, ,2, ,，,2

(1.江苏科技大学张家港校区机电与动力工程学院，江苏 张家港 215600；2.中科探海(苏州)海洋科技有限责任公司，江苏 张家港 215600)

0 引言

机器鱼作为仿生机器人的研究热点，在污染物监测、水下资源勘探等方面扮演着关键性角色[1-2]。

2004年8月，北航机器人研究所利用自研制的SPC II机器鱼，通过对摄像头获得的图像进行目标提取，进而实现机器鱼控制来协助考古学家完成了冬古湾古沉船的考古发掘。其中视觉目标检测是重点，为此，国内外很多学者进行了相关研究[3-5]。巨志勇等[6]基于灰度化图像，利用插值法和Otsu算法实现对目标的分割。此方法能有效抑制光照强度分配不均的问题，但无法处理图像光照条件发生变化的情况。杨康叶等[7]综合分析图像各像素RGB分量，通过对像素的聚类实现目标提取，该方法直观便捷，但在适应光照条件变化的方面还是差强人意。沈志忠等[8]基于YCrCb颜色空间，利用边缘提取实现了适应光照条件变化的机器鱼视觉分割。但由于YCrCb颜色空间的限制，执行算法所需参数较多，不利于实时检测。鉴于此，提出了一种新的基于边缘重心模板阈值分割算法。

1 机器鱼像素H分量值的极差确定

1.1 颜色空间的选择

摄像头默认使用RGB颜色空间来表述图像颜色，但RGB颜色空间存在受光照条件影响较大的不足，而HSV颜色空间具有独立颜色亮度、提高颜色聚类效果的优点[9]，为此以HSV颜色空间作为进行机器鱼视觉分割的颜色空间。令k，m分别为RGB分量的最大和最小……