水下图像目标识别的预处理综述【摘要】图像预处理是对水下图像目标识别处理的一项关键技术，也是一项经典难题。

文章分析归纳了基本的预处理技术，以及目标识别方法和应用，提出了一些发展思路和要点。

【关键词】目标识别；水下图像；预处理0、引言自主式水下机器人（AUV-Autonomous Underwater Vehicle，本文简称水下机器人）是新一代水下机器人，由于其在军事和商业上的重要应用价值和在高技术运用上面临的众多挑战，它越来越多的受到军事工程师和技术人员的重视，并进行了大量的研究与试验工作。

在军用领域则可用于侦察、布雷、灭雷和援潜救生等；在民用领域，它可应用于数据收集，海底头探测，海底考察，管道铺设，水下设备的维护与维修等。

鉴于水下机器人的诸多重要的应用领域，其视觉分辨能力又是其执行各种任务，获取水下信息的重要途径，所以对水下机器人的图像采集，水下目标的图像处理与识别就显得越来越重要，是水下机器人能够正常工作的不可或缺的技术保障。

水下图像采集的复杂性：1、江、河、海洋等水体环境复杂。

水体流动噪声的波纹、浮游生物以及水中微粒等都会造成成像背景不单一，总会有噪声出现。

2、光源不稳定。

入射到摄像头里面的光会因不同类型的物体在水下反射在水下的反射程度不同而不均匀。

3、所采集到的图像是三维景物的二维投影，所以一幅图像本身不具备完全复现三维景物的全部几何信息的能力，造成空间几何失真。

总之，水下目标识别是目前智能机器人技术发展的关键能力之一，既要发挥光学成像技术的分别率高的优势，又要克服噪声相对复杂的一些技术难点。

在对国内外大量的相关文献进行查阅的基础上，进行归纳总结发现近些年的水下目标识别主要采取的方法有以下几个方面：（1）数理统计方法的应用；（2）神经网络方法的应用；（3）数学形态学的处理与识别方法；（4）声图像的阴影暗区方法的应用；（5）Markov 随机场模型理论应用到识别领域。

一般来说，目标识别是在对图像目标进行预处理之后，选取一定的特征量加以识别和分类，然后输出结果。

目标识别的流程框图从流程图中可以看出，一个图像处理与模式识别系统一般可分为两个主要部分。

第一部分主要是对获取的图像信息进行加工、整理、分析、归纳，以去除冗余信息，提炼出能反映事物本质的特征，当然，去除和保留什么信息与采用何种方法进行判决有直接关系；第二部分主要是针对所采用的识别方法对预处理后的图像信息进行特征选取，然后把得到的特征量输入到所设计好的识别系统中，按照约定的规则进行目标的归类。

最后是输出的结果，当然，最后得到的结果的品质与前面各个处理阶段的工作密不可分，所以力求每个处理环节都能达到科学、合理、完善。

1、图像预处理概述传统的图像处理技术主要针对数字图像信息变换过程，如获取、变换、增强、恢复（还原）、压缩、分割和边缘提取等几个方面开展工作，随着新工具和新手段的不断出现，这些图像处理技术一直在更新与发展。

近几年来，随着信息技术的迅猛发展，给图像处理领域带来了新的活力，图像分类、图像识别、图像特征分析、图像融合、图像配准、图像检索（基于内容）与图像数字水印等领域都得到了很大的发展。

这些图像处理技术是人类的智力活动在一定程度上的延伸，它们都不同程度的把智能化处理能力引入进来，模仿、延伸和扩展了人的智能，它是以传统图像处理技术为基础，并把其作为图像预处理技术。

1.1 水下图像特点由于水的光学特性的作用，典型的水下图像有如下几个特点：(1)水对光的吸收作用给水下彩色摄象带来很大的困难，通常只能在距离目标l-2m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象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匀[4]。

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。

1.2空间域图像处理1.2.1灰度变换灰度修改运算是针对图像中的点运算,只针对像素的灰度进行修改，而不改变其位置。

灰度变换可以描述为用一个变换函数()T ⋅，将原始灰度图像(,)f x y 转化为输出图像(,)g x y ，即：(,)[(,)]g x y T f x y =灰度变换可以有效的修改图像的对比度,且实现简单。

根据变换函数()T ⋅的不同,灰度变换又可分为线性变换、分段线性变换和非线性变换。

现阶段，图像噪声滤波方法较常用的有带通滤波法、低通滤波法、平滑滤波、均值滤波、锐化滤波、中值滤波等等。

依照处理程度的不同，图像滤波可以被看作图像预处理，也可以被当作图像后续处理的一种手段。

按图像滤波的作用分类，可分为：（1）作为图像预处理，滤波的目的就是为了使输出结果更加适合后面的进一步处理，包括边缘提取，图像分割等等。

（2）当把它应用于图像后处理阶段，主要目的是用于图像的复原和重建，使图像的视觉效果经过处理后能够满足观察或者识别的需求等。

1.2.2直方图均衡化和规定化图像处理中，直方图修正方法是增强图像实用且有效的方法之一。

图像的直方图概括了图像的灰度级内容，它包含了丰富的信息，用直方图均衡化和规定化的算法，能将原始图像密集的灰度分布变得稀疏,以改善视觉效果。

直方图均衡化(HE, Histogram Equalization)也是一种最早最常用的图像增强方法，它的基本思想是使图像中的所有灰度级概率均勾分布，即使之具有最大信息量。

直方图均衡化处理时对整幅图像采用同一个变换，并不能适应不同区域的对比度变化，为了克服直方图均衡化的缺点，人们提出了一种自适应方法局部直方图均衡化(LAHE,Local Area Histogram Equalization)。

LAHE 根据图像中每一个像素点的相关区域确定其灰度变换函数，它克服了 HE 对整张图像采用同种变换的缺点，具有良好的处理结果，但其效率却极其低下。

PizerM 和AmbtrmP 等人提出了使用插值方法来改进LAHE 的运算效率。

R. Dale Jone 在针对LAHE 采用固定相关区域大小的不足，提出了一种能够动态确定矩形窗口大小的直方图均衡化方法。

1.2.3空域滤波由像素组成的空间称为空域，空域的处理一般是在图像空间中借助模板进行邻域操作。

假定图像由许多灰度恒定的小块组成，相邻像素之间则存在很高的空间相关性，而噪声一般为统计独立的。

空域滤波直接对图像的像素进行操作，以改善图像的质量，对于输入图像(,)f x y ，空域处理表达式为：(,)[(,)]g x y T f x y =其中()T ⋅为对点(,)x y 邻域内进行处理的函数。

空域滤波原理空域处理的原理如上图所示，,其处理步骤为：(1)在待处理的图像中逐点移动模板，将模板的中心与像素点位置重合。

(2)对于线性空域滤波，其响应R 由滤波器系数和滤波器当前扫过区域响应像素的乘积和,如上图所示，其响应R 为:(1,1)(1,1)(1,0)(1,)(1,1)(1,1)R w f x y w f x y w f x y =----+--++++响应R 为结果图像在(x,_y)位置的灰度。

1.3频域图像处理1.3.1基本概念设原图像为(,)f x y ，其傅立叶变换为(,)F u v ，通常(,)F u v 的高频分量反映到图像中为边缘、噪声和变化陆峭的部分，而其低频分量则对应平缓变换的部分。

选择合适的滤波器函数(,)H u v 对频谱成分(,)F u v 进行调整,对调整后的频谱成分作傅立叶逆变换则得增强后的结果图像这就是频域增强的基本过程，可用流程图简单的描述如下。

(,)(,)(,)(,)(,)DFT H u v IDFT f x y F u v G u v g x y −−−→−−−→−−−→滤波由上面过程可以看出，在频域增强技术中，为了突出自己感兴趣的区域同时削减噪声和无关信号，选择一个合适的频率传递函数(,)H u v 非常重要。

对于需要保留的频率分量，可以令对应的(,)H u v 等于1或增加其系数；对于需要抑制或衰减的频率分量，则将传递函数(,)H u v 置零或取接近于0的常数。

由上文可知，空域指的是图像自身空间，空域的处理是对图像像素的直接处理。

频域处理的基础是修改图像的傅立叶变换，它和空域的联系主要是建立在卷积理论的基础上。

设有大小为M N ⨯的图像(,)f x y ,使用模板(,)f x y 进行空域滤波的过程可表示为空域卷积运算：11001(,)(,)(,)(,)M N m n f x y h x y f m n h x m y n MN --==*=--∑∑根据卷积定理，(,)(,)f x y h x y *和(,)(,)F x y H x y 组成一傅立叶变换对，(,)(,)f x y h x y 和(,)(,)F x y H x y *组成一傅立叶变换对，即：(,)(,)(,)(,)(,)(,)(,)(,)f x y h x y F u v H u v f x y h x y F u v H u v *⇔⇔* 在实际图像处理中,通常给定(,)f x y ，则可得到(,)F u v ，对于确定的(,)F u v 可通过下式求得结果图像(,)g x y ：1(,)[(,)(,)]g x y F F u v H u v -=低通滤波、高通滤波、同态滤波、带通和带阻滤波等都是常用的频域增强方法。

1.3.2低通滤波低通滤波是指在频率域中，通过滤波器函数衰减或阻断高频信息，而低频信息能够正常通过。

通常图像的细节信息和噪声多分布于高频部分，因此对图像进行低通滤波有平滑降噪的作用。

低通滤波器通常有：(1)理想低通滤波器；(2)巴特沃斯低通滤波器；(3)高斯低通滤波器。

1.3.3高通滤波与低通滤波相反，高通滤波器是为了衰减和抑制低频分量，让高频分量通过滤波器,即保留边缘和急剧变化的细节信息。

高通滤波器形状与低通滤波器相反，因此其传递函数可由下面关系式给出：(,)1(,)hP lP H u v H u v =-高通滤波器通常应用于图像的锐化环节，常用的高通滤波器有理想高通滤波器、巴特沃斯高通滤波器、高斯高通滤波器等。

1.3.4同态滤波由于水下光照条件的限制，通常获得的水下图像会出现照度不均匀的情况。

同态滤波是基于图像获取过程中照明反射成像原理提出的，属于频域处理，其应用方面包括调节图像的灰度范围,解决光照问题和突出细节信息。

同态滤波器(Homomorphic Filtering)最早于1969年由Oppenheim 等人提出，用于声波的分析和合成后Fries 等人将其应用于图像处理中，同态滤波将图像分解为照度和反射两部分，通过对数运算将乘性噪声的照度成分转为加性噪声，通过傅立叶变换对频率域处理改善图像的效果。