[发明专利]一种水下机器人自适应图像增强和特征提取方法

权利要求书

1.一种水下机器人自适应图像增强和特征提取方法，其特征在于，包括以下步骤：

1)利用水下机器人携带的摄像机进行图像拍摄并进行存储；

2)采用CLAHE技术进行图像处理；

3)采用SIFT算法进行图像特征提取；

4)利用特征进行定位识别。

2.根据权利要求1所述的一种水下机器人自适应图像增强和特征提取方法，其特征在于，步骤2)的具体方法为：

2-1)将步骤1)原图分割为k个大小为m×n的连续不重叠的子区域。[m n]的取值决定着图像的细节增强程度，一般情况下其值越小，增强效果越弱；

2-2)计算每个子区域的灰度直方图；

2-3)确定每个子区域灰度直方图“剪切”值；

首先由式(1)计算每个子区域内像素个数平均分配到每个灰度级的平均值N_aver：

$N_{aver}=\frac{N_{CR-X_p}{N}_{CR-Y_p}}{N_{gray}}---\left(1\right)$

其中，N_gray是子区域中灰度级的数量；是子区域x轴方向的像素数；是子区域y轴方向的像素数。实际“剪切”值为N_CL：

N_CL＝N_clip·N_aver(2)

其中，N_clip是截取限制系数，其含义是限制子区域每个灰度级所包含的像素数不超过平均像素数的N_clip倍；

2-4)剪切每个子区域的灰度直方图，余下来的像素数目重新分配到各直方图的各灰度级中；

设已被剪切的像素总数为N_Σclip，于是得到每个灰度级均分的剪切像素数N_acp：

$N_{acp}=\frac{N_{\mathrm{\Σ}clip}}{N_{gray}}---\left(3\right)$

2-5)经过重新分配后，剪切下来像素点剩余数为N_LP，被分配像素的步进值由如下公式给出：

$S=\frac{N_{gray}}{N_{LP}}---\left(4\right)$

对剩余像素从最小灰度级开始按上述步进值进行循环分配至像素数为0，最终得到新的直方图；

2-6)对每个子区域内对比度“剪切”后的灰度直方图进行均衡化；

2-7)按照新的直方图分布，对图像进行灰度双线性插值，生成增强后的结果图像。

3.根据权利要求2所述的一种水下机器人自适应图像增强和特征提取方法，其特征在于，步骤3)的具体方法为：

3-1)读入步骤2-7)中得到的增强后的结果图像，生成高斯差分尺度空间：针对特征点在尺度空间上不稳定的现象，采用高斯差分尺度空间来解决这个问题，它由不同尺度的高斯差分核与图像进行卷积而得，如式(5)：

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)(5)

其中，σ为正态分布标准差，*为卷积符号，I(x,y)表示输入图像，G(x,y,σ)为尺度可变的高斯函数，(x,y)表示图像像素的位置，k为每两个相邻尺度之间的相隔线型比例因子；

3-2)尺度空间极值点检测：极值点的获取需要通过采样点和与其相邻的一定范围内的点进行比较，该范围为同一尺度下的周围8个点和上下两个邻域内的2*9共26个点，看该点是否为最大或最小值；

3-3)关键点精确定位：关键点的精确定位可以提高其匹配准确性，为此，需对关键点做以下处理：

①通过三维二次函数的拟合来确定关键点的位置和尺度信息；

②通过设置合适的阈值对低对比度的关键点进行滤除；

③设定阈值对边缘响应不稳定的关键点进行滤除；

3-4)确定关键点主梯度方向：根据已经检测到的特征点和该特征点的尺度值σ，得到接近这一尺度值的高斯图像：

L(x,y,σ)＝G(x,y,σ)*I(x,y) (6)

则可得到该关键点的梯度大小和方向如下：

m(x,y)＝[(L(x+1,y)-L(x-1,y))²+(L(x,y+1)-L(x,y-1))²]^1/2(7)

$\mathrm{\θ}(x,y)=arctan\frac{L(x+1,y)-L(x-1,y)}{L(x,y+1)-L(x,y-1)}---\left(8\right)$

其中，L(x,y,σ)表示图像的尺度空间，m(x,y)和θ(x,y)分别为高斯金字塔(x,y)处的梯度大小和方向，L所用方向为各关键点尺度下的方向；

得到m(x,y)和θ(x,y)之后，在以关键点为中心的邻域范围内采样，采样后统计其像素梯度方向，然后用直方图表示。直方图的峰值代表该关键点的邻域梯度的主方向，作为该关键点的方向。至此，特征点检测完毕，每一个特征点都包含位置、尺度和方向3方面信息；

3-5)生成特征点描述子：特征点描述通过对关键点周围区域进行图像分块，计算各块内的梯度直方图，生成独特性的向量描述符，具体方法是：以关键点为中心取16×16的采样区域，将该区域分成大小为4×4的16个种子点，在每个种子点区域内分别计算8个方向的梯度累加值，绘制梯度方向的方向直方图；最终获得一个4×4×8的128维的特征描述子。