本发明专利技术涉及水下机器人智能应用领域，提出一种用于水下机器人自主作业应用的目标快速检测技术，具体方法是采用基于多分辨率图像融合的图像增强处理算法快速处理水下图像，增强目标区域信息特征；接下来采用基于卷积神经网络的固定目标识别算法进行区域目标快速检测；同时构建一种快速图像处理的装置，集成到水下机器人，辅助水下机器人作业操作。相比传统声学目标识别具有距离近，识别分辨率高的特点。光学摄像机也具有应用范围广，识别目标多样性等优点。等优点。等优点。
【技术实现步骤摘要】
一种用于水下机器人的图像目标快速检测方法及装置
[0001]本专利技术涉及水下机器人智能应用领域，尤其涉及一种针对水下智能机器人自主作业场景中，采用图像增强及识别技术快速检测目标的方法及装置。
技术介绍
[0002]不同光波长在水中的衰减不同，使水下图像呈现颜色失真现象。随着水下深度增加，红光和黄光在水下衰减大于蓝光和绿光，导致水下图像普遍呈现一种以蓝绿为主的色调。水中存在微小杂质，使光在水中传输产生散射，导致图像模糊。光在水下随机的衰减是水下图像模糊的主要原因，散射的光降低了图像对比度。在一般的海水中，距离超过10米的物体几乎无法辨认，同时存在随着距离增加颜色衰退现象。水下图像模糊及颜色失真现象降低了水下图像的特征，使得水下目标检测十分困难。传统水下目标检测往往采用声学图像进行目标识别，声学信号在水下具有远距离探测的优势。尽管水下环境噪声干扰较多，目标识别有时候比较复杂，但目前有大量的方法对水下声学信号进行降噪处理和基于机器学习的分类训练，这些方法可有效处理水下声学信号。但是声学信号在水下具有局限性，随着水下机器人与目标距离接近，声学的物理特性导致近距离下无法得出准确的信号。水下机器人近距离作业经常依赖光学摄像头，因为光学摄像头可以在水下近距离捕获细节信息。水下光学图像识别存在水下图像颜色失真，一些浑浊水域拍摄的图像十分模糊，水下图像样本量少等特点。水下图像快速增强处理和水下固定目标物的识别技术是水下机器人自主作业的关键技术。
技术实现思路
[0003]本专利技术涉及水下机器人智能应用领域，尤其涉及一种针对水下智能机器人自主作业场景中，采用图像增强及识别技术快速检测目标的方法及装置。本专利技术包括：利用水下机器人光学摄像机采集水下视频图像，对水下图像进行快速增强处理，利用卷积神经网络训练水下固定目标物的识别网络模型，对增强处理后的水下图像进行特征提取。本专利技术具有如下优点：有效快速实现对水下图像的特征增强处理；采用特定网络模型及数据扩增方法降低对水下图像样本的需求；基于嵌入式处理器实时处理水下图像信息，满足水下机器人自主作业需求。
[0004]本专利技术为实现上述目的所采用的技术方案是：
[0005]一种用于水下机器人的图像目标快速检测方法，包括以下步骤：
[0006]通过水下摄像机获取水下图像；
[0007]对水下图像进行图像增强处理；
[0008]对增强后的图像进行目标识别，得到目标轮廓在图像中的位置；
[0009]水下机器人根据目标位置进行作业。
[0010]所述对水下图像进行图像增强处理，包括以下步骤：
[0011]采用白平衡算法对水下图像进行色彩恢复，得到多分辨率融合的图像I1；
[0012]对图像I1进行降噪处理，得到降噪后的图像I2；
[0013]将图像I1和图像I2分别采用拉普拉斯金字塔分解，使图像I1和图像I2均分解成不同分辨率的多个图像；
[0014]分别提取图像I1和图像I2的亮度通道，并依次经过拉普拉斯滤波、局部对比度计算、显著性计算、归一化形成两个融合权重图像W1与图像W2；
[0015]将图像W1与图像W2分别经过高斯金字塔分解，得到不同分辨率的权重系数；
[0016]将不同分辨率的权重系数与该分辨率的图像相乘后，得到该分辨率下的加权图像，将相同分辨率下图像I
12
和图像I2的加权图像相加，得到该分辨率下单通道的融合图像；
[0017]采用金字塔重建，将多个分辨率的单通道重构成原始分辨率的图像。
[0018]所述白平衡算法为完美反射法。
[0019]使用双边滤波法对图像进行降噪处理。
[0020]使用卷积神经网络对增强后的图像进行目标识别，卷积神经网络的输入为待检测图像，输出为目标的轮廓，并使用带有轮廓标记的水下图像对卷积神经网络进行训练。
[0021]所述对增强后的图像进行目标识别，包括以下步骤：
[0022]1)对输入的图像依次经过两次卷积和两次激活函数处理；
[0023]2)将处理后的图像进行下采样，降低图像分辨率至长宽各二分之一尺度；
[0024]3)重复执行步骤1)～步骤2)，直至图像的分辨率达到设定的大小；
[0025]4)对图像进行上采样，提高图像分辨率至长宽各二倍尺度；
[0026]5)对输入的图像依次经过两次卷积和两次激活函数处理；
[0027]6)重复执行步骤4)～步骤5)，直至图像的分辨率达到原始大小。
[0028]一种用于水下机器人的图像目标快速检测装置，包括：
[0029]水下摄像机，用于获取水下图像；
[0030]图像增强程序，用于对水下图像进行图像增强处理；
[0031]图像识别程序，用于对增强后的图像进行目标识别，得到目标轮廓在图像中的位置；
[0032]嵌入式并行计算单元，用于部署图像增强程序和图像识别程序，并将识别后的目标位置发送给水下机器人。
[0033]所述嵌入式并行计算单元为移动设备的图像处理单元GPU。
[0034]所述图像增强程序，执行以下步骤：
[0035]采用白平衡算法对水下图像进行色彩恢复，得到多分辨率融合的图像I1；
[0036]对图像I1进行降噪处理，得到降噪后的图像I2；
[0037]将图像I1和图像I2分别采用拉普拉斯金字塔分解，使图像I1和图像I2均分解成不同分辨率的多个图像；
[0038]分别提取图像I1和图像I2的亮度通道，并依次经过拉普拉斯滤波、局部对比度计算、显著性计算、归一化形成两个融合权重图像W1与图像W2；
[0039]将图像W1与图像W2分别经过高斯金字塔分解，得到不同分辨率的权重系数；
[0040]将不同分辨率的权重系数与该分辨率的图像相乘后，得到该分辨率下的加权图像，将相同分辨率下图像I1和图像I2的加权图像相加，得到该分辨率下单通道的融合图像；
[0041]采用金字塔重建，将多个分辨率的单通道重构成原始分辨率的图像。
[0042]所述图像识别程序，执行以下步骤：
[0043]1)对输入的图像依次经过两次卷积和激活函数处理；
[0044]2)将处理后的图像进行下采样，降低图像分辨率至长宽各二分之一尺度；
[0045]3)重复执行步骤1)～步骤2)，直至图像的分辨率达到设定的大小；
[0046]4)对图像进行上采样，提高图像分辨率至长宽各二倍尺度；
[0047]5)对输入的图像依次经过两次卷积和激活函数处理；
[0048]6)重复执行步骤4)～步骤5)，直至图像的分辨率达到原始大小。
[0049]本专利技术具有以下有益效果及优点：
[0050]1.基于水下光学摄像机的水下目标识别系统，相比传统声学目标识别具有距离近，识别分辨率高的特点。光学摄像机也具有应用范围广，识别目标多样性等优点。
[0051]2.实时水下视频图像增强算法用于水下图像的增强，提升水本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于水下机器人的图像目标快速检测方法，其特征在于，包括以下步骤：通过水下摄像机获取水下图像；对水下图像进行图像增强处理；对增强后的图像进行目标识别，得到目标轮廓在图像中的位置；水下机器人根据目标位置进行作业。2.根据权利要求1所述的一种用于水下机器人的图像目标快速检测方法，其特征在于，所述对水下图像进行图像增强处理，包括以下步骤：采用白平衡算法对水下图像进行色彩恢复，得到多分辨率融合的图像I1；对图像I1进行降噪处理，得到降噪后的图像I2；将图像I1和图像I2分别采用拉普拉斯金字塔分解，使图像I1和图像I2均分解成不同分辨率的多个图像；分别提取图像I1和图像I2的亮度通道，并依次经过拉普拉斯滤波、局部对比度计算、显著性计算、归一化形成两个融合权重图像W1与图像W2；将图像W1与图像W2分别经过高斯金字塔分解，得到不同分辨率的权重系数；将不同分辨率的权重系数与该分辨率的图像相乘后，得到该分辨率下的加权图像，将相同分辨率下图像I1和图像I2的加权图像相加，得到该分辨率下单通道的融合图像；采用金字塔重建，将多个分辨率的单通道重构成原始分辨率的图像。3.根据权利要求2所述的一种用于水下机器人的图像目标快速检测方法，其特征在于，所述白平衡算法为完美反射法。4.根据权利要求2所述的一种用于水下机器人的图像目标快速检测方法，其特征在于，使用双边滤波法对图像进行降噪处理。5.根据权利要求1所述的一种用于水下机器人的图像目标快速检测方法，其特征在于，使用卷积神经网络对增强后的图像进行目标识别，卷积神经网络的输入为待检测图像，输出为目标的轮廓，并使用带有轮廓标记的水下图像对卷积神经网络进行训练。6.根据权利要求1所述的一种用于水下机器人的图像目标快速检测方法，其特征在于，所述对增强后的图像进行目标识别，包括以下步骤：1)对输入的图像依次经过两次卷积和两次激活函数处理；2)将处理后的图像进行下采样，降低图像分辨率至长宽各二分之一尺度；3)重复执行步骤1)～步骤2)，直至图像的分辨率达到设定的大小；4)对图像进行上采样，提高图像分辨率至长宽各二倍尺度；5...
【专利技术属性】
技术研发人员：董旭洋，田启岩，王轶群，孙宏林，白金刚，周雪山，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。