【摘要】本文主要深入探讨了如何通过采用神经网络进行数字图像处理的技术对利用auv数字图像技术拍摄的大量海底浅层纹理样本进行数字图像处理，获得一个具有包括大量水下输油管道、岩石、沙滩和海底纹理沟壑等图像样本纹理特征的海底纹理图像样本库，并用bp神经网络对这些图像样本纹理特征进行分析训练，以获得高质量的海底纹理神经网络模型。利用该纹理神经网络处理技术不仅可大大提高对水下输油管道中的海底纹理图像的样本视觉判断准确率以及处理工作效率，还可大幅增强现有auv图像视觉处理系统的图像工作处理性能。

【关键词】神经网络;图像识别;水下管道

一、引言

自主式水下海洋机器人（autonomous under water sea vehicle，auv）主要是帮助人们进行探索海洋资源和进行其他海洋科学活动的重要辅助工具。由于auv具有独特区位优势，其在我国海底地下石油油气管线安全巡检工作中正发挥着越来越大的作用。auv在实际工作时需要实现管道轨迹追踪和国际海洋巡航轨迹探测规划，主要依靠电子声学或镭射光学等探测手段。

当管道企业进行auv水下管道作業时，在距离水下管道施工漏水目标较近时，auv的水下管道轨迹成像和实时漏水处理仪在监控系统中实时跟踪漏水目标，生成较为清晰的水下管道漏水轨迹处理图像，同时进行管道实时跟踪数据分析存储。这些水下管道轨迹图像除了前期希望能实时跟踪，同时能够实现各……