基于数字图像的拖网痕迹检测方法

摘要

近些年来，海洋生态调查和研究结果表明，海洋鱼类种群的下降，尤其是传统鱼类资源衰退，与海底拖网在捕获经济鱼类的同时破坏了海底底栖生物生存环境，造成海底生物食物链的结构变化，进而造成生态系统结构失衡，具有密切关系。各种海底拖网方式不但破坏海底沉积物的原始结构，以及生活在沉积物中的生物和植物的生存环境，还会干扰和杀死生活在海底的蠕虫及动物，导致海底世界被少数几种能经受住窒息或不断干扰的生物所垄断，引起海洋生态系统的改变，从而导致渔场的生产率降低。因此，针对拖网对海底环境破坏程度进行监测，了解海底环境的变化规律，制定相应的管理和保护措施是保证海洋经济可持续发展的重要环节。 随着水下机器人、图像处理、智能识别、地理信息系统等先进的信息技术不断渗透到海洋渔业的科研和管理等领域，新的边缘学科和交叉科学正不断形成。利用计算机视觉和模式识别等先进方法对海底拖网“痕迹”的规模、持续时间、密度等进行监测和评估，有可能促进底栖生态变化、资源管理、环境保护等研究的深层次发展，为政府提供辅助决策。本文针对目前我国视频图像中的拖网痕迹检测与识别尚未见到有关研究报道的现状，对数字图像中拖网“痕迹”自动识别所涉及的理论和技术方法开展了有意义的探索研究，解决了拖网“痕迹”线段检测、基于几何形状的特征表达与提取、神经网络识别系统等关键技术问题，开辟了基于“痕迹”轮廓的几何特征进行海底图像自动分析这一新的研究领域。 本文取得了以下研究成果：(1)从实用角度出发，设计了水了下拖曳式光学成像实验装置，完成了海底图像实时采集系统的开发及图像前期处理方法研究。(2)针对传统Hou曲变换提取直线方法所存在计算量大，资源配置要求高等缺点，设计了一种扩展的分步概率Hou曲变换算法(EPPHT)。首次将线段的特征融合到分步概率Hou曲变换中，在准确提取海底拖网“痕迹”线段同时，减少投票计算量、提高计算速度。(3)提出了一种基于平稳小波变换的边缘检测与边缘线段提取方法，利用离散平稳小波变换中的非时变特性和多尺度的特点对噪声干扰进行抑制，提高了水下图像边缘的检测和定位精度，在复杂环境下的边缘线段检测能力及边缘线段提取的定位精度方面均优于Hou曲变换方法。(4)提出了基于“痕迹”轮廓几何形状的特征提取新方法。与纹理特征检测方法相比，我们提取的特征不但具有良好的与目标的旋转、平移和光照变化无关的鲁棒性，并且具有计算速度快、算法简单、受海底地质变化制约小等特点。(5)实现了一个基于神经网络的“痕迹”线段识别系统。利用神经网络对海底拖网“痕迹”与其他目标进行区分，为海底拖网痕迹的自动识别提供了一个思路，基于这一思路，有可能设计出具有普遍意义的海底图像自动识别算法。

目录

文摘

英文文摘

独创声明及学位论文版权使用授权书

1前言

2海底图像采集实验平台构建与图像预处理

3基于Hough变换的拖网痕迹线段检测方法

4基于平稳小波变换的水下图像处理及边缘线段检测

5基于人工神经网络的拖网痕迹识别方法

6总结和展望

参考文献

附录

攻读硕士学位期间发表论文情况

致谢