Polarimetric Laser Range-Gated Underwater Imaging

For conventional laser range-gated underwater imaging （RG[） systems, the target image is obtained based oil the reflective character of the target. One of the main performance limiting factors of conventional RGI is that, when the underwater target has the same reflectivity as the background, it is difficult to distinguish the target from the background. An improvement is to use the polarization components of the reflected light. On the basis of conventional RGI, we propose a polarimetric RGI system that employs a polarization generator and a polarization analyzer to detect and recognize underwater objects. Experimental results demonstrate that, by combining polarization with intensity information, we are better able to enhance identification of the underwater target from other objects of the same reflectivity.

基于图像的水下相机阵列激光测距与拼接方法

桥梁、大坝等结构涉水部分表观的病害检测过程中,病害参数的精确测量受到水下相机阵列与其距离的影响,并且常用的图像拼接方法依赖于显著特征点,对于上述情况,本文提出将水下相机阵列与激光器结合的方法,基于图像对物距进行测量并由激光辅助拼接图像阵列。根据激光光斑在图像中的位置,分别推导了水下相机阵列平面与被观测表面平行、存在旋转角和存在俯仰角三种情况下的激光测距公式,并且依次进行图像阵列校正、重叠区域计算和图像拼接。实验结果表明,三种情况下测距误差不超过2 mm,相对误差不超过1.5%,并且较好地实现了图像阵列的校正和拼接,在基础设施水下病害检测方面具有较大的应用前景。

面向新工科的水下激光成像实验设计

面向培养引领海洋未来发展的科技领军人才的需求,设计了水下激光成像实验,应用于大学物理高阶创新实验。该实验交叉融合了光、机、电、算法、控制等,利用激光器、工业相机、位移装置等搭建水下激光成像系统,使用C++编写实验处理软件,通过对激光条纹中心提取方法,三维重建,实现水下目标三维形貌测量。系统应用到实验教学有助于学生掌握水下激光成像技术的相关知识,提高学生创新意识和工程应用能力。

基于卷积神经网络的水下湍流探测技术

针对水下湍流的复杂性和多变性对水下航行器性能和姿态控制产生的挑战,提出使用卷积神经网络来测量水下湍流的温差耗散率XT。首先,采用功率谱反演法和惠更斯-菲涅尔原理仿真生成了受水下湍流影响的散斑图像数据集。随后,利用卷积神经网络提取这些受湍流影响的散斑图像中的特征信息,并对温差耗散率XT进行估计。最后,通过现场实验数据集验证了所提出方法的可行性。实验结果表明,所提出的神经网络在实地实验数据集和模拟仿真数据集上表现出相似的分类精度和损失曲线,其测量准确率分别为98.8%和99.2%。这一研究为水下环境监测和资源勘探领域提供了重要的参考,对于光学图像处理和湍流研究等相关领域具有实际意义。

Saliency Motivated Pulse Coupled Neural Network for Underwater Laser Image Segmentation

The detection range of underwater laser imaging technology achieves 4—6 times of detection range of conventional camera in intervening water medium, which makes it very promising in oceanic research, deep sea exploration and robotic works. However, the special features in underwater laser images, such as speckle noise and non-uniform illumination, bring great difficulty for image segmentation. In this paper, a novel saliency motivated pulse coupled neural network(SM-PCNN) is proposed for underwater laser image segmentation. The pixel saliency is used as external stimulus of neurons. For improvement of convergence speed to optimal segmentation, a gradient descent method based on maximum two-dimensional Renyi entropy criterion is utilized to determine the dynamic threshold. On the basis of region contrast in each iteration step, the real object regions are effectively distinguished,and the robustness against speckle noise and non-uniform illumination is improved by region selection. The proposed method is compared with four other state-of-the-art methods which are watershed, fuzzy C-means, meanshift and normalized cut methods. Experimental results demonstrate the superiority of our proposed method to allow more accurate segmentation and higher robustness.

Wavelet Moment Invariants Extraction of Underwater Laser Vision Image

Wavelet moment invariants are constructed for object recognition based on the global feature and local feature of target, which are brought for the simple background of the underwater objects, complex structure, similar form etc. These invariant features realize the multi-dimension feature extraction of local topology and in- variant transform. Considering translation and scale invariant characteristics were ignored by conventional wavelet moments, some improvements were done in this paper. The cubic B-spline wavelets which are optimally localized in space-frequency and close to the forms of Li's(or Zernike's) polynomial moments were applied for calculating the wavelet moments. To testify superiority of the wavelet moments mentioned in this paper, generalized regres- sion neural network(GRNN) was used to calculate the recognition rates based on wavelet invariant moments and conventional invariant moments respectively. Wavelet moments obtained 100% recognition rate for every object and the conventional moments obtained less classification rate. The result shows that wavelet moment has the ability to identify many types of objects and is suitable for laser image recognition.

基于蒙特卡洛仿真的水下四点单目测距研究

水下光通信系统在工作时需要及时获取与接收端的距离信息并进行高速通信。文章提出在水下蓝绿激光通信系统中加入单目测距功能,实现短距离视觉测距和长距离激光测距的水下光通信测距一体化研究。使用蒙特卡洛方法进行仿真,建立激光信号水下信道传输模型,模拟不同目标尺寸、不同距离和不同水质下的水下激光光斑图片,分析以上3种因素对水下单目测距精度的影响。考虑仿真图片光斑弥散和对比度降低对测距精度的影响,文章针对性地提出了一种对水下小尺寸光源目标、结合图像增强和Zernike矩亚像素点边缘检测的单目测距算法以提高单目测距算法的精度。通过实验室水池实验验证,文章所提算法精度达到了使用要求。

半导体白激光作为水下成像系统光源与单色激光、LED白光的对比成像实验

为了解决现阶段开展水下探测工作时存在的照明距离短、光谱范围窄等问题,建立了水下半导体白激光成像系统,并对该系统在不同光源及不同条件下采集图像的质量进行分析。将基于红绿蓝(RGB)三基色半导体激光器合成的功率为220 mW、色温为6 469 K的白激光作为水下照明光源,分别与红、绿、蓝三种单色激光及LED白光光源在不同条件下的水下成像效果进行对比。对于不同水下光源采集的图像,使用不同算法对其进行处理、分析及质量评价。实验结果表明:半导体白激光作为水下光源,采集的图像不仅在细节信息及结构完整性上优于LED白光光源,同时在目标物色彩还原度以及边缘特征信息完整度方面也优于单色激光。半导体白激光具有能量集中、显色性强、光照度高的优势,其光源性能可满足水下低照度的成像要求,在相同的成像系统及成像距离下可获得真实性更强、质感更好、目标物特征信息更多的图像。

水下光电成像技术与装备研究进展(下)

鉴于对深海资源开发、海洋科研以及水下工程作业、考古和救援的迫切需求,使得水下光电成像技术研究和装备研制成为当前国内外重点研究方向之一。介绍了扫描激光、偏振成像、结构光成像、光-声混合成像以及水下图像处理等水下光电成像技术,分析了部分技术应用情况,并讨论了其技术特点。论文对于发展海洋资源开发、水下勘探与研究、水下救援以及国防等所需的水下光电成像技术和装置具有意义。

水下光电成像技术与装备研究进展(上)——水下激光距离选通技术

激光距离选通成像技术是当前国内外不断发展且应用有效的水下光电成像技术之一,国外20世纪90年代后陆续公开了一些水下光电成像探测系统和实验结果。结合海洋资源勘探、水下救援和侦察等应用领域的需求,全面介绍并对比分析了当前国内外典型水下激光距离选通成像装置和性能水平,讨论了其技术特点,对水下激光距离选通成像技术的发展和装置应用具有意义。

基于图像的水下三点激光测距方法研究

基于光学成像原理和激光三角测距法,提出将三个点激光器与水下相机结合、根据水下光学图像对水下目标物距离进行测量的思路。建立了激光束与目标物垂直、与目标物之间存在旋转角、存在俯仰角三种情况下的三点激光测距理论模型,推导了目标物距离与水下激光光斑图像之间的数学关系,在此基础上得到了三种情况下的三点激光测距公式。研制了系统样机,并通过空气中和水下的距离测量实验,测试了测距模型和定标算法的误差。实验结果显示,在8.4 m范围内,使用统一测距公式对距离进行测量时,测距误差最大值约为35 cm,平均测量误差小于15 cm。研究成果可望用于水下目标较近距离的精确测距。

水下激光目标探测及其发展

水下激光目标探测技术在搜索援救、水下侦察、目标识别等海洋开发中都具有重要的实用价值。文章介绍了近年发展起来的几种蓝绿激光水下目标探测技术,即距离选通、同步扫描、偏振激光成像和条纹管3D成像技术,并对于其中所应用到的器件:激光器和接收器就性能进行了较详细的对比分析。最后介绍了该技术的系统发展状况。

散斑噪声污染的激光水下图像滤波算法

水是一种特殊的介质 ,在激光水下图像中总存在因水的后向散射引起的散斑噪声。充分利用形态学的不同结构元多方向形态滤波的多分辨率特性 ,以及形态学运算固有的能将大量的复杂图像处理运算转换为基本的逻辑与移位运算的组合来完成的特点 ,提出了一种多方向的形态滤波算法。不仅有效地抑制了因海水后向散射引起的散斑噪声 ,同时保留了激光水下目标图像的几何结构细节特征。实验表明这是一种有效的滤除水下激光图像散斑噪声的快速滤波算法。

基于图像识别的水下地形冲刷过程监测

针对水下地形冲刷过程发展的特点,引进医学领域图像处理与分析技术,提出了以波长635 nm的红色线状激光为辅助光源、以MATLAB图像识别处理技术为基础的水下地形冲刷监测方法.该方法具有非接触性测量、实时同步监测等特点.同时基于MATLAB的图像识别原理,提出了重现水下地形的数字化方法.通过在河工模型局部冲刷发展研究中的实际应用及误差分析,结果表明监测系统十分有效,可以实现水下地形冲刷过程的实时精细监测及动态分析.

激光视觉水下焊缝图像处理与特征提取

自动化、智能化是水下焊接的发展方向,水下焊缝位置的实时传感与检测是其中的关键技术之一,激光视觉传感是一种很有前景的检测方法.阐述了激光视觉水下焊缝图像在不同水质环境下干扰噪声的特点,探讨了V形焊接坡口的水下焊缝图像预处理方法,研究了M ean Sh ift算法在水下焊缝图像分割中的应用,以及直线Hough变换提取水下焊缝图像特征的应用.结果表明,经图像增强和去噪后,M ean Sh ift算法有效分割出包含焊缝特征信息的激光条纹,图像细化后,直线Hough变换适合于精确提取V形焊缝特征点.

基于分形的激光水下图像分割研究

针对激光水下图像的特性 ,提出一种基于分形常数的图像分割方法 ,以克服因水下成像带来的图像灰度分布不均和严重的散斑噪声影响给分割造成的困难 .实验表明在目标和背景的一般分形特征差异不明显的情况下 。

水下目标光电探测技术及其进展

随着电子技术、激光技术和信号处理技术的发展,光电探测技术应用于水下目标探测方面的研究重新成为热点。介绍了距离选通、激光线扫描、条纹管成像、载波调制、布里渊散射、偏振差分成像技术的原理、特点以及国内外发展现状,重点分析和比较了国内外已有水下目标光电探测系统的性能水平和应用前景,指出水下目标光电探测技术的最新进展以及发展趋势。

水下激光图像增强方法研究

由于水体对光存在着不可克服的吸收和散射效应,距离选通水下激光成像系统所获得的图像存在不同程度的劣化问题。为提高图像质量,在分析水下激光图像特点的基础上,针对常规直方图均衡化的不足,提出了用阈值分割直方图,高灰度区和低灰度区分别进行均衡化,再压缩组合的分段的直方图均衡化方法,并和边缘保护平滑滤波结合应用于水下激光图像增强。通过实验,验证了该算法能达到抑制背景噪声、突出目标细节、提高对比度的效果,对水下激光图像增强十分有效。

水下激光成像系统设计及实验

针对水下目标探测这一难题,设计了基于距离选通技术的水下激光成像系统并进行了相关实验。从实验结果来看,该系统可有效克服激光后向散射并对水下目标进行成像,对于水下目标探测、识别十分有效。

一种距离选通水下激光成像系统设计与实验研究

选用高强度、高单色性和高透过率的蓝绿激光作为光源能避免光波在水中快速衰减,选通相机能以时间先后分开不同距离上的散射光和目标反射光,使目标反射光波刚好在选通相机选通工作时间内到达并成像,有效克服了后向散射的干扰。设计了一套距离选通水下激光成像系统,阐述了其系统组成、功能模块及工作流程,进行了实验室条件下的水下成像实验,并与常规自然光被动成像结果进行对比。实验结果显示距离选通水下激光系统成像距离达40 m,约6倍衰减长度。