摘要：采用一種基于相對熵的水下圖像模糊增強(qiáng)算法對深海結(jié)核分布豐度圖像進(jìn)行處理。該算法首先使用基于閾值選取的圖像分割原理確定一個閾值參數(shù)，然后根據(jù)此閾值參數(shù)定義隸屬函數(shù)，從而將圖像轉(zhuǎn)化為等效的圖像模糊特征平面，通過在模糊平面上采用相對熵的算法對圖像進(jìn)行增強(qiáng)運(yùn)算，最后實(shí)現(xiàn)時圖像的邊緣檢測。仿真結(jié)果表明該算法是有效的。

關(guān)鍵詞：水下圖像；模糊增強(qiáng)；隸屬函數(shù)I邊緣檢測

中圖分類號：TP751.1

文獻(xiàn)標(biāo)識碼：B

文章編號：1004—373X(2008)04—142—03

深海采礦機(jī)器人作業(yè)于深海環(huán)境，作業(yè)過程需檢測結(jié)核豐度、車轍軌跡、路徑障礙等過程信息，建立機(jī)器人水下作業(yè)環(huán)境，指導(dǎo)機(jī)器人沿預(yù)定軌跡、以優(yōu)化行走參數(shù)完成采集作業(yè)。結(jié)核豐度、軌跡的在線圖像識別分析數(shù)據(jù)對優(yōu)化機(jī)器人行走速度、提高機(jī)器人回采率起著至關(guān)重要的作用。但是，深海水體對光的散射和吸收效應(yīng)嚴(yán)重影響水下成像過程，造成水下圖像質(zhì)量不理想和冗余信息匱乏，圖像對比度低、紋理模糊；加之光照不均，使得水下圖像的質(zhì)量不理想。邊緣檢測技術(shù)是圖像分析和處理的重要工具，因?yàn)檫吘壥撬崛∧繕?biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來。由于水下圖像的特殊性，利用傳統(tǒng)的結(jié)構(gòu)特征或一般的灰度特征進(jìn)行圖像分析已不適應(yīng)。20世紀(jì)80年代中期，Pal和King把模糊數(shù)學(xué)應(yīng)用到圖像處理，將模糊問題轉(zhuǎn)化為確定性或更適宜于計(jì)算機(jī)處理的問題。本文針對深海結(jié)核分布圖像，通過隸屬函數(shù)將圖像變換到模糊集平面，對圖像采用一種基于模糊熵的模糊增強(qiáng)算法對圖像進(jìn)行增強(qiáng)，然后基于閾值的圖像分割原理，采用相對熵方法選取最佳閾值，最后再對圖像進(jìn)行邊緣檢測處理。

1 基于相對熵的水下圖像閾值法邊緣分割

基于熵理論的進(jìn)行邊緣檢測，計(jì)算出熵后，取一適當(dāng)?shù)拈撝担绻匦∮谶@一閾值，就認(rèn)為所選共生矩陣的中心點(diǎn)為邊緣點(diǎn)，最優(yōu)閾值的確定是邊緣檢測算法的關(guān)鍵。

1.1模糊增強(qiáng)算法

模糊增強(qiáng)算法包含2個基本步驟，即模糊化和增強(qiáng)變換。通過式(1)可以將圖像的取值為整數(shù)的灰度值轉(zhuǎn)化為模糊域的隸屬度。后續(xù)的增強(qiáng)變換在模糊域中進(jìn)行，增強(qiáng)前后的對象均為模糊集，設(shè)模糊集A上的模糊增強(qiáng)算子為

1.2共生矩陣及其象限分割

1.3相對熵算法的閾值求取

2 檢測增強(qiáng)圖像的邊緣其中，P₁為窗口中心象素灰度與窗口中各象素灰度之和的比值，這里熵已經(jīng)被歸一化，即O≤H≤1。

本文選取的是一個象素點(diǎn)的8鄰域情況。根據(jù)前面的方法計(jì)算出這局部窗口的熵，求出最佳閾值。然后判斷窗口熵和最佳閾值的關(guān)系，如果熵小于這一閾值，則所選窗口的中心點(diǎn)就屬于邊緣點(diǎn)，否則不是邊緣點(diǎn)。3算法仿真結(jié)果與分析

為了驗(yàn)證本文提出的圖像邊緣檢測方法的分割效果，本文使用2001年在云南撫仙湖200 m水深試驗(yàn)時拍攝的水下模擬結(jié)核的圖片為對象，在Matlab環(huán)境下對此圖片進(jìn)行增強(qiáng)與提取處理，處理結(jié)果如圖2所示。

針對實(shí)驗(yàn)結(jié)果分析本文的算法：

(1)增強(qiáng)算法部分迭代次數(shù)小于4次時，每增加1次迭代，圖像增強(qiáng)變化比較明顯，但迭代次數(shù)大于4次時，增加迭代次數(shù)，圖像效果不明顯變化，如圖2(b)與(c)所示；一般迭代4次時即能達(dá)到此算法的最佳效果。

(2)邊緣檢測結(jié)果的圖像中，由于有些結(jié)核中心光照亮度較大，因此提取分割被歸入背景，這可以通過形態(tài)學(xué)濾波的方法修正。

(3)圖2(d)是在原圖處理過程中計(jì)算出g_m為68，熵H為0.164 8的提取邊緣結(jié)果，從圖2可以看出此算法在提取水下圖像的邊緣方面是有效的。

4 結(jié) 論

本文結(jié)合傳統(tǒng)基于閾值的圖像分割算法，提出一種基于相對熵的模糊圖像增強(qiáng)的分割方法。首先，根據(jù)1幅目標(biāo)圖像進(jìn)行模糊化和模糊增強(qiáng)處理，在此基礎(chǔ)上利用相對熵求取最佳閾值，進(jìn)行圖像分割。在模擬結(jié)核圖像的分割處理中，實(shí)驗(yàn)結(jié)果表明算法的有效性。