基于改進RGHS和Canny算子的水下圖像邊緣檢測方法*

王慧芳 陳遠明 彭榮發(fā) 洪曉斌

開發(fā)設(shè)計

基于改進RGHS和Canny算子的水下圖像邊緣檢測方法*

王慧芳1陳遠明2彭榮發(fā)1洪曉斌1

（1.華南理工大學(xué)機械與汽車工程學(xué)院，廣東 廣州 510640 2.華南理工大學(xué)土木與交通學(xué)院，廣東 廣州 510640）

無人船航行過程中容易遇到漂浮物、礁石、冰山等障礙物，需獲取障礙物水上、水下的完整輪廓圖像，以進行有效避障。由于水下環(huán)境和水對光波的折射、反射、吸收等原因，直接對相機獲取的障礙物水下圖像進行邊緣探測難以達到理想效果。為此，首先，采用相對全局直方圖拉伸方法實現(xiàn)障礙物水下圖像的去霧處理，獲取障礙物水下圖像色彩恢復(fù)后的圖像信息；然后，利用改進Canny算子的邊緣檢測算法進行障礙物水下圖像外輪廓和內(nèi)輪廓檢測；最后，根據(jù)圖像中水平面的成像特征進行擬合尋找水平線，去除倒影。實驗結(jié)果表明：該方法能夠有效獲得完整的障礙物水下圖像輪廓。

無人船；RGHS；倒影檢測；Canny算子

0 引言

無人船具有高度綜合感知能力，能夠在復(fù)雜未知的水體環(huán)境下執(zhí)行任務(wù)，在海域巡察、水質(zhì)監(jiān)控和水下結(jié)構(gòu)檢測等領(lǐng)域應(yīng)用廣泛。無人船作業(yè)環(huán)境復(fù)雜，完備的避障能力不僅是安全航行的保障，也是執(zhí)行任務(wù)的前提[1]。無人船航行時不僅會遇到水上障礙物，還會遇到水下障礙物，如冰山、暗礁等。近年來，水上障礙物識別避讓是無人船研究的熱點問題[2]。但水下障礙物或障礙物水下部分的避障識別，有待進一步研究。

障礙物水下輪廓檢測主要涉及水下圖像增強（又稱水下圖像色彩恢復(fù)）和圖像邊緣檢測2方面。但由于水下環(huán)境、水的渾濁度及水對光的吸收、散射和反射[3]等原因，水下圖像比水上圖像更加復(fù)雜[4]。目前，水下圖像增強的方法主要分為2類：一類是基于物理方法，如Zhao等[5]結(jié)合水下圖像的背景色和水的固有光學(xué)性質(zhì)，通過光在水介質(zhì)中傳播的基本物理原理來增強水下圖像；另一類是基于圖像方法，如Chani等[6]提出基于波長補償?shù)乃惴ǎ裳a償光沿傳播路徑的衰減以及可能存在的人工光源影響，能夠有效提高水下圖像的色彩平衡，但需要消耗大量計算資源和較長計算時間。

目前，圖像邊緣檢測在文件、照片和文物等碎片重構(gòu)方面應(yīng)用較多，如JUSTINO E提出一種對調(diào)查取證中手撕文件進行重建的方法[7]，利用多邊形逼近的方法建立多邊形模型，通過多邊形特征提取進行局部重建，降低了整體復(fù)雜度；ZHU L提出局部曲線匹配方法，解決了因全局重建需減少局部曲線匹配而產(chǎn)生的模糊性問題[8]。

障礙物水上圖像易于進行輪廓檢測，并做出相應(yīng)的避障決策；但障礙物水下圖像由于光線暗、模糊度高等原因難以直接進行輪廓檢測，從而影響無人船避障效果。為此，本文提出一種基于改進全局直方圖拉伸（relative global histogram stretching, RGHS）和Canny算子的水下圖像邊緣檢測方法。首先，對障礙物水下圖像進行基于改進RGHS的水下圖像增強；然后，運用基于Canny算子的邊緣探測方法進行輪廓探測；最終，獲取障礙物水下圖像的完整輪廓。

1 障礙物水下圖像邊緣檢測方法框架

根據(jù)障礙物水下圖像邊緣檢測要求，搭建障礙物水下圖像邊緣檢測系統(tǒng)，主要包括光學(xué)成像、圖像色彩恢復(fù)、輪廓檢測、信息輸出和信息融合等模塊，方法框架如圖1所示。

圖1 無人船障礙物水下圖像邊緣檢測方法框圖

在光學(xué)成像模塊中，水下相機型號為UW-70，安裝在無人船船底中部位置。在環(huán)境光線昏暗狀況下，該相機可轉(zhuǎn)為紅外攝像模式。

在圖像色彩恢復(fù)模塊中，先將障礙物從相機獲取的圖像內(nèi)識別出來；再進行水下圖像色彩恢復(fù)處理，還原障礙物原本色彩，以便更好地進行輪廓檢測。

輪廓檢測模塊分為外輪廓檢測和內(nèi)輪廓檢測2部分。其中外輪廓檢測主要檢測水下障礙物的大致輪廓，為無人船避障提供主要參考；內(nèi)輪廓檢測則尋找障礙物更加豐富的邊緣特征，為無人船避障提供必要的細(xì)節(jié)參考。

信息輸出模塊將檢測出的障礙物水下圖像輪廓發(fā)送到信息融合模塊。

信息融合模塊將障礙物水下輪廓信息與障礙物水上輪廓進行融合，獲取障礙物的完整輪廓。

2 障礙物水下圖像色彩恢復(fù)

本文采用一種改進的RGHS方法對障礙物水下圖像進行恢復(fù)增強。水下圖像色彩恢復(fù)類似圖像去霧，其中比較常見是暗通道模型[9]：

水介質(zhì)與氣介質(zhì)有本質(zhì)的區(qū)別，本文對此模型進行改進：

一般情況下，水下圖像色彩暗淡單調(diào)，遠不如自然圖像色彩豐富，其直方圖分布特征不明顯。為改善圖像色彩分布，一般采用線性拉伸函數(shù)：

這種直方圖拉伸通常對所有的R，G，B通道使用相同的參數(shù)，忽略不同通道的直方圖分布特性的差別。尤其是水下圖像，R，G，B三個通道的直方圖分布特征有十分明顯的差別。為此，本文改進一種能夠自動調(diào)整參數(shù)的RGHS方法：

GW（Gray-World）算法假設(shè)一個自然圖像是色彩豐富且柔和的，R，G，B三個通道的像素值歸一化后的平均值應(yīng)該趨于一致，且都應(yīng)該接近于0.5，即

大部分檢測研究表明[3]：圖像各通道上的像素值直方圖形成的曲線服從瑞利分布：

式中是分布的控制參數(shù)。

通過基于改進的RGHS水下圖像增強方法，既考慮了原始圖像不同通道像素直方圖分布特征，也考慮了不同光波在水下的投射特性，能夠針對性地補償水下圖像相較自然圖像的損失，同時保留邊緣特性，為下一步邊緣檢測奠定良好基礎(chǔ)。

3 障礙物水下圖像邊緣檢測

障礙物水下圖像經(jīng)過基于改進的RGHS方法處理后，可直接采用基于Canny算子的邊緣探測方法進行輪廓檢測。實驗中，對障礙物水下圖像外輪廓的檢測相對容易，但對障礙物水下圖像表面輪廓（下稱內(nèi)輪廓）的檢測需要額外的方法處理。障礙物在水面下方形成倒影，影響對障礙物輪廓的檢測。因此，障礙物水下圖像的邊緣探測方法分為外輪廓檢測、內(nèi)輪廓檢測和倒影去除3部分。

3.1 外輪廓檢測

傳統(tǒng)Canny算子存在圖像噪聲處理能力弱及圖像梯度計算時對噪聲敏感，容易丟失重要信息甚至檢測出虛假邊緣等問題。為此，本文提出基于改進的Canny算子算法。

采用基于改進的Canny算子算法進行外輪廓檢測。Canny算子具有邊緣判斷的失誤率低、邊緣位置檢測準(zhǔn)確度高和邊緣唯一響應(yīng)等特點。

1）采用高斯濾波和中值濾波混合平滑

高斯濾波對隨機噪聲具有較好的平滑效果，并且能夠充分保留圖像邊緣。本文采用高斯濾波對水下圖像去除隨機噪音。大小為(2+1)×(2+1)的高斯濾波器核的生成方程式為

對于水下圖像的椒鹽噪聲，結(jié)合中值濾波做圖像平滑處理。中值濾波工作原理為

2）用Laplace算子修正Sobel算子

Sobel算子采用2個方向的卷積核求解像素點的梯度值，目前常用的2個方向sobel算子卷積核為

將2個方向卷積作用于像素值后進行合并：

Sobel算子計算簡單、速度快，但無法適應(yīng)復(fù)雜紋理的處理。為此，本文引進了Laplace算子：

可得像素點的梯度值為

3.2 內(nèi)輪廓檢測

由于水的遮蓋，水下障礙物采用基于Canny算子的改進算法無法探測到圖像紋理細(xì)節(jié)，因此需對圖像內(nèi)部做二值化處理，再進行邊緣探測，檢測障礙物內(nèi)部輪廓。具體流程如圖2所示。

圖2 內(nèi)輪廓檢測流程圖

3.3 倒影去除

為減小圖像切割對障礙物邊緣探測的影響，本文在障礙物整體輪廓檢測完成后進行倒影去除。一方面能夠保留更多可用細(xì)節(jié)；另一方面對輪廓圖像的操作也更加簡單。去除障礙物在水面下形成倒影的流程如圖3所示。

圖3 倒影去除流程圖

通過實驗觀察：障礙物在水面下形成的倒影與障礙物實物圖像之間總有一條亮度比較高的直線，該直線所在位置即為障礙物視覺圖像與水平面的交線所在位置，因而可通過該直線確定水平面位置；再結(jié)合相機對上下方向的感知，能夠正確判斷障礙物輪廓所在位置，準(zhǔn)確刪除倒影輪廓。其中，確定閾值保留水面附近像素時，閾值為255×90%效果較好。對像素點進行擬合的步驟中，本文采用最小二乘法。

4 實驗結(jié)果分析

水下相機將圖像傳輸?shù)綀D像色彩恢復(fù)模塊后，采用基于改進的RGHS圖像色彩恢復(fù)方法進行色彩恢復(fù)，如圖4所示。顯而易見，圖4(b)在色彩豐富度、飽和度和對比度上都超過圖4(a)。

圖4 障礙物水下圖像處理前后對比

原圖與色彩恢復(fù)后的直方圖如圖5所示。可以看出：色彩恢復(fù)后的圖像直方圖特征分布更加明顯，易于進行邊緣輪廓探測。

圖5 障礙物水下圖像直方圖處理前后對比

采用基于Canny算子改進的外輪廓檢測方法對增強過后的障礙物水下圖像進行處理，結(jié)果如圖6所示。

圖6 Canny算子改進前后結(jié)果對比

由圖6可以看出：本文算法能夠更好地去除噪音，檢測的輪廓更加清晰簡潔。

直接對整體圖像進行邊緣探測，可較為完整地檢測外部輪廓，即障礙物整體大小輪廓，但對障礙物表面的細(xì)節(jié)特征檢測乏力。通過本文提出的內(nèi)部輪廓檢測方法，可以檢測到障礙物表面細(xì)節(jié)，如圖7所示。

圖7 內(nèi)輪廓檢測結(jié)果

本文通過水平面附近像素的擬合，尋找出的水平面如圖8所示。

最終得到障礙物水下圖像的整體輪廓如圖9所示。

由圖9可知：障礙物水下圖像的輪廓包括障礙物的外部輪廓和內(nèi)部輪廓都比較清晰，障礙物水下部分的倒影也得到有效去除。

圖8 水平線擬合

圖9 障礙物水下圖像邊緣檢測結(jié)果

5 結(jié)語

本文根據(jù)障礙物水下圖像的特征，先進行水下圖像增強；再進行輪廓檢測；最后進行倒影去除。在水下圖像增強中，提出基于全局直方圖的改進算法，使得圖像色彩豐富清晰；在輪廓檢測中，分別進行外輪廓檢測和內(nèi)輪廓檢測，能夠提取障礙物更多邊緣特征；在倒影去除中，采用直線擬合方法尋找水平面來去除倒影。實驗表明：本文采用的方法在障礙物水下圖像邊緣探測方面取得較好效果。下一步工作將探索障礙物水上、水下2部分圖像的整體輪廓檢測，進一步解決無人船航行中對各類水上水下障礙物避讓的關(guān)鍵問題。

[1] 王成才,商志剛,何宇帆,等.無人船信息融合與避障關(guān)鍵技術(shù)綜述[J].中國電子科學(xué)研究院學(xué)報,2019,14(12):1228-1232.

[2] 耿以才,黃立新,陳凌珊,等.無人船安全目標(biāo)追蹤與自動避障算法[J].計算機測量與控制,2015,23(7):2467-2469,2474.

[3] ZANEVELD J R, PEGAU W. Robust underwater visibility parameter[J]. Optics Express, 2003,11(23): 2997-3009.

[4] Huang Dongmei, Wang Yan, Song Wei, et al. Shallow-water image enhancement using relative global histogram stretching based on adaptive parameter acquisition[J]. International conference on multimedia modeling, Springer Cham, 2018,10704:453-465.

[5] Zhao Xinwei, Tao Jin, Song Qu. Deriving inherent optical properties from background color and underwater image enhancement[J]. Ocean Engineering, 2015,94:163-172.

[6] Ahmad Shahrizan Abdul Ghani, Nor Ashidi Mat Isa. Underwater image quality enhancement through integrated color model with Rayleigh distribution[J]. Applied Soft Computing,2015, 27: 219-230.

[7] JUSTINO E, OLIVEIRA L S, FREITAS C. Reconstructing shredded documents through feature matching[J]. Forensic Science International, 2006, 160(2-3):140-147.

[8] Zhu L, Zhou Z, Zhang J, et al. A partial curve matching method for automatic reassembly of 2D fragments[J]. Lecture Notes in Control & Information Sciences, 2006,345: 645-650.

[9] He Kaiming, Jian Sun, Xiaoou Tang. Single image haze removal using dark channel prior[C]. IEEE transactions on pattern analysis and machine intelligence ,2010,33(12): 1956-1963.

Underwater Image Edge Detection Method Based on Improved RGHS and Canny Operator

Wang Huifang1Chen Yuanmin2Peng Rongfa1Hong Xiaobin1

（1.School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou 510640, China 2.School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510640, China）

In the course of navigation, unmanned ship is prone to encounter obstacles such as floating objects, reefs, icebergs, etc. the complete contour images of obstacles above and below water are needed to avoid obstacles effectively. However, because of underwater environment and refraction, reflection and absorption of light waves, it is difficult to detect the underwater image of obstacles directly. Therefore, the relative global histogram stretching method is used to remove fog from underwater image of obstacles to obtain the image information after the color recovery of the underwater image of obstacles. Then, the edge detection algorithm of improved Canny operator is used to detect the outer contour and inner contour of underwater image of obstacles; finally, the image is fitted to find water according to the imaging characteristics of the horizontal plane in the image Flat line, remove reflection. The experiment shows that the method can obtain the complete underwater image contour of obstacles effectively.

unmanned surface ship; RGHS; reflection detection; Canny operator

TN212

A

1674-2605(2021)02-0005-06

10.3969/j.issn.1674-2605.2021.02.005

廣東省科技計劃項目(2019B151502057)

王慧芳，女，1993年生，碩士，主要研究方向：無人船航行障礙物視覺圖像融合。E-mail: 1697572027@qq.com

陳遠明，男，1979年生，博士，講師，主要研究方向：無人船設(shè)計與驗證技術(shù)。E-mail: cym@scut.edu.cn

彭榮發(fā)，男，1999年生，碩士，主要研究方向：無人船目標(biāo)檢測。E-mail: 1437861283@qq.com

洪曉斌，男，1979年生，博士，教授、博導(dǎo)，主要研究方向：基于人工智能的無人化測控技術(shù)及應(yīng)用、無損檢測技術(shù)與裝備。E-mail: mexbhong@scut.edu.cn