基于2 维Tsallis 熵的水下图像目标检测

针对传统图像检测方法在水下图像处理过程中存在目标区域定位不准确、目标细节丢失、目标形状变 形的问题,文中利用Tsallis 熵的非广延性,提出了一种基于边缘信息的2 维直方图,并以最大2 维Tsallis 熵为准 则,利用改进粒子群优化算法寻找最佳阈值．水下图像处理试验表明,该算法是一种有效的水下图像目标检测方法, 与传统方法相比,具有更强的自适应性和鲁棒性．     

复杂海空背景下弱小目标的快速自动检测

针对海面运动载体的可见光序列图像,结合复杂海空背景图像的特点,提出了一种不以检测海天线为前提的弱小目标检测方法.首先,修复图像中被高亮度噪声损毁的部分,如曝光区域或反光区域;接着,量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,据此来判断海天线区域是否存在,若存在则预测海天线区域的位置,否则放弃后续处理;然后,采取Mean-shift分割算法中先滤波后聚类的策略,使用周围纹理抑制滤波来平滑海天线区域,并以像素点和点集为单位对平滑图像进行聚类;最后,将最大面积区域与其他区域分离来二值化图像,完成目标提取.试验证明,该方法能够很好地定位目标信息,单帧处理平均耗时为35 ms,具有准确性和实时性.     

智能水下机器人声视觉跟踪系统研究

提出了一个新的水下声视觉图像预处理、分割和目标跟踪的处理系统框架.采用该系统框架,设计了一个基于前视声纳的智能水下机器人(AUV)声视觉目标探测跟踪系统,并描述了该系统的软、硬件体系结构.针对水下声视觉图像特点,分析了声纳图像的预处理方法,探讨了图像中特征信息的选取,构造了基于不变矩的仿射变换不变量,提出了基于组合特征...     

基于离散分数布朗随机场的水下图像目标检测

采用传统图像检测方法存在目标区域定位不准确、目标细节信息丢、目标形状变形等问题,本文提出一种基于离散分数布朗随机场模型的水下图像目标检测方法.该方法根据分形理论和水下图像的特点,以图像中每个像素点为中心取窗口,计算在该窗口内的分形维数均值,将该均值作为中心像素的分形特征,然后根据分形维数分布图确定分割阈值,从而实现对水下图像分割,并且通过将目标表面不同尺度下的灰度差分平均值进行归一化处理,减少了用于表示不同尺度下的平均绝对值灰度差分的数据,从而提高算法检测效率.实验结果表明,该方法对水下成像条件具有一定鲁棒性,是一种有效的水下图像目标检测方法.     

基于Hough变换的水下管道检测方法

由于海底管道背景复杂,简单的检测算法不能给出理想的检测结果;复杂的检测算法又不能满足实时作业要求。为了克服上述问题,实时而又准确地检测水下管道,通过分析水下图像的特点以及传统Hough变换对于管道直线信息提取的局限性,有针对性地提出了对Hough变换方法的2步改进,包括前期处理改善像素点的分布以减少参与Hough变换的无效像素点的数目,和Hough变换过程中的峰值点逆向清零以保证管道边界检测的唯一性。在仿真环境和水池环境下分别对改进的方法和未改进的方法进行了对比实验,结果表明前者可以有效地提高管道检测的实时性和精确性。     

欠驱动自治水面船的全局K-指数镇定控制方法

针对欠驱动自治水面船的镇定控制问题,提出了一种光滑时变反馈镇定控制律.基于全局微分同胚坐标变换将欠驱动自治水面船的数学模型转化为级联形式的非线性系统,并证明了原系统的镇定问题可简化为级联子系统的镇定问题.通过在状态反馈控制律中增加指数收敛控制项,获得了具有指数收敛速率的时变光滑镇定控制律,并证明该控制律能保证原系统的全...     

基于声学图像处理的水下机器人局部路径规划

针对当前水下机器人多以前视声呐作为环境感知设备的特点,设计了一种基于声学图像处理的水下机器人局部路径规划算法.给出了基于声学图像处理的局部路径规划基本步骤.以前视图像声呐得到的声学图像为基础,进行环境分析.以串口接收声呐图像底层回波强度数据,利用迭代式阈值选择算法,进行图像分割.采用数学形态学方法去除噪声,膨化障碍物,建立环境数学模型.以距离值传递法搜索最佳路径.此算法以海上实验数据验证,得到了良好的规划结果.搜索到的路径距离短,搜索速度快,满足实验要求.实验表明,以前视声呐作为避碰传感器,进行局部路径规划是切实可行的.     

Data association method of SLAM based on ant colony algorithm

针对SLAM的数据关联问题,提出了基于蚁群算法的数据关联方法。将SLAM的数据关联问题演化为组合优化问题,通过利用蚁群算法解决组合优化问题的优势,结合JML关联理论,将蚁群算法应用于选择量测和特征的关联集合。详细介绍了该方法的实现步骤,建立了基于蚁群算法的数据关联模型,最后在仿真环境下对其进行了试验。分析结果表明,所提方法在保证关联效率的前提下有效地降低了运算时间,是一种解决SLAM数据关联的可行算法。     

基于梯度信息融合的海面红外目标实时检测

针对海面红外序列图像的特点,提出一种适用于海天背景和海岸背景的目标检测方法。该方法不需要进行特殊的预处理来滤除图像噪声,首先量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,从而预测出海界限区域的位置;然后利用改进Canny算子提取轮廓边缘,突出海界线特征,降低其他纹理的干扰,再进行Hough变换,提取出海界线;最后提出泛化梯度概念,通过融合的梯度信息,联合海界线的位置,进行海面目标标记。实验表明,所提方法能准确地定位海界限区域以及水平或倾斜的海界线,并快速精确地提取红外海面目标。整个过程的平均花费时间约为60 ms,具备很好的鲁棒性和实时性。