[发明专利]一种水下图像目标提取系统

权利要求书

1.一种水中图像目标提取系统，其特征是，包括主控模块、水下机器人模块、图像处理模块、信息传输模块和显示模块，所述主控模块用于控制水下机器人模块的运作和水下原始图像的采集，所述图像处理模块用于对所述原始图像进行处理，从而识别图像中的目标，所述信息传输模块用于将处理后的图像信息传输到显示模块进行显示。

2.根据权利要求1所述的一种水中图像目标提取系统，其特征是，所述水下机器人模块包括控制器单元、水下摄像单元和水下照明单元，所述控制器单元通过信息传输模块接收来自主控模块的指令，从而根据指令调整机器人的运行状态，所述水下摄像单元用于采集水下的原始图像，所述水下照明单元用于在水下摄像头单元采集时进行照明。

3.根据权利要求2所述的一种水中图像目标提取系统，其特征是，所述信息传输模块采用防水电缆与主控模块进行通信。

4.根据权利要求3所述的一种水中图像目标提取系统，其特征是，所述图像处理模块包括高斯滤波单元、边缘处理单元和形心提取单元，所述高斯滤波单元用于对采集得到的原始图像进行处理，去除图像中的噪声等干扰，并实现图像边缘的精确定位，所述边缘处理单元用于对滤波后图像的边缘进行处理，去除滤波后图像中剩余的伪边缘，所述形心提取单元用于根据检测所得的图像的轮廓提取目标的形心，从而实现目标的快速识别。

5.根据权利要求4所述的一种水中图像目标提取系统，其特征是，所述高斯滤波单元用于对采集得到的水下的原始图像进行高斯滤波处理，其采用一种改进的滤波尺度算法进行高斯滤波尺度参数的确定，具体包括：

a.对所述原始图像进行分区域滤波，计算图像的局部区域的组合复杂度因子，其计算方法如下：

Ex=Σi=m-(s-1)/2m+(s-1)/2Σj=n-(s-1)/2n+(s-1)/2XijS2]]>

ρx=Σi=m-(s-1)/2m+(s-1)/2Σj=n-(s-1)/2n+(s-1)/2(Xij-Ex)2S]]>

式中，E_x为图像局部区域D_x的像素点的均值，ρ_x为图像局部区域D_x的像素点的标准方差，(m,n)为图像局部区域D_x的中心点，s为图像局部区域D_x的行列值，X_ij为图像局部区域D_x位置(i,j)处的像素点；

δx=-Σi=1hpi*logpi]]>

pi=ZiΣi=1hzi]]>

式中，δ_x为图像局部区域D_x的信息熵值，h是图像的总的灰度级，z_i为图像局部区域D_x中灰度级为i的像素点总数，p_i为图像局部区域D_x中灰度级为i的像素点数的概率；

定义图像局部区域D_x位置(m_i,n_i)处的像素点为f(m_i,n_i),则图像局部区域D_x位置(m_i,n_i)处中的像素点f(m_i,n_i)在θ方向的平均梯度值为ω_x；

ωx=Σi=1g(fmicosθ+fnisinθ)g]]> 1

式中，g为图像局部区域D_x的像素点总数,为图像局部区域D_x位置(m_i,n_i)处像素点的横坐标值，为图像局部区域D_x位置(m_i,n_i)处像素点的纵坐标值；

则图像局部区域D_x的组合复杂度因子f_x的计算公式如下：

fx=θ1δx+θ2ωx+θ3ln(1+ρx)]]>

式中，δ_x为图像局部区域的信息熵值，ρ_x为图像局部区域D_x的像素点的标准方差，ω_x为图像局部区域的平均梯度值，θ₁、θ₂和θ₃分别为图像局部区域信息熵值、标准方差和平均梯度值在组合复杂度因子f_x中所占的比值；

b.根据上述所得的图像局部区域的组合复杂度因子计算局部区域的滤波尺度因子p_x，则局部区域D_x的滤波尺度因子p_x的计算公式为：

px=pmax;fx=fminpmax(1-fxfmax-fmin);fmin<fx<fmax1;fx=fmax]]>

p_max＝log₂[max(H,L)]

式中，f_x是图像局部区域D_x的局部复杂度，f_max是局部区域中的最大局部复杂度，f_min是图像局部区域的最小局部复杂度，p_max是局部最小复杂度的滤波尺度因子，(H,L)是最小局部复杂度对应图像局部区域的分辨率；

c.根据上述计算所得各局部区域的滤波尺度因子p_x，计算对应区域的高斯滤波参数σ_x的值为：

σx=px3]]>

6.根据权利要求5所述的一种水中图像目标提取系统，其特征是，所述边缘处理单元用于对滤波后的图像进行处理，去除滤波后图像中剩余的伪边缘，具体包括：

a.计算滤波后图像的梯度值，从而建立滤波后图像的梯度直方图，定义梯度直方图中像素点数最多的梯度幅值为T_m，定义边缘连接的高阈值y_m,则阈值y_m的计算公式为：

km=Σi=0N|Ti-Tm|N]]>

ym=Tm(1+ekm)]]>

式中，T_i为图像的梯度幅值，T_m为梯度直方图中像素点数最多的梯度幅值，N为图像中梯度幅值的个数；

b.去除梯度直方图中大于上述所得高阈值y_m的像素点，建立剩余像素点的梯度直方图，定义剩余像素点的梯度直方图中像素点数最多的梯度幅值为K_m，定义边缘连接的低阈值y_l，则低阈值y_l的计算公式为：

gl=Σi=0M|Ki-Km|M]]>

yl=Km(1+egl)]]>

式中，K_i为剩余像素点的梯度直方图中的梯度值,M为剩余像素点的梯度直方图中梯度幅值的个数，K_m为剩余像素点的梯度直方图中像素点数最多的梯度幅值；

c.去除梯度直方图中大于阈值y_l的像素点，剩余的像素点即为图像的边缘。