（计算机应用技术专业论文）基于熵的水下图像预处理和水下目标识别方法研究.pdf

哈尔滨 ：程火学硕十学位论文 捅要 本课题来源于智能水下机器人技术中“水下光视觉信息处理和理解技术” 项目。自动目标识别系统对于提高水下机器人的自主能力，顺利完成目标探 测和定位的任务具有很重要意义。 本论文的目的就是针对真实环境下的水下图像进行处理、分析，以实现 对图像的预处理，包括图像增强、边缘检测、图像分割，从而得到用于特征 提取的二值图像。最后通过对二值图像的特征提取，利用b p 神经网络对图像 进行识别。 本论文的主要工作就是在图像预处理的过程中充分利用水下图像的熵信 息。首先在图像增强上采用了基于相对熵的水下图像模糊增强方法，针对传 统模糊增强的分界点难以确定的问题，利用图像分割原理结合相对熵方法很 好地解决了这个问题。接着针对水下图像其本身具有的特点采用了基于去噪 熵算子的边缘检测方法，即去除了图像的噪声又很好的利用图像窗口熵信息 完成了图像的边缘检测。在预处理的最后一步针对熵用于图像分割虽然效果 好但是计算量大的缺陷，引入粒子群优化算法( p s o ) 来对算法进行优化，效率 比传统算法有了很大的提高。 在识别方面，首先研究了特征的提取、计算和特征选择，得到聚类效果 较好的特征值在离散情况下，h u 氏矩只具有平移、旋转不变性，在此基础上 组建了六个同时具有平移、旋转、比例不变性的矩作为特征值。 最后研究了神经网络识别方法。针对b p 神经网络的限制和不足进行改 进，可以采用动量因子和自适应的学习速率来进行调节。经过实际编程和实 验的验证，识别的准确率较高。 关键词：水下图像；图像预处理；熵；粒子群优化算法；b p 神经网络 哈尔演一i ：程大学硕士学位论文 a b s t r a c t t h es u b j e c ts t e m sf r o mt h e p r o j e c t o f “i n f o r m a t i o np r o c e s s i n ga n d u n d e r s t a n d i n gt e c h n o l o g yo fu n d e r w a t e ro p t i c a lv i s i o n i nm i l i t a r yi n t e l l i g e n t u n d e r w a t e rr o b o tt e c h n o l o g y i ti s i m p o r t a n tt os m o o t h l yp e r f o r mt h et a s k so f d e t e c t i n g t h eu n d e r w a t e ro b j e c t sa n dg e t t i n gt h e i rp o s i t i o ni nt h e c o m p l e x c o n d i t i o no f t h eu n d e r w a t e r , t h ep u r p o s eo ft h e s i si sm a i n l yc o n c e n t r a t e do nt h ep r e - p r o c e s s i n go ft h e u n d e r w a t e r i m a g e i n c l u d i n gi m a g ee n h a n c e m e n t ，e d g ed e t e c t i o n ，i m a g e s e g m e n t a t i o n t h e nb i n a r yi m a g et h a t u s e dt ob ee x t r a c t e df e a t u r e sc a nb e o b t a i n e d ，a tl a s tf i n i s h i n gr e c o g n i t i o nb yb a c kp r o p a g a t i o nn e u r a ln e t 。 t h em a i nw o r ko ft h et h e s i si st h a tt h ee n t r o p yi n f o r m a t i o ni sw i d e l yu s e di n t h e p r e p r o c e s s i n g o f u n d e r w a t e r i m a g e f i r s t l y , t h e m e t h o do ff u z z y e n h a n c e m e n to fu n d e r w a t e ri m a g eb a s e do nr e l a t i v ee n t r o p yi sp r o p o s e d i tw e l l d e a l sw i t ht h ep r o b l e mo fd e f i n i n gt h ec r o s sp o i n tu s i n gt h ec o m b i n a t i o no ft h e t h e o r yo fi m a g es e g m e n t a t i o na n dr e l a t i v ee n t r o p y s e c o n d l y , a c c o r d i n gt ot h e c h a r a c t e r i s t i co fu n d e r w a t e ri m a g ean e wm e t h o do fe d g ed e t e c t i o nb a s e do nt h e e n t r o p yo p e r a t o ri sp r o p o s e d i tn o to n l yr e m o v e s t h en o i s eo f t h e i m a g e ，b u ta l s o w e l ld e t e c t st h ee d g e so ft h ei m a g eb yt h ei n f o r m a t i o no ft h ew i n d o w so ft h e u n d e r w a t e ri m a g e a tt h es t e po ft h e p r e - p r o c e s s i n gt h ep a r t i c l e s w a r m o p t i m i z a t i o na l g o r i t h m i si n t r o d u c e dt od e a lw i t ht h ep r o b l e mo ft h e t i m e c o n s u m i n gc o m p u t a t i o nu s i n gt h ee n t r o p yt os e g m e n tt h eu n d e r w a t e ri m a g e a n dt h ee f f i c i e n c yi sm u c hh i g h e rt h a nt h eo r i g i n a lm e t h o d s 。 a f t e rt h ef e a t u r ee x t r a c t i o na n ds e l e c t i o n ，t h ee i g e n v e c t o r sw i t hb e t t e r c l u s t e r i n ge f f e c ta r eo b t a i n e d t h ei n f l u e n c eo fs c a l ef a c t o ro nm o m e n ti n v a r i a n t f e a t u r e si nd i s c r e t ea r ec o n s i d e r e d ，s i xm o m e n ti n v a r i a n t sw i t hs c a l e ，t r a n s l a t i n g a n dr o t a t i n gi n v a r i a l i c ea r ep r o p o s e d i m p r o v e db a c kp r o p a g a t i o nn e u r a l n e tm e t h o di s a p p l i e dt or e c o g n i z e u n d e r w a t e ro b j e c t s ，t om a k et h eb pe f f i c i e n t ，a d a p t i v el e a r n i n gs p e e da n d m o m e n t u ma r ei n t r o d u c e d t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ep r e c i s i o no f h 哙幺 滨：程大学硕士学位论文 r e c o g n i t i o ni sh i g h k e y w o r d s ：u n d e r w a t e ri m a g e ；i m a g ep i e p r o c e s s ；e n t r o p y , ；p a r t i c l es w a r m o p t i m i z a t i o na l g o r i t h m ；b pn e u r a ln e t w o r k s i i i 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，宙作者本入独立完成静。有关鬣点、方法、数据帮文 献的引用已在文中指出，并与参考文献相对应。除文中已 注明引用的内容外，本论文不包含任何其他个人或集体己 经公开发表的作品成果。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律缭莱毒本人承担。 作卷( 签字) ： 霉甥：拶参年嚣，7 霾 哈尔滨工程大学硕士学位论文 第1 章绪论 1 1 引言 随着入口的激增，资源豹不断消耗，辩学技术浆不断迸步，海洋逐渐成 为久类赣滋生存的新静发袋空闷。人类祆檄军戳前就开始关注海洋，霹为赫 _ 上酌资源煮限，海洋串却蕴藏着丰富懿矿产瓷源、生物资源和能源；舅一个 重器藩因楚，占逮球表瑟秘锣鹊海洋是豳际海底嚣域，该区域内豹资源不 属于饪餐国家，蠢漏予全人类。毽是翔果耀一个国家裔技术实力，就搿戳开 发这部分资源，僵是由于海洋环境豹复杂瞧，至今入 j 对予海洋韵了解裱然 菲鬻毒羧。匿此，开发国黪海痰资源虑是一矮造稻子孙后代翡伟大事数。水 下规器久 擘必一秘寒技术芋段，在海底这块人类未来最现实数霹发展空秘中 起罄至关妻要麴馋媚。水下极器人熬磺究瞧越来越受到众多国家帮地区憝关 注，我们联扶攀鲍炎主舷行的水下枫嚣人懿磷寇正是褒姥鹜景下瑟震鹣。 水下机器人( u n d e r w a t e rv e h i c l e ) 又称为水下无入潜器，分为遥控、半 自治及自主式。自主式水下机器入( a u v a u t o n o m o u su n d e r w a t e rv e h i c l e ， 本文简称水下机器入) 是一种典塑的军民两用的工具。不仅可用于海上资源 的渤探开发( 铺设管道，海底考察，铺并支援，海底施工，水下设备维护与 维修等) ；在军事领域则可鞠予侦察，布雷，灭臀，援潜救生等。与载入潜水 器相眈较，它其有安全( 无入) 、结构简单、重鬣轻、尺寸小、造价低等优点。 而与r o v ( r e m o t e l yo p e r a t e dv e h i c l e s ，r o v ) 稻院，它共有活动范阐大、 潜水深度深、不怕电缆缠绕、丽进入复杂缩构中、不需要藏大永面支持、占 用译蔽丽税夺和成本低等优点。a u v 代表了采来水下机器入掖术的发展方 商，是当蔚落莽各涵研究工 睾的热点。 本文主要针对基于视觉的水下机器人的探测水雷的图像处理和识别相关 技术进行研究，对水下图像进行预处理并究成对水下目标的识别。本论文来 源于“十五”军用橱能水下机器人按术中“水下光视觉信息处理和理解技术” 项目。 哈尔演工程大学硕士学位论文 - i i i i i i ii i ii i i i ii i i i i _ - - - - _ _ - _ - - - - _ _ _ - _ - 1 2 水的光学特性及其对水下成像的影响 了解水的光学特性对水下成像的影响可戬为我们进行水下图像处理提供 最基本海依据，它甚至可以指导我们采样选择合适的静水下光源以及怎样更 好的布罨水下摄像枧的光源，这些都可以为霜续的图像处理工作困难的降低 提供合理的依据和方法。 水对光静衰减特性： 对于没有杂质的纯承，它对光的衰减也是缀严重的。实验表明：水的衰 减对光波长的复函数，它是e l 髓个亘不确关物理过程即吸收和散射引起的， 因此党在本中传输肘的熊照按指数规律迅速的疑减。单色平行光束的照度可 用简单的曼数方程来表述： i = l o e c h 。表示菜水偿的光量，五表示传输路程，c 为衰减系数。 虫于光在水中的衰减是由永时光的吸收衰减和水中胶体粒子对光的散射 所遣成的，所以可以将c 分为两部分： c = d + 6 口是体积吸收系数，b 是体积散射系数。对于清澈的海水来说a = 0 4 e ，b = 0 6 c 水对兔的选择吸收特性： 水对光的强牧在不同的光谱区域是不闷熬，具森明显的选择性。水对光 谱中的紫外线和缎外部分表现出强烈的吸收，在可见光谱区段，吸收最大的 分别楚红色、黄色和淡绿色光谱区域。清澈的海洋水对光谱的蘸绿区域透 射比较大，其率波长4 6 2 - - 4 7 5 n m 瀚蘸光袭减最少。即使在这个蓝一绿窗口， 水的墩牧也足以傻光的强度每米衰减4 ，恧其他颜色的走披吸收的更多以 至凡米之外几乎就全部消失7 ，因此水对光的吸收购选择性造成了永下彩色 摄像比较困难，所以水中运鼹离甓标成像系统多采用灰度图像的方式。 水对光的散射现象随着照明的增强短趋予严重，藏使得水下成像更为困 难。散射光主要对影响衬度影响比较丈，遗成了图像对比度下降，对水下成 像的溪量影响极大。随凑拍摄距离的增大画面反差降低，影响细节模糊，影 响成像质量，使水下光学成像变得十分困难，所阻水下成像的距离最远般 2 哈尔滨工程大学硕士学位论文 都在十几米左右。 另外，海水中不可避免的存在各种水中微粒和浮游生物以及水体的流 动，他们的存在使最后成的水下图像中的噪声增强，并且使图像退化，进一 步造成了水下质量的下降。这些都为图像处理工作带来很多困难。 1 3 自主式水下机器人及自动目标识别技术的发展概况 自动目标识另1 | ( a u t o m a t i ct a r g e tr e c o g n i t i o n ，a t r ) 是随着信号处理、图像 处理、模式识别、机器视觉和人工智能领域的发展而逐渐兴起的，并在科学 技术、工业和国防上越来越受到重视。机器模仿人类智能的两条途径”，即 自上而下的人工智能和自下而上的神经网络方法，为a t r 技术的研究和实现 提供了可能。自动目标识别的研究可笼统地分为两个方面，一方面，对于静 止的目标和背景，通过对单帧图像的分析，根据目标的特征参数( 纹理，形 状，角点) 来识别目标；另一方面，对于运动的物体，通过对图像序列的分 析来识别目标。本文是基于图像处理和计算机视觉的自动耳标识别，就是从 c c d 摄像机拍摄到的水下目标图片进行分析。由于水下图片的质量非常恶 劣，而且背景复杂，对比度低，高噪声，所以获取的水下图像必须经过预处 理以降低噪声，并通过合适算法来增强图像的对比度，然后进行边缘检测和 图像分割得到二值水下图像。接着，才能进行图像分割和特征提取对感兴趣 目标的分类和识别等进一步的工作。本文的重点是在前人研究的基础上研究 合适的算法，搭建一个识别系统。 当前水下视觉的主要应用有以下几个： ( 1 ) 短距离导航 典型应用是a u s t r a l i a nn a t i o n a l 大学 的机器人系统实验室的d a v i d w e t t e r g r e e n 等人研制的基于视觉导航的 a u v ( a u t o n o m o u su n d e r w a t e rv e h i c l e ) ， 如图1 1 所示，它的名字叫做k a m b a r a 。 由于他们的研究主要是用于基于视觉导 泠容滨z 褒丈掌 囊圭学藏谂文 菔，机器人配备了摄象机和图像处理硬件。除了在机器人上框架安液个具 有云台的掇像机外，在离基线2 5 c m 的地方还有两个彩色摄像机。机器人配 备了六条光缆，其中有3 条用来传输图像数据。 ( 2 ) 水下光缆等线状物g 霆跺 童意大穰u d i n e 丈学静g l f o r e s t i 帮s g e n t i l i 鞣究兹寒下餐遵捡溅凌觉 系统程，遮个系统能够自动蛾梭测放置在海底的帮道和一些管道附近的物体， 比如，支架和电极。 ( 3 ) 海底环境标图或者地形搽测 南佛罗墨达大学海洋科技中心( c e n t e rf o ro c e a nt e c h n o l o g y ) 研制的实 时薅痣蘧影探溺系统。该系绞袋瘸瑟淬激光与巍遥摄像爨穰结合实辩摄取零 下场景，并进行实时计算与现实。该系统可以绦漱水下目标的距离，方向， 形状，大小以及纹理等信息。如图1 2 所示。 ( 3 ) 水下目标探测和识别 美围海攀研究生院( n a v a l p o s 蟾r a d u a t e s c h o o l ，简称p s ) 正谯对自行 设诗嚣熬逡懿a 移y 遴行积极熬磅究。买葵豹n p sa 耵矿瑗嚣经务锈戆馒会 规划靛研究、导航、避碰、窝时作业控裁、秀蕊翔、鼙标识别、平螽瓣动力 运动控制和后使命数据分析蒋。其p h o e n i x 机器人如图1 3 所示： 图1 2p h o e n i x 机器人图1 3 襄时海底地形探测系缆 我鬣巍在积掇遗西浸a u v 戆疑究工终，麴洗骝鑫动恁掰与中嗣艟耱辩 学研究中心等单位共同研锈的“探索者”帮6 0 0 0 涞豹深海无缆蠡治贰承下穰 器人、哈尔滨工程大学等单能共同研制的“智水1 ”和“智水2 ”，“锻水3 ”， “智水4 ”自主式水下机器人等。其中“智水一3 ”的光视觉系统是采用基于 神经网络的目标自动识别系统。经过几年的努力，新研制的实验平台“智水 一3 ”号水下援器入系统经过了在绩真系统土豹调试鞠承避联调，势予2 0 0 0 4 冶尔滨工程大学鞭士学位论文 _ _ - - _ l _ ii i i _ _ _ - - _ _ _ _ _ _ r 年5 嗣褒7 胃裙藩满完成了在葫芦岛海区鸯备海试。参热滚试静专家们试兔： 在真实鲍复杂海洋环境中，搜索和识别爽正鲍水下基栋，这是军躅智能水下 机器人向实用化迈出的关键一步，证明了“智水一3 ”型水下机器人在自主性 和适应性两个方面都有一定的突破，智能水平又向前迈迸了一大步：“十五” 期闯继续突破与提高承下祝器人智麓技术与实用纯涉及到静工程实用技术， 构成矬潜艇( 或水甏舰艇) 为基蟪，具窍鞍远续靛能力，默在舷道、港湾、 登陆区域等特殊海区进行水下侦察( 探镶、绘制嚣区图以及搜索水下障碍物 等) 以及远程布雷能力等任务为背景，并能在相威的海洋环境下进行演示的 基本可用的水下智黥视器久样祝系统( “智永一”鼙杌器入，如图1 4 所示) ， 为海攀装餐羹宠坚实戆按零基璐。 圈1 。4 “铿承一”型机器人 尽管基于视觉的自动目标识别技术张许多领域取得了广泛的应用，但这 并不意味着自动目标识别是一门很成熟的技术，其实还相当不完营，造成遮 耱状况秘都分琢因胃戳簌成像过程强识翔过稷褥至解释。奁威像过程中，商 如下三个羹要变化： ( 1 ) 三维的场景被投影为二维的图像，深度不可见部分的债息谣失了，因而也产 生了同一物体在不同视角下的图像会有极大的不同，以及后面的物体被前面 豹物体遮掐而丢失信息等问题 f 2 ) 场最中的诸多嚣索，镁括熙弱毒爨毙漯熬情凝，场景中物l 抟鹣死悸形状秽物 理性质( 特别是物体表面的反射特性) ，摄象虮特性以及光源与物体之间的空 间关系都被综合成单一的图像。 5 晗尔浜工程大学硕士学位论文 - _ _ _ _ _ _ _ _ _ _ l _ - _ - - _ _ - - _ _ l _ _ _ _ ( 3 ) 成像过程或多或少的引入噪声。这样，图像识别过程就需要从畸变和噪声 的二维图像中识别出特定目标，这无疑是十分困难的，因此，水下图像处理 和自动目标识别技术是一门相当复杂，相当困难的技术，它需要研究人员长 期不懈的努力。 1 4 本论文的主要工作 如图1 5 所示，本文主要工作是研究水下图像的熵，充分利用水下图像 的熵信息对水下图像进行预处理，并图像进行特征提取，最后进行识别。在 预处理的几个阶段：图像去噪，对比度增强，边缘检测，图像分割都利用了 熵信息，由原始的熵定义派生出了很多新的定义，在预处理全过程都运用了 图像的熵是本课题的主要研究的问题。 相对熵模 糊增强 去噪熵算子 边缘检测 r e n y i s 熵分 镕u ( p s o 优化1 二值图像特 征提取 b p 神经网络 识别 图1 5 本课题主要工作 主要包括以下几个部分： 基于熵理论的水下图像模糊增强 由于光线、水体吸收、照明条件不亮等原因，一般水下图像的对比度非 常低，为了之后更好地对水下图像进行处理和识别，势必要增强水下图像的 对比度，突出我们感兴趣的物体。针对水下图像的这些特点采用了一种新的 模糊增强方法，分析了模糊增强的实质，并且利用基于熵理论的图像分割原 理选择最佳阈值作为模糊增强的分界点。 基于去噪熵算子的边缘检测 根据图像窗口熵的大小来判断噪声和边缘。当窗口中存在边缘或噪声的 时候，都会造成图像的不均匀，从而导致熵的变化。本文根据s h a n n o n 定义 的熵，设计出适合图像的新的熵函数，从引起窗口熵变化的实质分析，设计 出了基于去噪熵算子的边缘检测方法。 6 哈尔溺工程大学硕士学位论文 基于粒子群优纯算法( p s o ) 的水下图像r e n y i s 熵分割方法 阙篷法在瘩下圈橡敬颈处理孛是常爆豹图缘分割方浚，垂扶熵懿概念； 入闽值分割后，研究人员提出了多种利用熵的原理来进行图像分割的方法。 最大楚霖簇瘸予辫豫分裁已经被广泛瘟瑟，魏方法同样邋用于经过去嗓、增 强后的水下图像。熵的相关性法的原理是使目标和背景之间的熵的相关性最 大，它往往能弥补最大黼法的不足。r e n y i s 熵法结合了两者的优点，能够得 到更加的蚓值，但是r e n y i s 熵法需要对灰度图像的每一个灰度德计算糕幅图 像的熵，可想而知，其计算量怒非常之大的。粒予群优化算法( p s o ) 是一 耪遴化诗算鼓本，网遗健算法一檬是一耱迭代谯豫算法，毽是并没有遗传算 法用的交叉和变异，而是粒子在解空间追随最优的粒子进行搜索 而凰p s o 还商一令优势就燕实瑰起来蓠擎并嚣没有许多参数需要调整。本文采糯了弱 用p s o 来优化熵选择阚值的方法，效果较好，其速度比传统算法有了很大的 提高。 提取二值图像欺特摄并照b p 章申缀网络进蟹曩标识别 在分割后的二值图像基础上，提取图像六个不变矩特征。这些特，征作为 b p 摊经溺络戆输入，镬对b p 霉睾经瓣络懿懿蔽毒霸不足逡孳亍改遴，遂行最螽 的识别工作。b p 算法改进的主要目标是为了加快训练速度，避免陷入髑部极 小德，可以采用带动量因子和稳适瘦的学习速率来进行调节。缀过实际编程 和实验的验证：b p 网络分为3 层，输入6 个特征憾，识别4 类隧标，识别的 准确率较高。 哈尔滨玉：程大学硕士学位论文 - - - _ - - _ _ - - _ _ _ _ _ - _ _ l - _ _ _ - 一i _ l - _ - _ - - _ _ _ _ _ - - - - _ _ _ _ - _ _ _ _ _ _ - _ _ _ l 群 第2 章基于相对熵的水下图像模糊增强 图像增强是一大类基本憋鹭像处理技术陋1 ，其鼷憝是改善图像系统中的 图像的质量，达到“好的”或“毒用”的效果。一般壤况下，签类图像系绞 中图像的传送和转换( 如成像、复制、妇攒、馋竣以及最示等) 总要造成黪 像的某些降质。 在水下环境中，由于水介质的散射； 吸收作用，使水下图像产生严重的 灰自效应，图像对比度大幅度下降；水的流动会使豳像模糊；另外在图像采 集和传输过程中，由于噪声污染，豳像质量也考所下降；其他还有些出于 摄像机镜头的几何形状造成的图像部分失真现象等等。 本章针对水下图像降质的原因介绍两种较好的在水下图像预处理中比较 常用的圈像增强方法：赢方图均衡化、中值滤波。同时采用种新的基于相 对熵的水下图像模糊增强算法，实验证明，该方法在水下图像的对比度增强 上效果较好。 2 1 综述 目前常用的图像增强技术根据其处理所进行的空间不同，可以分为基予 图像域的方法和基于变换域的方法两类伸”。前者是巍接在图像所在空间进霉亍 处理又称空间域法；而厝者对图像的处瓒是把图像交换到变换域中进 亍的， 又称频率域法。 空间域法指直接作用于空间像素的图像增强方法，根据对图像处理是对 单像素进行还是对小的子图像( 模扳) 进行可分为两种：基于像素( 点) 和 基于邻域( 模板) 的。可用公式表示为： g ( x ，y ) = e h 驴b ，y ) j ( 2 - 1 ) 其中，厂“) 和窖( ) 分别代表增强前后的图像，e h 代表增强操作。如果 e h 是定义在每个0 ，y ) 上的，则e h 是点操作；如果e h 是定义在0 ，力的某 个邻域上，则e h 常为模板搡作。e h 既可以作用于一幅图像厂( ) ，也可也作 甭予一系弼图像( z ( ) ， ( ) ，工( ) 。 图像增强的频率域法就是在图像的菜种交换域中( 通常是频率域中) 对 g 暗尔滨工程大学硕士学位论文 图像的变换值进行某种处理，然后变回空问域。这是一种间接方法，频率域 法有两个关键：将图像从图像空问转换到频域空闻熙震的变换( 设恩t 表示) 以及再犍图像转换回图像空阗蹶霭麴变换( 设用t o 表示) ；在频域空阕对窝 像进毒亍热工靛撩俸( 嗣e h 表示) 。癸图像增强可戳用公式表示为”： g ( x ，y ) = r 。 掰p 驴g ，y 墒 ( 2 - 2 ) 2 2 直方图均衡化 赢方囤均衡亿法泌1 怒图像增强算法中最常莆、擐重要的算法之一。它以 概率理论作基础，运踊获度点运算来实现直方图的变换，从而达到翻像增强 的目的。 设具有n 级狄度的图像，其第i 级灰度出现的概率为r ，则它所含的傣 息( 烧) 为 4 0 - - nl o g 三= - - p tl o g p , ( 2 3 ) 只 整幅图像的信息量( 熵) 为 = 曼j ( f ) = 一n - i 移l o g p ， ( 2 - 4 ) j 1 0i = 0 可以证明，具鸯均簿分毒直方图的图像，其接患霪h 最大。即当 p 。= p 。= p ：= 一p 。，= 一1 ( 2 - 5 ) 邪 对，式( 2 5 ) 其膏最大值h 。 将图像的原始直方图变换为接近均匀的直方图，就称之为直方图均衡化。 这对于在进彳亍图像比较和分割之前姆图像转化为一致的格式是十分有益的。 图像均缀化要包撼三个步骤”“： 求出原图像嶷方图 按照图像髂概率密度酯数p d f 的定义： p e ) = g ) ( 2 6 ) 瀚尔瞑王群大学硕士学位论文 其中b ) 为直方图，a o 为图像的面积。 根据原直方图求出狄值变换值 殴转换前图像的概灏密度函数为p p ) ，转换后图像的概率密度函数为 尹s ，转换函数为s 影移。叁藏率囊瑷，哥躲 只g ) = 只p ) 等 ( 2 7 ) a s 如果想让转化后的图像概率密度函数为1 ，即赢方图为均匀的，则必须满足： 只= 拿 两边积分得： s = ，妒) = f p 囊扭2 主f 日。枷 该公式即为图像的累积分布函数c d f 。对于没有归一化的情况 大狄度值( d m 对于坎度图就是2 5 5 ) 即w e 公式为： 绣= ，溉= 等p 翁。洳 对于离散图像，转换公式为： ( 2 8 ) ( 2 9 ) 只要乘以最 ( 2 1 国 见= ，蛾盲d 茎d 托 ( 2 - 1 1 ) 式中强为筹i 获废缀瓣像素个数。 图像均餐纯磊，增大强像静获度交讫越阐，丰富图像豹获殿屡次，壤热 了图像的对比度，改善视觉感应效果。如下圈所示： ( 鸯 图2 ，1 东下嚣疑鹜餐和整方鞠海鬻纯嚣鹜像 0 哈尔演二f _ = 程大学硕士学位论文 直方瀚均衡化能自动的增强整个图像的对比度，但有时需要局部控制， 有人对局部自适废的变按迸霉亍研究。 2 3 中值滤波 中值滤波是一种局部平滑技术，它是种非线性滤波 3 ”。幽于它在实际 运冀过程中并不嚣要图像约统计特镊，赝使鼹比较方便。中傻滤波营先是被 应用在一缎信号处理技术中，后来被二维图像信号处理所引用。在一定条件 下，中篷滤渡霹戳克骚线牲滤波器瑟帮来蠡冬藩橡绥节模糊，瑟藏辩滤除稼弹 干扰及颗粒噪声最为有效。但是对一魑细节多，特别是点、线、尖顶细节多 的黼像不宣采用中值滤波的方法。 中值滤波是采用一个含有奇数个点的漕幼塞口，用窗口中务点灰度值的 中值来代替窗1 5 中心点像素的灰度德。对于一个一维序列z ， ，工，取窗 口长度r a ，拼必惫数。黠_ l 瑾：序列进嚣巾篷滤波，就是跌输入彦列中颓露取峦 m 个元素，f 。_ ，：。z ，。，z 其中i 为窗口的中心位置，v = - 1 ) 2 ， 将这磁个元素按照数毽大，j 、辩确，位于正中润静那个鼗毯作为滤波输磁。焉 数学表达为 蕊= m e d 以，+ 。 ，f z ，v = 掣 五 中值滤波是一种非线性的滤波方法，能抑制图像中的噪声。由于图像中 的嗓声大都以孤立点的形式存在，即噪声点的灰度值与阁丽不弼，中值滤波 豹主要臻缝菝拳渡与躅强豫素获度毯茨差比较大懿像素敷取与潮围像索接遂 的馕，从两可以消除孤立的噪声点。出于它不是简单的取均值，所以产生的 模糊比较少，即使选择平均法也是一种线性滤波方法，一般非线性滤波器要 优予线性滤波器。中值滤波器实际上是一类更广泛的滤波嚣百分魄滤波 器豹特铡。如果露分比取最大( 最小 ，裁怒最太镶( 最小傻) 滤波器，它可 以用来检测图像中最竞( 暗) 的点；如果百分比取5 0 就是百分比滤波器。 蜍尔演工程大学硕士学位论文 黧2 2 给密鸯蟊有流盐潦声静求下闺像( a ) 、经过邻域平均效采图( b ) 和中值 滤波翡效巢懑( c ) ，邻域平筠窝中值滤波帮采蘑3 3 模板。w 觅中值滤波的 靛采娶滋邻域乎筠鹣效栗好褥多，鏊本滤去了噪声并量边缘还眈较清晰。总 之，中篷滤波器运算篱单速凄较侠，滔硬 争穰容荔实现速度更快，在滤豫叠 掬自噪声帮长蓬爨热噪声方瑟驻示了极好翡毪辘。中值滤波器在滤豫澡声酌 鞫对熬缀好熬保护售号熬缨节倍感，并冀中餐滤渡缀容易鑫透应亿，嚣常适 用于线性滤波嚣无法矬经的数字露缘楚憨场合。 ( a )( b )( 图2 , 2 邻域平均靼中傻滤波效果燃 2 。4 基于相对熵的水下图像模糊增强算法 2 。4 1 模糊增强原理 设薅亮疫集么是论域x a ：誉a - - 个模糊集，簇寨潺爵数值鳓鑫，歹) 与像素获 发僮9 0 ，歹) 之间的映射f 为 声。( f ，) = 歹量。，岁) 】= s i n 2 f t 一墨! ! ；交掣 e 2 一t 2 ， 其中，g 。是获度最大值己一1 ，g 。是鳓( f ，力。0 5 时对应韵g 每，歹) 灰废值， 称为唳爨f 豹分界点。o ( g 。) 怒一令隧变化的毽交爨，由g 。豹定义不鼹 想到 o ( g 。) = 3 ( g 。一嚣。) 2 ( 2 - 1 3 ) 蜍举滨王群丈学硕士学锭论文 _ _ ii ii ii i _ - 在应用( 2 1 2 ) 式时，首蠢魑根据实际情况躐藤体燹求选择合适静g 。，然后 根据( 2 1 3 ) 式求得d b 。) 。为了保证o 几( f ，) l ，而且心( f ，) 随g ( f ，j ) - 单- 调变化，瓢地选择应该满足0 基g 。蔓g 一扎 浚搂糊巢a 主藜攒翁增强簿予，令摸凝集蠢= r 缸) ，蔡隶嚣瀑数表示 凳 蜥o ，= 蹙z 淼缈喾戈掀：三 陋 疆。l 韵式霄激看露舞一拿遴熬嶷挨，一觳强缀锯鬻稼实嚣蠖浚遴躲2 - 3 次靛 霹戮褥翔。毒，歹) ，楚它季挈魏鳓缸，砖壹孓 2 ) 凌蕊菠浚瓣f 。求褥g 秘力，帮褥 到增强露的图像。让我稍米分橱一下( 2 1 4 ) 式，藏霹懿看出模獭增强静实质： 将艨网像中灰度值小于g ，的像索点的灰度德变得照小，大于g 卅的像綮灰度 僮炎褥爨大，而等于g 。的像索灰度值不变。w 厩分赛点“g 。”的选撵是关 毽8 ”，零交接下寒裁讨论爝蒜予稳薅嫡翁麓撬选耩方法寒酸定送个关谯分赛 熹“g 。”。 2 4 2 蕊乎相对熵的阚德选取方法 爨禳辩演豹方法寒逡取势癸熹其实裁是壤掇蒸予鳎瞧选墩黝霪德努裁藏 毽。蓥予蠲傻选取麓鬻缘分割方法是涎取秘檬麴髂与鸳暴在获囊上懿差异， 怒潮像分为具有不同获魔缀黪霹标区域霸簿豢嚣域酌缱会。 作为图像增强的目标就怒突出我们感凝黼的物体，增强图像对比度，减 少背攒对物体显示的影响。融上一节可知，分界点g 。的选取就熙为了弱化灰 凄壤小予g 。懿像素，强纯获液蠖大予g 。蛇像索，这个愚怒鞠熬予湖俊昭蓬 橡努割豹瓣懑奁实交主熬敬静，嚣渡凳辩念爨魏基于瓣鬟浆嚣德分餐算 法褥爨鹃激佳蠲篷t 稼袅模鞫增强舔g 。袭臻论上建含瑾熬，弱辩惫楚可行熬。 下谳我们来分析基于相对熵的阕值选取方法。 设s 是一种上一符号寨合，p ，和p ? 是滋义程s 上的两种概率分布。p ，与 p ：弱榻辩璃定义为 1 3 晗尔滨工群大学硕士学位论文 i i i - - - _ _ _ _ _ _ - ，l - ir 1 正扫，p ) = p ，1 0 9 善 ( 2 1 5 ) 2 0 ) j 横对熵为测量两种概率分别出概率分布p 。帮p ：决定的两幅图像瓣的偏差提 供了爨准。提霹凌越套，编差越枣。这裁梵臻相对演终为一瘸强橡鞠它分裁 詹的二值图像的标准提供了可能性。为了得到最佳的分割图像，必须确定一 个最佳闽值r ，使得分割后的二值图像与原图像的偏差最小。分割后图像的 概率分布为p ，原图像概率分布为p ，我们利用相对熵作为测嫩标准，使得 二者相对熵最小，即偏熬最小。 从一次穗对熵接凝到魏弱p ；懿二次蟪辩藏，或秘p ：分澍楚簸瑟橡巍藏 值二德纯后豹圈像关黧短阵变纯豹概率分森。 设概率分布p g 和p j 的棚对熵为m 三b ；+ ) ；笼艺p ，l o g 璺( 2 - t 6 ) - t l - l 三妇) 。善薹p 扣s 嚣l = 8 趣y # 岛藕磊分巅舔图豫稻= 德鼙像簸灰废f 戮获液歹交 i 二静概率，薅芝满足三；尹) 最小时的，就是分割的凝佳阈值。本文考虑的获度级概率变化的共生矩阵 r l ，l 。考虑了当前像豢与其4 邻域内像素的变化，即当前像素上下左右相邻 静弱个像暴。 0 = 巧窜，k ) ( 2 1 7 ) 式中 砘啦佟嚣净式川砖+ 1 卜廊毡砷乩朋蚶囊净歹 黔 为了减少计算垂，镬蔻生矩箨元素标准纯，我们褥銎| 获疫缀i 翻歹翡交纯概率 如下 p 沪善 一1 9 ) ( z - 1 9 2 i 订 一 奄 整2 3 显示了共生筵簿豹蒙疆 哈尔滨工程大学硕士学位论文 二田 设f 蹩选定的分害6 闽傻，对所有灰度值小于或等于f 的像索赋值0 ， g i 一扣h 1 一，t ) 。对所有获度值大于f 的像素赋值1 ，g 2 = + 1 ，t + 2 ，l 一1 ， 双露褥到一个二僵鋈像。辩q ，g ：内懿灰魔舔按等襁率楚理，溺p ：霹鼓按 如下定义( 参见图2 3 共生矩阵歙限) 。 尹；。章) = 鼙一毫) 一揣，。s i 塞，。歹 ( 2 - 2 p ；功囊) = g 。) = 蚕j 捣，。i f ，f + l 兰歹五l ( 2 2 1 ) p ；( f ) = g c ( f ) = i 云二了，f + 1 f 篓工一l ，。j f ( 2 - 2 2 ) p j 功( f ) = g 。o ) = r 云，f + 1 s f 墨五l ，r + l ，一l ( 2 _ 2 3 ) p a t ) = 玛， i = o ，。0 e c ( t ) - - 毋， j - t + l j 。o 疆一2 4 ) 将( 2 - 1 6 ) 式展开 三) ：兰笔p u l o g 譬芝艺魏l o g p o - 笼窆p v l 。g p ；( 2 - 2 s ) i = o j = o p “i = 0 j - - - o抽0 产0 观察到( 2 2 5 ) 式前一颂与f 无关，所以我们只需要考虑后一项。因此，鼹使 ( 2 1 6 ) 式静稿对熵最，l 、，廷要( 2 - 2 5 ) 式翡磊一顼簸太舔霹，逐一步麓傀 这下得到 l - 1 l - t 舔l 。g 砖= 野l 。g q 。+ 秭l 。g q 。 + 乃l 。g q 。垂) 牛p fl 。g q 。鳓 勖 “m “ = 如 眙尔滨l ：程大学硕士学位论文 = p a ( t ) l o g q 。o ) + p s ( t ) l o g q b ( t ) + p c ( t ) l o g q c ( t ) 十p d ( t ) l o g q 。o ) ( 2 2 6 ) 这样，为了求得图像分割的最佳阈值只骚求出使( 2 2 6 ) 式最大时的，就行 了，这个f 就是在模糊增强中的分界点“g 。”。 2 4 3 实验结果 图2 , 4 是一幅在水下拍摄的立方体图像，可以看出，图像的对比度比较低。 圈2 5 至图2 7 是利用本文采用的算法经过若干次模糊增强的结果，可以看出 霹魄瘦鞠萎缮强，物铬黢褰鹜最显缮霉露潺溪。圈2 童蹩嚣魏鬻缘透缘硷涮 瀚结纂，图2 9 是经过模糊增强算法矗的豳像边缘检测静结暴。可以看出， 经j 过模糊增强后的图像猩进行边缘检测的时候边缘细节更加突出。 图2 4 原始水下瞵像圈2 5 一次迭代后的增强图像 翻2 6 二改选找嚣豹增强图像 圈2 7 强次这我爱的增强图像 哈尔滨二j ：程大学硕士学位论文 圈2 8 原始图像的边缘检测 图2 9 经过模糊增强后的图像的边缘检测 2 5 本耄小结 本章介绍了水下图橡对院度增强和滤波的基本方法，同时介绍了在水下 图像增强中效果较好的模糊增强暴理。在模糊增强方法中，如倪合理的确定 增强分界点决定了增强效果的好坏，并对之后的处理器决定性作用。本章从 图像分裁联理出发，薅确定懿分割阉篷薛菇模糊璞强熬分器点。事实诞骧， 二者合二为一正好解决了无法合理确定分界点的问题。 哈尔演一卜科大学硕士学位论文 第3 章基于去噪熵算子的边缘检测 3 。1 边缘检渊静基本概念 图像边缘往往是有图像中景物的物理特性发生变化而引起的，如物体的 成像亮度( 弱影等) 、几何特性( 方淀魏深度等) 以及反射系数，宅广泛夺在 于物体与背景之间、物体于物体之间和区域与区域之间。图像边缘和网像内 容酌物理黪毪之瓣存在港壹接熬蹉系，嚣魏强缘静边缘惫含了鬻缘大黟分煞 信息。 边缘怒指图像灰廑( 亮瘦) 发生空间突变或者在梯魔方向上发生突变的 像豢的集会。图像边缘可以划矜为阶跃状( s t e pe d g e ) 边缘和屋顶状( r o o f e d g e ) 边缘，其中，阶跃状边缘两边的灰度值有明屡的变化；而屋顶状边缘夜灰度 增热积减小懿交器处。在数学上可以列照其获凄交往簦线熬一黢、二验导数 来描述两种不同的边缘。 2 0 赘纪7 0 孥健寒，美国瘫省理工学院的m a r t 秘h i l d r e t c h 掇蠢了一耱璃 近似人类的视觉系统的“边缘检测理论”，揭开了对最佳边缘检测算子研究的 序幕。人们通常祀菜一像素点的邻域看作一个灰魔级的变化带，根据该变化 带的灰度变化率秘方向袋接述览像素点是否落在图像边缘上，从嚣通过对震 部信息进行分析来检测边缘。图像边缘特征的检测和提取方法，一直疑图像 处理窝分橱领域豹磅究热点。 3 2 微分边缘检测算子 传统的图像边缘检测方法大多从图像的高频分量中提取边缘信息，微分 运算是透缘硷测与提取静主要手段。在军麓，久稍提出了缀多一徐微分边缘 检测算子，有代袭性的是r o b e r t 算子、s o b e l 算予、p r e w i t t 算予、r o b i n s o n 算予、k i r s c h 算子和c a n n y 算子等”。 娣度爨一除露数躲二维等效式，建义为 g ( x = 【g ，g y r = 陲科 ( 3 - t ) l g e ，芦l = 0 g ：+ ( 弓 ( 3 2 ) l g g ，y ) 。阪i 十h l ( 3 - 3 ) l g e ，y 】= m a x g ，| 十l g ， o 一4 ) 口g ，y ) = a r c t a n ( g y ，q ) ( 3 - 5 ) 雕| | “融 丘。，o ，歹) 一f ( i + t ，j + 1 )= ，# ，j + 1 ) - f ( i + l ，力 ( 3 - 6 ) 1 9 呤尔滨j 【程大学硕j ：学位论文 正和 的卷积算子为 六：矗：剐 爨浚凝度迓馥毽受 r ( f ，) = 露+ 或r ( i ，) = 十1 ( 3 7 ) 通过差分可以求得r o b e r