李庆忠，刘晓丽，谷娜娜

LI Qing-zhong, LIU Xiao-li, GU Na-na

中国海洋大学 工程学院, 山东省 青岛市 266100

College of Engineering, Ocean University of China, Qingdao 266100, China E-mail: lqzhlz@yahoo.com.cn

1 引言

水下机器人（ROVs,AUVs）的一个重要应用领域就是对水下复杂场景中的人造目标进行检查和维护，典型的人造目标包括：海洋油气开发平台、跨海大桥、码头港口桩基、海底油气管道、海底电缆、水雷和船底走私货物等。因此，如何从水下复杂背景中快速、自动检测出人造目标，是水下机器人应用中亟待解决的难题。

在基于视频图像的水下人造目标自动检测方面，目前研究现状和存在问题如下：

国内的研究[1]-[4]主要集中在简单水体背景下人造目标的检测方面，即视频图像中主要包含前景人造目标和单一的水体背景。其中人造目标的检测主要采用阈值分割[1][2]和基于不变矩等特征[3][4]的方法。但对于海底复杂场景，这些目标检测算法不再适用，因为海底背景中常常会含有岩石、珊瑚礁、水草等，单纯的阈值分割或矩特征提取是无法实现的。

在国外，为了实现海底复杂场景中人造目标的自动检测，Christian等[5]采用视觉注意机制形成显著图以获取可能的目标区域，然后利用主动轮廓法实现人造目标的分割。在其视觉注意机制中采用了颜色、亮度、方向三个特征信息，通过融合 44个特征图以得到最后的显著图，可见其实时性很难提高。其实验结果表明：该算法在多数情况下能得到满意的检测结果，但是当人造目标的颜色和背景相近时，检测失败。Adriana等[6]也对无约束海底视频中人造目标的自动检测算法进行了研究，其研究发现：人造目标的纹理和颜色特征不再适合作为检测依据，只有轮廓特征在水下成像环境中最为稳定，因此选用轮廓特征作为检测依据。……