水中自主视觉机器鱼目标跟踪

水中自主视觉机器鱼目标跟踪摘要：本文研究了水中自主视觉机器鱼在水中找目标和跟踪目标的两种算法。一种是通过Canny检测算子对图像进行边缘检测，然后由于球具有很稳定的几何形状，便根据这一特点对其进行匹配，便可检测出球，然后通过计算可以得到球的中心坐标值，便可跟踪球。另外一种是运动图像的相位相关匹配算法，将配准之后的两帧图像共同部分进行差分，即可得到目标的位置。这两种算法简单，有很好的实用性。关键词：目标检测，目标跟踪，机器鱼，相位相关，匹配关键词：目标检测，目标跟踪，机器鱼，相位相关，匹配1.引言当今水中机器鱼以科技含量高、学科跨度宽、参与面广和展示性强等特点在国际国内有着很强的影响力。水中自主视觉机器鱼是当前机器鱼研究中的一个热点，机器鱼的视觉是机器鱼研究的核心。自主视觉机器鱼感知外部世界主要是通过视觉、红外等传感器实现,因此对机器鱼来说,如何快速、准确获取目标信息是完成目标跟踪的前提。视觉的目标跟踪是计算机视觉领域的一个重要分支,也是视频监控、人机交互、物体识别等应用的关键技术.视觉目标跟踪任务主要包含三方面内容:一是建立目标模型,即对目标进行描述,以明确跟踪任务所针对的对象;二是从视频序列中分离出有一定意义的实体(即目标)，然后对目标进行定位,即确定目标的位置；三是根据每一时刻的位置通过一定指令来跟踪目标。通常所研究的视频图像序列是由摄像机对真实场景的拍摄形成的。但是这又分为两种，一种是摄像头固定不动，视频中一般只有目标在运动，即背景可以看做是不变的，在这种情况下对目标的检测和跟踪一般运用简单的帧差法就可以完成。另一种是在拍摄过程中摄像器件会发生缩放、旋转、平移等运动,此时视频中运动的就不止是目标了，还有背景也跟着在运动，在这种动态背景下要对目标进行跟踪的话，用传统的帧差法就很难实现了。在自主视觉机器鱼中由于摄像头是安在鱼身上的，也就是摄像头在运动，因此采集到的视频中的背景也在运动，在这种动态背景情况下，如何实现对目标的检测和跟踪是一个重要课题了。这里提出了两种算法，分别来跟踪球和鱼。2.基于目标特征的边缘跟踪算法：目标中的相关特征包含了很多关于本目标的信息，对目标特征的研究在图像处理方面是一个很重要的课题。基于目标特征的跟踪算法包括对重要特征的提取和特征匹配两个方面特征提取是指从图片中找出那些具有代表性的特征。当然这些特征必须具备一些特点：.要符合人们的视觉特征，能让人很直观的发现它的存在；.之所以它具备一定的特征，就应该与其它的特征有明显的区别，能很容易的被分辨出。.这种特征应该具备一定的稳定性，不会受外界条件的干扰而失去特性，图像经过翻转，平移后特征也保持不变。

图像的边缘也包含了很多信息，是图像灰度发生陡峭变化的过渡区域。机器鱼身上的摄像头采集到的图片中用Canny检测算子对其进行边缘检测。具体步骤为：1)..高斯滤波对图像去噪。高斯平滑函数：H1)..高斯滤波对图像去噪。高斯平滑函数：H(x,y)=e(a2+b2)2d2，G(x,y)=f(x,y)*H(x,y).用一阶偏导的有限差分来计算梯度的幅值和方向；..结合梯度幅值来进行非极大抑制;.用双阈值算法检测和连接边缘;.对边缘进行细化.由于球是具有一定的几何形状的，鱼可以看到水中的球基本上呈一个大致的圆形。我们可以通过这种球的特征，检测出球。然后利用目标图像四周边界中上，下，左，右边界的位置坐标y1,y2,x1,x2来确定目标的实际位置，即y03．动态背景图像的相位相关配准算法：传统的运动处理包括预处理，图像分割，特征提取，物体识别，运动参数估计，运动物体跟踪等步骤，其中最重要的一步就是图像分割，然后在各种各样的背景中把运动的物体分割出来是极其困难的，有时甚至无法做到。关于图像分割问题已经研究出不少方法，但是它们都是在一定的假设条件下针对某些特殊情况而研究的，缺乏普遍的应用价值。现针对目标的实时检测和跟踪过程中，相邻两帧图像共同背景部分具有很大的相关性，同时图像中的背景部分只有平移变化，图像的平移变化对图像的高频分量影响较大，而对低频分量影响小，采用以傅里叶频谱为基础的相位相关匹配算法，从而可以精确得到相邻两帧图像的偏移量，以此将两帧图像共同部分稳定在相同位置，使运动目标“暴露”出来。假定：一帧图像具有N行，N列，总像元数为NXN,图像亮度量化等级数为L；对于图像中的每一个像元，其亮度值是时间和它在图像中的位置的函数f(t,k,l)，其中t表示时间，k，l表示像元的行号和列号，从而一帧图像定义了一个亮度矩阵。第i帧图像的亮度矩阵为：'f(i,1,1)…f(i,1,N)、f(i)= : :f,N,1)…f(i,N,N),取出任意相邻两帧图像进行分析，它们的亮度矩阵分别为f和f。首先对相邻两帧图12像求出其NXN的傅里叶变换F(m,n)iF(m,n=炭"〉(k,l)e-j2叫km+inn i=1,2iik=0l=0式中m=(-N/2)□(N/2-1)；n=(-N/2)□(N/2-1).相邻两帧图像f和f的傅12里叶变换结果进行互相关操作。然后对互相关功率谱经过归一化后，得到离散相关谱GW(m,n)

GW(m,n)FGW(m,n)=w(m,n) 2 F(m,n)F(m,n)12式中w(m,n)是频域加权函数，并取如下形式w(m,n)=ax|F(m,n)F(m,n)|当“=0时，呦,n)=1,Gw(")代表相位相关谱，而当“=1时，W(m，n)=I"%n)F2(m，创,g代表普通的相关谱。通过在0和1之间改变a的值，就可以产生两种匹配算法，这W(m,n)里取a=0，w(m,n)=1得到相位相关谱。由此及傅里叶变换的理论可知，这个相关谱包含了两图像背景部分位置平移的所有信息，而且它是一个频谱幅度在全频域内为1的频谱。对这个相位相关谱进行傅里叶反变换，得到相位相关函数r(p,q)r(p，q)r(p，q)1N2吒1Gej2兀(pm+qn)/NW(m,n)m=-(N/2)+1n=-(N/2)+1相位相关函数是一个位于两图位置偏移(P,q)处的b脉冲函数，在理想情况下，当两图00完全相似时，其值为1，反之则为0.由于相位相关函数对于亮度值极其刻度的变化是不变的，所以相位相关算法是不受这些误差因素影响的。由相关函数的最高峰所对应的坐标值就是两图位置偏移(p,q)00为提高位移测量的精度，对最高峰处的相关峰值采用抛物线内插。设P和q为两图最大00相关峰值所对应的平移量，由于空间量化的原因，P和q只能是整数。设最大相关峰值所00对应的平移量实际为p和q，它们的估计为00A AP=P+bAAq=q+Z内插公式为A r(p+1,q)-r(q-1,q)b= 0 0 0 0—2L-r(p+1,q)+2r(p,q)-r(p-1,q)J000000r(p,q+1)-r(q,q-1