高本國

（昆明船舶設備研究試驗中心,云南昆明,650061）

計算機數(shù)字圖像技術在AUV水下管道檢測中的應用

高本國

（昆明船舶設備研究試驗中心,云南昆明,650061）

本文主要研究了計算機數(shù)字圖像技術在對AUV拍攝的水下管道圖片處理過程中的作用。主要對質量較差的水下圖片進行了灰度變換、直方圖處理以增強其對比度，使得圖像更為清晰，然后采用高斯濾波和圖像分割技術對數(shù)字圖像進行了提取，獲得了圖像的特征參數(shù)，以此可以初步實現(xiàn)管道圖像的計算機解讀。從圖像處理的效果來看，通過本文的處理方法，模糊的水下圖像可以轉化為供機器視覺系統(tǒng)提取的準確的數(shù)字圖像，這為進一步的理解圖像信息，以進行AUV的自主光學管道跟蹤與航路規(guī)劃等提供了技術基礎。

計算機數(shù)字圖像技術；AUV；水下管道檢測

0 引言

近年來隨著陸地資源的消耗和人口的激增，人們越來越重視海洋資源的探索和開發(fā)。在此背景下自主式水下機器人（Autonomous Underwater Vehicle，AUV）技術獲得了人們越來越多的重視，特別是在水下輸油管道的巡檢工作中，AUV正獲得越來越多的應用。

與聲吶成像技術相比，水下光學成像技術雖然可視覺距離較近（光在水下衰減較快），但其在近距離生成的圖像細節(jié)較清晰、直觀。應用在水下管道檢測與跟蹤系統(tǒng)中，可根據(jù)圖像直接分析裸露管道的狀態(tài)，判斷管道的腐蝕和破壞程度，給施工者提供直觀參考材料；而且水下光成像還可以實現(xiàn)高速成像，以滿足于水下機器人應用平臺的高實時性要求。因此，如何將水下攝影機所拍攝的圖像進行數(shù)字化處理，以提高其圖像質量，并將其所蘊含的信息進行提取和解讀，以供AUV進行水下目標的識別與跟蹤有著重要的意義。

由于水下成像的特殊性，一般來說水下所成的圖像質量較差，典型的水下圖像有以下特點：（1）灰白效應。（2）對比度低。（3）清晰度差別較大。(4)圖像效果較差。

圖1 典型的水下圖像

圖1是幾幅比較典型的水下圖像，可以看到，水下圖像的對比度都較低，圖像中目標體的噪聲嚴重，邊緣模糊，此外受到水下光照條件的影響，水下圖像的清晰度差別較大，存在明顯的灰白效應。

針對水下圖像的這些特點，本文利用灰度變換、直方圖處理、高斯濾波、模糊增強和圖像分割等計算機圖像技術對其進行處理，以獲得可以為AUV控制終端直接分析和理解的信息，以供其進行管線追蹤和航線軌跡規(guī)劃，本文的主要研究思路如下：

1 計算機數(shù)字圖像技術在管道識別中的應用

1.1 灰度變換與直方圖處理

在獲得水下攝影圖片后，AUV的圖像控制處理中樞會對樣片進行質量預判，將部分成像失敗或者成像質量較差的底片去除，篩選出相對清晰的原始底片，供下一步處理模塊處理。

由于水下CCD攝像頭最初獲得的為RGB真彩圖像，其信息量較大，不適合做圖像處理，因此需要將其進行灰度轉換。由于水下圖像具有灰白效應和對比度低的特點，在獲得水下圖像的灰度圖像后，還需要對其進行對比度增強，以提高其清晰度，這通常采用壓縮圖像的灰度范圍來實現(xiàn)，本文采用公式（1）來對原始灰度圖像進行對比度調整。

其中：C為尺度比例常數(shù)，s為原圖灰度值，t為目標圖灰度值，s和t的取值范圍都為0到L-1。

對于執(zhí)行水下管道巡檢任務的AUV來說，其圖像預處理的目的是為了將圖像中的管道與其它背景進行區(qū)分，因此需要對其進行灰度直方圖均衡化處理，將臨近灰度值的部分歸為一類，以區(qū)別管道圖像及其背景。其基本原理是通過調整圖像像素之間的映射和分布關系，使灰度的概率密度呈均勻分布，從而調整圖像的整體對比度，使得圖像過去亮度較暗的部分的信息得以呈現(xiàn)，其變換公式為：

其中：0≤sk≤1，k=0，1，…L，sk為原圖像像素值。

圖2 本文研究思路

圖3 直方圖均衡化或規(guī)定化后的圖像

從圖3中可知，進行直方圖均衡化后，圖像整體的對比度獲得了改善，圖像陰暗分明，并能看到更多的細節(jié)。

1.2 高斯濾波處理

由于圖像受到海水中的各種懸浮微粒散射的影響，極大的影響了成像質量，增大了圖像處理的難度。

高斯濾波是一種有效的低通濾波方法器，它常用來對圖像進行平滑的濾波處理，其對圖像服從隨機或高斯分布的噪點具有很好的效果。高斯濾波器函數(shù)的二維形式如下：

其中，x和y表示的是像素點間的距離，σ為分布函數(shù)，高速濾波曲線的形狀可以通過改變分布函數(shù)σ來實現(xiàn)。

此外，由于采用CCD鏡頭成像時鏡頭中的噪點多服從正態(tài)分布，因此采用高斯濾波對圖像進行濾波處理的效果較好。

為了驗證高斯濾波器的處理效果，本文特意選取了一張受噪聲污染較為嚴重的灰度圖像原片，然后采用高斯濾波的方法對圖像進行處理，結果如下圖：

圖4 采用高斯濾波對圖像進行處理

1.3 模糊增強

高斯濾波器雖然可以有效降噪，但同時也會降低數(shù)字圖像的清晰度。為了恢復和提高經(jīng)高斯濾波后的圖像清晰度，使得管道區(qū)域可以有效地和黑色背景區(qū)域區(qū)別開，本文采用模糊增強算法對圖像進行邊緣處增強。本文定義模糊算子為：

式中：r為灰度模糊變換的次數(shù)，通過試驗發(fā)現(xiàn)，當取r=3時圖像的增強效果最好；其中kmn為圖像像素的隸屬度。

1.4 圖像分割

對AUV所拍攝的水下圖像進行處理的一個主要目的就是為了將人們感興趣的管道圖像從整個海底背景圖像中提取出來，它是從圖像處理進入到圖像量化分析的重要步驟，它使得對圖像的數(shù)字化提取和解讀理解成為可能。

本文采用閾值化技術來實現(xiàn)圖像分割，它通過選取合適的灰度閾值，然后以閾值作為區(qū)分標準，將像素灰度值大于閾值的作為一類，其它的劃分為另一類，從而實現(xiàn)對圖像的分割。整個技術的關鍵就是選擇合適的閾值,閾值一般可寫成如下形式:

其中f(x,y)是在像素點(x,y)處的灰度值，p(x,y)是該點的灰度梯度函數(shù)。采用上式即可求出閾值化后的圖像如下。

圖5 閾值化后的圖像

1.5 圖像數(shù)據(jù)信息采集處理

在獲得閾值化的圖像后，需要將圖像轉換為計算機能夠識別的數(shù)字信號特征。為了更好的對數(shù)字圖像特征進行描述，本文選擇閾值圖像中深色圖像的長徑比、伸長度、圓形度3個特征參數(shù)來對其進行描述；通過研究這3類特征參數(shù)在不同圖像中的不同值，來確定水下樣片中的核心圖像為管道還是巖石、溝壑等物。

其中長徑比為圖像的長軸長度與短軸長度之比；伸長度和圓形度以公式（6）和（7）計算:

其中 A是目標區(qū)域的面積，a、b分別是所有包圍目標區(qū)域最小矩形的寬度和長度，通過這一參數(shù)能夠將近似圓形的目標和細長形目標分開。

其中，S為缺陷區(qū)域的面積，L為周長。圓形度C描述了目標形狀與圓的接近程度，C值越大表示其形狀越接近于圓，C=1時為圓形。

本文通過水下攝影機獲得的數(shù)十張背景樣片進行閾值化后的數(shù)字提取，得出部分圖片中物體類型與特征參數(shù)的關系如表1所示。

表1 圖像的特征參數(shù)

將提取后的圖像特征參數(shù)值提交給AUV的圖像運算處理中樞，可以對CCD成像圖片中所蘊含的信息進行解讀，并將相關數(shù)據(jù)提交給AUV處理。

2 結束語

本文主要研究了采用計算機數(shù)字圖像技術對AUV所拍攝的水下圖片進行處理，以獲得能供AUV解讀的特征信息的技術。在圖像處理過程中，本文首先采用了灰度變換和直方圖增強技術以對原始圖像進行增強，然后采用高斯濾波去除噪點，再用模糊增強恢復圖像強度，接著采用閾值化技術對圖像進行了分割和提取，最后選取了長徑比、伸長度、圓形度3個特征參數(shù)對圖像進行描述，以確定圖像所包含的實際信息，并將相關處理數(shù)據(jù)傳輸給AUV的其它控制模塊，以供器進行管道跟蹤或航跡規(guī)劃所用。

[1] 林楠. AUV管道巡檢的相關研究與工程應用[J].機器人,2013,35(4):56-59

[2] 王彬.水下圖像增強算法的研究[D].中國海洋大學碩士學位論文,2008

[3] 唐旭東,朱煒,龐永杰,等.水下機器人光視覺目標識別系統(tǒng)[J].機器人,2009,31(2):171-178

[4] 周飛.計算機視覺檢測方法研究綜述[J].光學技術,2014,12(4):315-321

The application of computer digital image technology in detection of AUV underwater pipeline

Gao Benguo
(Kunming ship equipment research center Kunming Yunnan,650061)

This paper mainly studies the role of computer digital image processing in the process of underwater pipeline image processing by AUV.Mainly for the poor quality of the underwater image of the gray transform, histogram processing to enhance its contrast,making the image more clear,Then, the digital image is extracted by using Gauss filtering and image segmentation technology, and the characteristic parameters of the images are acquired.From the effect of image processing,the image can be transformed into the image of the machine vision system,This provides a technical basis for the further understanding of the image information,which provides the basis for the AUV's autonomous optical pipeline tracking and route planning.

computer digital image technology;AUV;underwater pipeline detection

高本國（1986-），男，云南昆明人，碩士，助理工程師，主要從事機械結構設計方面的工作。