發(fā)布時(shí)間：2021-03-20 16:29

　　為進(jìn)一步提高水上航行器視覺(jué)避障時(shí)圖像分割的精確性,提出融合修正OTSU和中值濾波的水上航行器障礙物圖像分割算法。利用修正系數(shù)將原始圖像從RGB模型轉(zhuǎn)換為Y、Cb、Cr色度值修正的模型,進(jìn)行修正OTSU的閾值分割,對(duì)分割后的二值圖像實(shí)行自適應(yīng)中值濾波降噪處理,并對(duì)3種水上障礙物識(shí)別算法進(jìn)行測(cè)試。結(jié)果表明:與加權(quán)Otsu算法和改進(jìn)閾值分割算法對(duì)比,該算法可以將檢測(cè)目標(biāo)區(qū)域占比穩(wěn)定在80%以上,并將干擾噪聲區(qū)域占比降低至28.5%,說(shuō)明算法有效、可行。 

【文章來(lái)源】：兵工自動(dòng)化. 2020,39(07)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

色彩模型轉(zhuǎn)換(c)橋洞YCbCr修正(d)蘆葦YCbCr修正

7期吳政峰等：融合修正OTSU和中值濾波的水上航行器障礙物視覺(jué)分割第·17·YCbCr色彩模型作為水上障礙物圖像視覺(jué)分割的色彩模式。RGB色彩模式轉(zhuǎn)化為YCbCr色彩模型的關(guān)系如下式所示：0.2570.5040.098160.1480.2910.4391280.4560.3680.071128YRCbGCrB。(1)其中Y、Cb和Cr是YCbCr色彩模型的色度值，分別對(duì)應(yīng)亮度、藍(lán)色色度和紅色色度信息。由于水面光照、水紋等變化較大，為了獲得更好的轉(zhuǎn)換效果，筆者對(duì)YCbCr色彩模型中各色度值按式(2)進(jìn)行修正。為了抑制光照和水紋的影響，應(yīng)最小化亮度Y的修正系數(shù)α。為避免天空及水波紋等干擾因素藍(lán)色色度的影響，藍(lán)色分量Cb的修正系數(shù)β應(yīng)取較小值，且小于紅色分量Cr的修正系數(shù)γ，即滿足式(3)�；诖�，經(jīng)多組測(cè)試分析，文中α、β、γ的取值最終分別為0.110，0.235，0.655。圖1(a)、(b)分別為水上常見(jiàn)障礙物——橋洞和蘆葦?shù)脑糝GB圖，基于式(1)、式(2)轉(zhuǎn)換后得如圖1(c)、(d)所示的YCbCr修正圖像。由圖可以看出：經(jīng)YCbCr色度值修正，水上障礙物與背景之間的差異變得更加明顯，對(duì)隨后閾值選取更有利。222pImageYCbCr；(2)1＜＜。(3)(a)橋洞原圖(b)蘆葦原圖(c)橋洞YCbCr修正(d)蘆葦YCbCr修正圖1色彩模型轉(zhuǎn)換2OTSU分割2.1OTSU分割方法在獲得修正處理后的水上障礙物YCbCr圖像后，將其灰度等級(jí)設(shè)為L(zhǎng)，取值范圍為[0,255]，像素總數(shù)為N，ni是像素為i的總像素?cái)?shù)，則其概率為iPinN。(4)從[0,255]內(nèi)確定一個(gè)將圖像分為2部分?

芎偷那榭�。�?適應(yīng)中值濾波器也具有矩形窗口，根據(jù)下面描述的比較條件的變化而改變特定濾波器窗口大校設(shè)濾波窗口中像素最大灰度值為nm，最小灰度值為nn，平均灰度值為na，則灰度值范圍為[nn,nm]。當(dāng)na-nn＜0且na-nm＞0時(shí)，平均灰度值不在灰度值范圍內(nèi)，屬于噪聲，增大濾波窗口且最大到77窗口，若依舊不滿足，則取平均值na為中值；當(dāng)na-nn＞0且na-nm＜0時(shí)，調(diào)整當(dāng)前濾波窗口大小，實(shí)行常規(guī)中值濾波。圖4給出了不同蘆葦蕩的不同中值濾波結(jié)果。使用33窗口中值濾波后，圖像邊緣明顯存在較多噪聲如圖4(a)，而使用55窗口中值濾波后目標(biāo)變得模糊，具體邊緣細(xì)節(jié)明顯鈍化如圖4(b)。圖4(c)是基于自適應(yīng)中值濾波的測(cè)試效果，不僅消除了圖像噪聲，而且有效地保存了目標(biāo)邊緣細(xì)節(jié)。(a)33中值濾波(b)55中值濾波(c)自適應(yīng)中值濾波圖4中值濾波測(cè)試效果4水上障礙物識(shí)別算法測(cè)試為了驗(yàn)證文中算法(VSAIMOAMF)的有效性，針對(duì)蘆葦、橋洞和船舶3種障礙物，對(duì)超過(guò)40個(gè)水上障礙物進(jìn)行了性能檢測(cè)，并將測(cè)試結(jié)果與基于目標(biāo)方差加權(quán)的Otsu分割算法[11](Otsusegmentationalgorithmbasedonweightedtargetvariance，OSAWTV)和基于改進(jìn)Otsu閾值分割算法[12](improvedOtsuthresholdsegmentationalgorithm，IOTSA)進(jìn)行了比較。比較參數(shù)指標(biāo)為目標(biāo)區(qū)域占比和干擾區(qū)域占比，其定義如下：目標(biāo)占比=NumI/NumK×100%；(13)干擾占比=NumJ/NumK×100%。(14)式中：NumI表示分割出來(lái)并屬于原始圖像水上障礙物的像素?cái)?shù)；N

【參考文獻(xiàn)】：
期刊論文
[1]基于HSI空間的玉米雄穗識(shí)別算法[J]. 茅正沖,孫雅慧.  傳感器與微系統(tǒng). 2018(09)
[2]基于雙目視覺(jué)的水面障礙物識(shí)別算法[J]. 韓佳穎,周楠.  數(shù)字技術(shù)與應(yīng)用. 2018(05)
[3]基于組合特征的航母目標(biāo)識(shí)別方法[J]. 張潤(rùn)鑫,武文波,陳瑞明.  航天返回與遙感. 2018(02)
[4]基于YCbCr顏色空間手勢(shì)分割[J]. 楊紅玲,宣士斌,莫愿斌,趙洪.  廣西民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[5]結(jié)合新顏色空間與Otsu的分水嶺彩色圖像分割算法[J]. 汪瀾,張慧,張海濤.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[6]基于Otsu方法的鋼軌圖像分割[J]. 袁小翠,吳祿慎,陳華偉.  光學(xué)精密工程. 2016(07)
[7]基于改進(jìn)Otsu閾值分割的車(chē)道線分割方法[J]. 唐陽(yáng)山,張貴洋,田鵬,顏新陽(yáng).  遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[8]基于幾何特征的手勢(shì)識(shí)別方法[J]. 林水強(qiáng),吳亞?wèn)|,陳永輝.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(02)
[9]一種基于中值濾波的圖像去噪算法[J]. 耿帥,王希常.  計(jì)算機(jī)與現(xiàn)代化. 2011(11)
[10]最大類間方差法在圖像分割中的應(yīng)用[J]. 孫璐,陳洪海.  煤炭技術(shù). 2008(07)

博士論文
[1]RGB顏色空間及其應(yīng)用研究[D]. 黃國(guó)祥.中南大學(xué) 2002



本文編號(hào)：3091305