的水下图像处理算法作了一定广度和深度的研究。参考前人的研究成果，并阅读相关文献，尝试将几种新算法用于水下目标的图像处理与识别，通过研究和实验验证，说明了这些算法的有效性和可行性。通过对水下图像的特点研究，选择适合水下的数字图像处理的方法，研究了目前图像处理领域常用的方法和理论，实现了对水下物体的识别和检测。