張銘鈞，李煊，王玉甲

(哈爾濱工程大學(xué)機(jī)電工程學(xué)院，黑龍江哈爾濱150001)

水下微光成像技術(shù)在近距離水下作業(yè)中，相比其他探測(cè)技術(shù)具有明顯優(yōu)勢(shì)，研究基于水下微光成像技術(shù)的圖像分割方法對(duì)提高自主式水下機(jī)器人的作業(yè)能力具有重要的研究意義和實(shí)用價(jià)值［1］。

由于水介質(zhì)對(duì)光線的散折射及吸收效應(yīng)、水中雜質(zhì)及水下照明條件等因素影響，水下圖像存在對(duì)比度低、信噪比低、顏色分布不均等問(wèn)題。作者采用文獻(xiàn)［2］方法進(jìn)行水下圖像分割時(shí)發(fā)現(xiàn)，該方法對(duì)噪聲有較好的抑制能力，但由于目標(biāo)與背景間灰度級(jí)較為相似，分割結(jié)果中易出現(xiàn)目標(biāo)與背景粘連等問(wèn)題;文獻(xiàn)［3］方法以飽和度S作為主分析通道，對(duì)不同顏色分量進(jìn)行序列分割，作者在實(shí)驗(yàn)中發(fā)現(xiàn)，S分量受光照強(qiáng)度與光線入射角度影響較嚴(yán)重，由于球體目標(biāo)表面感光程度不均勻，分割結(jié)果中易出現(xiàn)目標(biāo)分離不完整等問(wèn)題。文獻(xiàn)［4］提出一種新的模糊譜聚類分割方法，該方法定義模糊相似性測(cè)量矩陣，并將該矩陣應(yīng)用于譜聚類方法中，得到最終分割結(jié)果，作者在實(shí)驗(yàn)中發(fā)現(xiàn)，該方法迭代確定相似性測(cè)量矩陣的耗時(shí)較長(zhǎng)，難以滿足本課題水下作業(yè)的實(shí)時(shí)性要求(一般水下作業(yè)要求視覺(jué)系統(tǒng)處理時(shí)間為100 ～ 500 ms［5-6］，本課題要求水下視覺(jué)系統(tǒng)在200 ms內(nèi)返回目標(biāo)的定位信息)。本實(shí)驗(yàn)室前期研究了近海淺水環(huán)境中水下圖像分割及目標(biāo)提取方法［7］，該方法以H通道為主，并融合 S和I通道信息完成圖像分割，采用該方法在水下燈照環(huán)境實(shí)驗(yàn)發(fā)現(xiàn)，由于S通道受光照強(qiáng)度及分布情況影響較大，融合S和I通道信息得到的圖像存在目標(biāo)物與背景粘連，進(jìn)而導(dǎo)致分割失敗。

針對(duì)上述問(wèn)題，作者綜合考慮水下環(huán)境特點(diǎn)及本課題對(duì)視覺(jué)系統(tǒng)的時(shí)間要求，提出一種基于灰度化權(quán)值調(diào)整的水下彩色圖像分割方法，不同于傳統(tǒng)閾值分割方法中，灰度化權(quán)值固定且重點(diǎn)研究如何自適應(yīng)選擇閾值的思路，本文方法重點(diǎn)研究如何根據(jù)RGB彩色模型中水下圖像顏色信息的不同表達(dá)，來(lái)調(diào)整灰度化時(shí)三通道的權(quán)值，以獲得對(duì)比度較高的灰度圖像。本文方法在美國(guó)國(guó)家電視標(biāo)準(zhǔn)委員會(huì)(National Television Standards Committee，NTSC)提出的灰度化方法［8］(簡(jiǎn)稱“NTSC法”)的基礎(chǔ)上進(jìn)行灰度化權(quán)值調(diào)整的研究，提高差異性較大通道比重，同時(shí)降低差異性較小通道比重，以得到合適的權(quán)值完成圖像灰度化，并對(duì)灰度化后的圖像進(jìn)行閾值分割［9］，得到最終的分割結(jié)果。

為提高序列圖像處理的實(shí)時(shí)性，以更好地配合機(jī)器人及機(jī)械手完成水下作業(yè)，在本文分割方法的基礎(chǔ)上，設(shè)計(jì)了一種兩步序列圖像處理方式，針對(duì)光照等水下環(huán)境因素變化的漸變性特點(diǎn)，將圖像序列分段，每段中分別采用灰度化權(quán)值調(diào)整方法和固定權(quán)值的方法進(jìn)行灰度化，并完成閾值分割。

通過(guò)4組水下對(duì)比實(shí)驗(yàn)以及耗時(shí)實(shí)驗(yàn)，對(duì)本文所提方法的有效性進(jìn)行實(shí)驗(yàn)驗(yàn)證。

1 基于灰度化權(quán)值調(diào)整的水下彩色圖像分割方法

針對(duì)傳統(tǒng)自適應(yīng)閾值法在水下圖像分割過(guò)程中，易存在目標(biāo)與背景粘連等問(wèn)題，本文提出一種基于灰度化權(quán)值調(diào)整的水下彩色圖像分割方法。不同于傳統(tǒng)閾值分割法中圖像灰度化權(quán)值固定且研究如何確定圖像閾值大小與個(gè)數(shù)的思路，本文以NTSC法為基礎(chǔ)，研究如何調(diào)整圖像灰度化時(shí)的三通道權(quán)值，即灰度化權(quán)值調(diào)整方法，流程如圖1，利用統(tǒng)計(jì)的灰度信息來(lái)確定不同通道中目標(biāo)與背景間灰度級(jí)的差異性，通過(guò)提高差異性較大通道的比重，同時(shí)，減小差異性較小通道的比重，得到對(duì)比度較高的灰度圖像，對(duì)灰度化后的圖像進(jìn)行閾值分割，得到最終分割結(jié)果。

圖1 基于灰度化權(quán)值調(diào)整的水下彩色圖像分割方法Fig.1 Underwater color image segmentation method based on weight adjustment of color to gray processing

為提高序列圖像處理的實(shí)時(shí)性，作者設(shè)計(jì)了一種兩步序列圖像處理方式，針對(duì)光照等水下環(huán)境因素變化的漸變性特點(diǎn)，將圖像序列分段并對(duì)每段進(jìn)行兩步處理，第1步采用灰度化權(quán)值調(diào)整方法對(duì)前N幅圖像進(jìn)行處理，選出一組最適權(quán)值，并直接用于第2步圖像灰度化，進(jìn)而完成圖像閾值分割。

1.1 灰度化權(quán)值調(diào)整方法

圖像灰度化是閾值分割的第一步。NTSC法是一種基本的灰度化方法，其將CIE空間中的Y通道(即亮度信息)直接作為灰度值輸出，可表達(dá)為:

式中:r、g、b依次為 0.299、0.587 和 0.114［8］。

作者在RGB彩色模型中采用NTSC法進(jìn)行水下彩色圖像分析時(shí)發(fā)現(xiàn)，NTSC法以保留圖像各種細(xì)節(jié)信息為主，其灰度化結(jié)果中包含氣泡、雜質(zhì)以及背景干擾等與目標(biāo)無(wú)關(guān)的信息;另外，由于水下圖像存在對(duì)比度低、信噪比低、顏色分布不均等問(wèn)題，導(dǎo)致灰度圖像中目標(biāo)與背景的灰度級(jí)較相似，采用這類灰度圖像進(jìn)行閾值分割時(shí)，分割結(jié)果中易出現(xiàn)目標(biāo)與背景粘連，目標(biāo)分離不完整等現(xiàn)象。作者對(duì)水下圖像的RGB彩色模型進(jìn)一步分析發(fā)現(xiàn)，由于目標(biāo)物與背景的顏色不同，根據(jù)三基色原理［10］可知，目標(biāo)顏色與背景顏色的RGB合成比例不同，對(duì)應(yīng)到不同通道，其灰度級(jí)的差異程度不同。作者對(duì)上述分析進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明RGB三通道中目標(biāo)與背景間灰度級(jí)的差異程度不同，且至少存在一個(gè)通道中目標(biāo)與背景間灰度級(jí)存在明顯差異。

根據(jù)上述分析與實(shí)驗(yàn)結(jié)果，不同于NTSC法以保留圖像細(xì)節(jié)信息為主，根據(jù)人類視覺(jué)系統(tǒng)對(duì)顏色的感知能力而確定r、g、b取值［11］的方式。本文灰度化權(quán)值調(diào)整方法以突出目標(biāo)信息為主，重點(diǎn)研究如何根據(jù)水下圖像特點(diǎn)來(lái)調(diào)整權(quán)值，以獲得對(duì)比度較高的灰度圖像。本文方法統(tǒng)計(jì)RGB三通道信息，來(lái)確定不同通道內(nèi)目標(biāo)與背景間灰度級(jí)差異性的大小，利用該差異性進(jìn)行灰度化權(quán)值調(diào)整，提高差異性較大通道的比重，同時(shí)減小差異性較小通道的比重，以獲得對(duì)比度較高的灰度圖像。

基于上述分析，本文方法具體實(shí)現(xiàn)時(shí)依次按以下3步進(jìn)行:1)目標(biāo)與背景粗略分類。旨在劃分出目標(biāo)的大致范圍;2)灰度信息統(tǒng)計(jì)。旨在得到圖像RGB三通道內(nèi)目標(biāo)與背景間灰度級(jí)的差異性;3)灰度化權(quán)值調(diào)整。根據(jù)RGB三通道間的灰度差異性的不同，來(lái)調(diào)整灰度化權(quán)值。具體實(shí)現(xiàn)過(guò)程如下。

1.1.1 目標(biāo)與背景粗略分類

在RGB彩色模型中對(duì)水下圖像進(jìn)行粗略分類時(shí)發(fā)現(xiàn)，由于RGB模型中三通道信息相關(guān)性較高，導(dǎo)致難以直接確定哪個(gè)通道中目標(biāo)與背景間灰度級(jí)差異性較大，進(jìn)行分類時(shí)，受差異性較小的通道影響，易導(dǎo)致分類結(jié)果與真實(shí)情況偏差較大。

針對(duì)上述問(wèn)題，本文在三通道相互獨(dú)立的HSI彩色模型中進(jìn)行目標(biāo)與背景粗略分類方法的研究。作者分析一幅水下燈照環(huán)境中采集的圖像發(fā)現(xiàn)，H通道用于區(qū)分顏色信息，目標(biāo)物與背景的顏色不同，因而H通道灰度圖像中目標(biāo)與背景的灰度級(jí)差異明顯，由于球體表面受光不均勻，圖像中目標(biāo)區(qū)域灰度不均勻，單獨(dú)基于H通道分類時(shí)易導(dǎo)致分離不完整。S通道受光照影響較大，不同光照條件成像效果不同，基于S通道的分類難以適用于水下不同環(huán)境;I通道與光照強(qiáng)度及分布情況相關(guān)，在I通道灰度圖像中，目標(biāo)表面反光較強(qiáng)灰度值較高，目標(biāo)周邊水域因光線直接穿過(guò)，其灰度值較低，背景中其他干擾物反光程度不同，呈現(xiàn)出不同灰度值，單獨(dú)基于I通道分類時(shí)結(jié)果中易出現(xiàn)大量背景干擾。

基于上述分析，本文融合H和I信息進(jìn)行目標(biāo)與背景的粗略分類，其具體實(shí)現(xiàn)方法如下:

采用閾值法對(duì)H通道和I通道的對(duì)應(yīng)灰度圖像進(jìn)行處理，然后對(duì)2個(gè)處理結(jié)果進(jìn)行集合并運(yùn)算，得到粗略分類后的圖像目標(biāo)區(qū)域O(iO，jO):

式中:iO、jO表示像素坐標(biāo)位置;H(iH，jH)和Ⅰ(iI，jI)分別表示H和I通道中目標(biāo)區(qū)域內(nèi)像素的坐標(biāo)位置，iH和iI表示橫坐標(biāo)，jH和jI表示縱坐標(biāo)。

除O(iO，jO)中的像素，圖像中其余像素屬于背景區(qū)域B(iB，jB)。至此完成目標(biāo)與背景的粗略分類。

1.1.2 灰度信息統(tǒng)計(jì)

將1.1.1節(jié)中得到的目標(biāo)與背景粗略分類結(jié)果{O(iO，jO)，B(iB，jB)}對(duì)應(yīng)到圖像的 RGB 彩色模型中，得到3組分類結(jié)果分別對(duì)應(yīng)三通道。在每個(gè)通道中完成兩步信息統(tǒng)計(jì)［12］:1)目標(biāo)區(qū)域與背景區(qū)域內(nèi)的像素灰度均值;2)目標(biāo)區(qū)域與背景區(qū)域間灰度均值差DR，DG和DB。至此完成灰度信息統(tǒng)計(jì)。

1.1.3 灰度化權(quán)值調(diào)整

作者采用NTSC法進(jìn)行水下圖像灰度化，得到的灰度圖像較模糊，且包含大量氣泡、雜質(zhì)等干擾;另外，在不同光照條件下水下圖像中顯示的顏色信息不同，由于NTSC法中灰度化權(quán)值固定，導(dǎo)致在有些環(huán)境中出現(xiàn)分割失敗等問(wèn)題。

針對(duì)上述問(wèn)題，不同于NTSC法中權(quán)值固定的形式［6］，本文根據(jù)目標(biāo)與背景顏色信息在圖像RGB三通道中的表達(dá)的差異，來(lái)調(diào)整灰度化權(quán)值。本文利用1.1.2節(jié)中得到的灰度均值差，來(lái)判斷三通道間具有的差異性或相似性。當(dāng)某個(gè)通道的均值差遠(yuǎn)大于其余2個(gè)通道時(shí)，表示該通道中目標(biāo)與背景存在較明顯差異，直接利用該通道信息作為灰度化結(jié)果，采用閾值分割即可得到較滿意的分割結(jié)果，本文稱該通道為主導(dǎo)通道;當(dāng)3個(gè)通道中不存在主導(dǎo)通道時(shí)，判斷3個(gè)通道間的相似性，若3個(gè)通道的均值差較接近，則采用NTSC法進(jìn)行灰度化;若2個(gè)通道的均值差較接近，則按照NTSC法中這2個(gè)通道對(duì)應(yīng)權(quán)值的比例，重新分配權(quán)值，完成圖像灰度化。為避免圖像變形，調(diào)整后三通道對(duì)應(yīng)權(quán)值相加為1。作者對(duì)大量圖像進(jìn)行分析，確定閾值Tbig與Tsmall，用于判斷三通道間的關(guān)系，其中Tbig＞Tsmall。

基于上述思路，本文以DR＞DG＞DB的情況為例，介紹算法實(shí)現(xiàn)的過(guò)程。定義下式:

若存在D1+D2+D3＜Tsmall，說(shuō)明3個(gè)通道之間具有相似性，則采用NTSC法進(jìn)行圖像灰度化;若不存在D1+D2+D3＜Tsmall，判斷D1＞D2是否成立，若成立，說(shuō)明G通道和B通道間具有相似性，由于R通道的灰度均值差最大，表明R通道為主導(dǎo)通道，則RGB3個(gè)通道的取值依次為1、0、0。

若D1＞D2不成立，判斷D1＞Tbig是否成立，若成立，表明R通道為主導(dǎo)通道，則RGB三通道的權(quán)值依次為 1、0、0。

若上述3種情況依次均未滿足，說(shuō)明R通道和G通道具有相似性，采用NTSC法中RG通道的對(duì)應(yīng)權(quán)值(即式(1)中r、g的值)，加權(quán)平均后進(jìn)行歸一化處理，即可得到三通道權(quán)值rRG、gRG和bRG:

同理，適用于RB通道相似和GB通道相似的情況，其調(diào)整得到的圖像灰度化權(quán)值分別為

將式(1)中r、g、b的取值分別代入式(4)、(5)、(6)中，即可得到這3種情況下調(diào)整后的權(quán)值。

水下不同環(huán)境的圖像特征不同，調(diào)整后的灰度化權(quán)值也不同。采用調(diào)整后的權(quán)值完成圖像灰度化，并進(jìn)行閾值分割［9］得到最終的分割結(jié)果。

1.2 兩步序列圖像處理方式

將本文分割方法用于機(jī)器人水下作業(yè)時(shí)發(fā)現(xiàn)，短時(shí)間間隔內(nèi)相鄰圖像特征相似，調(diào)整后的灰度化權(quán)值相近。若對(duì)每幅圖像均采用本文權(quán)值調(diào)整方法進(jìn)行處理，會(huì)增加不必要的算法耗時(shí)。

基于上述分析，為提高序列圖像處理的實(shí)時(shí)性，以更好地配合機(jī)器人完成水下作業(yè)，在本文分割方法的基礎(chǔ)上，作者設(shè)計(jì)了一種兩步序列圖像處理方式，將整個(gè)圖像序列分段并在每段中進(jìn)行兩步處理。第1步僅采用本文權(quán)值調(diào)整方法對(duì)前N幅圖像進(jìn)行處理，選出一組最適權(quán)值;第2)步直接利用第一步的最適權(quán)值進(jìn)行圖像灰度化、并進(jìn)行閾值分割得到每幅圖像的分割結(jié)果。具體實(shí)現(xiàn)步驟如下:

1)當(dāng)目標(biāo)物穩(wěn)定出現(xiàn)在視場(chǎng)中后，開啟圖像分割任務(wù)，采用本文灰度化權(quán)值調(diào)整方法對(duì)前N幅圖像進(jìn)行處理，得到N組權(quán)值，將N個(gè)組合中出現(xiàn)次數(shù)最多的一組作為最適灰度化權(quán)值r、g、b。

2)將第1)步得到的最適權(quán)值r、g、b直接用于后續(xù)圖像灰度化，并對(duì)灰度化后的圖像進(jìn)行閾值分割，得到最終的分割結(jié)果。

不斷循環(huán)上述兩步的處理方式，以完成水下作業(yè)過(guò)程中圖像序列的分割處理。上述兩步處理過(guò)程中，減少了大部分圖像進(jìn)行權(quán)值調(diào)整的耗時(shí)，因而提高了序列圖像處理的實(shí)時(shí)性。

2 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證本文分割方法的有效性，進(jìn)行4組水下對(duì)比實(shí)驗(yàn)，其中，水下不同環(huán)境對(duì)比實(shí)驗(yàn)分3組:1)水下燈照環(huán)境對(duì)比實(shí)驗(yàn)，2)自然光照環(huán)境對(duì)比實(shí)驗(yàn)，3)干擾環(huán)境對(duì)比實(shí)驗(yàn)。第4組為與其他圖像分割方法對(duì)比實(shí)驗(yàn)，該實(shí)驗(yàn)用于進(jìn)一步驗(yàn)證本文分割方法的有效性。另外，為驗(yàn)證本文兩步序列圖像處理方式的有效性，進(jìn)行序列圖像處理耗時(shí)實(shí)驗(yàn)。

為更全面地分析上述對(duì)比實(shí)驗(yàn)結(jié)果，作者采用兩類評(píng)價(jià)指標(biāo)從灰度化結(jié)果和分割結(jié)果兩方面進(jìn)行分析:1)采用基于HVS的圖像對(duì)比度無(wú)參考質(zhì)量評(píng)價(jià)模型［13］對(duì)比分析灰度化結(jié)果的優(yōu)劣;2)采用3個(gè)較常用的分割評(píng)價(jià)指標(biāo)對(duì)比分析分割結(jié)果的優(yōu)劣，分別為GC(區(qū)域間對(duì)比度)、UM(區(qū)域內(nèi)均勻度)和ME(誤分類誤差)［14］，其取值范圍均為［0，1］，且GC和UM的值越接近1說(shuō)明分割效果越好，ME的值越接近0說(shuō)明分割效果越好。

實(shí)驗(yàn)在4×3×1 m3的水箱中進(jìn)行，攝像機(jī)和水下燈固定安裝在支架上。球體目標(biāo)物懸浮于水中，距水面約0.5 m。實(shí)驗(yàn)是在 Intel Core T5750 2 GHz、2 G內(nèi)存的PC機(jī)上進(jìn)行的，編程環(huán)境為VC++6.0，圖像大小為 352×288。Tbig、Tsmall的取值由實(shí)驗(yàn)確定，本文取為60和20。

2.1 水下不同環(huán)境對(duì)比實(shí)驗(yàn)

水下不同環(huán)境對(duì)比實(shí)驗(yàn)驗(yàn)證本文分割方法有效性的同時(shí)，也用于驗(yàn)證本文分割方法在水下不同環(huán)境中的適應(yīng)性。對(duì)比實(shí)驗(yàn)在3種不同環(huán)境中進(jìn)行，分別為:1)水下燈照環(huán)境;2)自然光照環(huán)境;3)干擾環(huán)境，干擾環(huán)境分為有流環(huán)境和人為干擾環(huán)境，有流環(huán)境中作者通過(guò)推進(jìn)器人工造流，流速為0.5 kn(0.25 m/s)，人為干擾環(huán)境中通過(guò)人手在球體目標(biāo)物附近攪動(dòng)水流，使得圖像背景中出現(xiàn)大量氣泡。

3種環(huán)境的對(duì)比實(shí)驗(yàn)過(guò)程一致。實(shí)驗(yàn)中，對(duì)球體目標(biāo)圖像分別采用NTSC法和本文方法進(jìn)行圖像灰度化，然后進(jìn)行閾值分割［9］得到最終分割結(jié)果。對(duì)比實(shí)驗(yàn)結(jié)果如圖2所示，其中，圖(a)-(e)中的①與圖(a)-(e)中的②分別表示水下燈照環(huán)境對(duì)比實(shí)驗(yàn)中黃球和紅球圖像分割結(jié)果，圖(a)-(e)中的③表示自然光照環(huán)境對(duì)比實(shí)驗(yàn)中紅球圖像分割結(jié)果，圖(a)-(e)中的④與圖(a)-(e)中的⑤表示干擾環(huán)境對(duì)比實(shí)驗(yàn)中紅球圖像分割結(jié)果，分別對(duì)應(yīng)有流環(huán)境和人為干擾環(huán)境。另外，自然光照環(huán)境和干擾環(huán)境中黃球與紅球?qū)嶒?yàn)結(jié)果相似，本文以紅球?yàn)槔治鲞@兩種環(huán)境中的對(duì)比實(shí)驗(yàn)結(jié)果。

為更全面地分析和驗(yàn)證本文方法的有效性，采用分割評(píng)價(jià)指標(biāo)［14］分別對(duì)圖2(c)和(e)進(jìn)行評(píng)價(jià)，用于對(duì)比分割結(jié)果;采用對(duì)比度評(píng)價(jià)模型［13］分別對(duì)圖2(b)和(d)進(jìn)行評(píng)價(jià)，用于對(duì)比灰度化結(jié)果;并統(tǒng)計(jì)了算法耗時(shí)，上述數(shù)據(jù)列于表1。

圖2 水下不同環(huán)境對(duì)比實(shí)驗(yàn)結(jié)果Fig.2 Comparison of experimental results in different underwater environments

表1 水下不同環(huán)境對(duì)比實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)Table 1 Comparison of experimental datas in different underwater environments

分析水下燈照環(huán)境對(duì)比實(shí)驗(yàn)結(jié)果，從圖2(a)-(e)中的①與②可以看出，水下原始圖像中存在大量背景干擾物，紅球目標(biāo)顏色分布不均勻。NTSC法得到的灰度圖像中目標(biāo)區(qū)域與部分背景干擾區(qū)域的灰度級(jí)較相似，分割結(jié)果中存在大量干擾物，目標(biāo)邊緣不平滑且與背景存在一定程度粘連;本文方法得到的灰度圖像中目標(biāo)區(qū)域與背景區(qū)域間灰度級(jí)存在明顯差異，且背景干擾物較少，分割結(jié)果中干擾物較少，目標(biāo)邊緣平滑且得到較完整的目標(biāo)物。

分析自然光照環(huán)境對(duì)比實(shí)驗(yàn)結(jié)果，從圖2(a)-(e)的③可以看出，由于自然光從上方入射，球體上半部光照充足偏紅色，下半部缺乏光照呈暗色調(diào)，目標(biāo)區(qū)域顏色不均勻。受上述顏色不均勻現(xiàn)象的影響，NTSC法得到的灰度圖像中目標(biāo)區(qū)域自上而下呈現(xiàn)不同的灰度級(jí)，分割結(jié)果中僅提取出目標(biāo)的下半部;本文方法得到的灰度圖像中目標(biāo)區(qū)域灰度級(jí)較均勻，因此分割出較完整的目標(biāo)物且邊緣較平滑。

分析干擾環(huán)境對(duì)比實(shí)驗(yàn)結(jié)果，從圖2(a)-(e)的④與⑤可以看出，由于水流和人手的影響，原始圖像中目標(biāo)附近存在大量氣泡和人手干擾，且圖像受噪聲污染較嚴(yán)重。有流環(huán)境中，NTSC法得到的灰度圖像中存在大量氣泡，導(dǎo)致分割結(jié)果中大量氣泡被檢測(cè)出來(lái)，且目標(biāo)與背景粘連;本文方法得到的灰度圖像中目標(biāo)與背景灰度級(jí)存在較明顯差異，分割結(jié)果中大部分氣泡和噪聲被剔除，并分割出目標(biāo)。人為干擾環(huán)境中，NTSC法得到的灰度圖像中目標(biāo)區(qū)域被大量氣泡覆蓋，導(dǎo)致分割結(jié)果中目標(biāo)分離不完整;本文方法得到的灰度圖像中氣泡、人手與目標(biāo)的灰度級(jí)存在明顯差異，分割結(jié)果中大部分干擾被剔除，并得到較完整的目標(biāo)物。

對(duì)表1中的數(shù)據(jù)進(jìn)行對(duì)比分析:

1)灰度化結(jié)果分析。較NTSC法，本文方法得到的HC的值有不同程度提高，5組實(shí)驗(yàn)分別提高了6.45%、6.73%、25.15%、21.04%、19.76%。表明在水下燈照環(huán)境，自然光照環(huán)境和干擾環(huán)境中，本文方法的灰度化效果優(yōu)于NTSC法。

2)分割結(jié)果分析。較NTSC法，本文方法得到的實(shí)驗(yàn)數(shù)據(jù)，GC和UM的值更接近于理想值1，ME的值更接近于理想值0。上述數(shù)據(jù)表明在水下燈照環(huán)境、自然光照環(huán)境以及干擾環(huán)境中本文方法的分割效果優(yōu)于NTSC法。

3)耗時(shí)分析。本文方法的平均耗時(shí)為94.4 ms，較 NTSC 法的平均耗時(shí) 15.6 ms，增加了 78.8 ms。雖增加了耗時(shí)，但能夠滿足本課題水下作業(yè)的時(shí)間要求。另外，為進(jìn)一步降低本文分割方法的耗時(shí)，設(shè)計(jì)了兩步序列圖像處理方式，其效果通過(guò)2.3節(jié)序列圖像處理耗時(shí)實(shí)驗(yàn)來(lái)驗(yàn)證。

綜合上述對(duì)比實(shí)驗(yàn)結(jié)果，相較于NTSC法，本文方法能夠增強(qiáng)灰度圖像對(duì)比度，有效地減輕氣泡、水中雜質(zhì)等干擾，并分離出較完整的目標(biāo)物。在水下燈照環(huán)境、自然光照環(huán)境和干擾環(huán)境的對(duì)比實(shí)驗(yàn)中本文方法均得到較滿意的分割結(jié)果，表明本文方法能夠較普遍地應(yīng)用于水下環(huán)境圖像分割，且能夠滿足本課題水下作業(yè)的時(shí)間要求。

2.2 與其他圖像分割方法對(duì)比實(shí)驗(yàn)

為進(jìn)一步驗(yàn)證本文分割方法的有效性，本文進(jìn)行了與其他圖像分割方法的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)分別在水下燈照環(huán)境和人為干擾環(huán)境中進(jìn)行。實(shí)驗(yàn)中，采用文獻(xiàn)［3］中基于自定義顏色空間的分割方法、文獻(xiàn)［4］中模糊譜聚類的分割方法和本文方法分別對(duì)采集得到的水下圖像進(jìn)行處理，結(jié)果如圖3、4所示。圖3(a)和圖4(a)分別為圖2(a)②和圖2(a)⑤的圖像，圖3(b)～(d)表示分別采用上述3種方法處理圖3(a)得到的分割結(jié)果，圖4(b)～(d)表示分別采用上述3種方法處理圖4(a)得到的分割結(jié)果。

圖3 水下燈照環(huán)境中紅球分割結(jié)果Fig.3 Image segmentation results about red target in underwater environment with illumination condition

圖4 人為干擾環(huán)境中紅球分割結(jié)果Fig.4 Image segmentation results about red target in an interference environment

對(duì)比分析圖3(b)～(d)可以看出，文獻(xiàn)［3］方法以S通道信息為主，由于球體表面受光不均勻，邊緣處出現(xiàn)環(huán)形分隔帶，分割結(jié)果中目標(biāo)提取不完整。文獻(xiàn)［4］方法分離出較完整目標(biāo)物，但由于目標(biāo)區(qū)域灰度級(jí)與水箱底部干擾灰度級(jí)較相似，分割結(jié)果中存在干擾物。本文方法得到的分割結(jié)果中大部分干擾被剔除，且分離出較完整目標(biāo)物。

對(duì)比分析圖4(b)～(d)可以看出，文獻(xiàn)［3］、［4］方法和本文方法均能分割出目標(biāo)物，本文方法的目標(biāo)邊緣更平滑，目標(biāo)區(qū)域內(nèi)孔洞更少。

為更全面地對(duì)比3種方法的分割效果，采用分割評(píng)價(jià)指標(biāo)分別對(duì)圖3(b)～(d)和圖4(b)～(d)進(jìn)行評(píng)價(jià)，并統(tǒng)計(jì)算法耗時(shí)，上述數(shù)據(jù)列于表2中。

表2 水下不同環(huán)境對(duì)比實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)Table 2 Comparison of experimental data in different underwater environments

對(duì)比分析表2中的數(shù)據(jù)可知，較文獻(xiàn)［3］和文獻(xiàn)［4］方法，本文方法的分割結(jié)果中，GC和UM的值更接近于理想值1，ME的值更接近于理想值0。同時(shí)，本文方法的平均耗時(shí)最短，較文獻(xiàn)［3］方法降低了 25.10%;較文獻(xiàn)［4］方法降低了 59.48%。上述數(shù)據(jù)表明在燈照環(huán)境與人為干擾環(huán)境中本文方法的分割效果和實(shí)時(shí)性均優(yōu)于文獻(xiàn)［3］和文獻(xiàn)［4］方法。

2.3 序列圖像處理耗時(shí)實(shí)驗(yàn)

為驗(yàn)證本文兩步序列圖像處理方式的有效性，作者在水下燈照環(huán)境中采集900幅紅球目標(biāo)圖像，采集過(guò)程中保持?jǐn)z像機(jī)位置不變，在其視場(chǎng)范圍內(nèi)人為晃動(dòng)目標(biāo)物，以模擬機(jī)器人水下作業(yè)的情況。

為便于對(duì)比，首先不采用本文兩步方式處理900幅序列圖像，對(duì)每幅圖像依次進(jìn)行灰度化權(quán)值調(diào)整、圖像灰度化和閾值分割處理，得到最終分割結(jié)果。這一過(guò)程共耗時(shí)85 140 ms。然后采用本文兩步方式處理900幅序列圖像，實(shí)驗(yàn)具體步驟如下:

1)采用本文權(quán)值調(diào)整方法對(duì)序列中前10幅圖像進(jìn)行處理，得到10組權(quán)值，從中選擇出現(xiàn)次數(shù)最多的一組作為最適權(quán)值。這一步共耗時(shí)785 ms。

2)采用1)中的最適權(quán)值對(duì)后續(xù)140幅圖像進(jìn)行灰度化處理，并進(jìn)行閾值分割得到最終分割結(jié)果。這一步共耗時(shí)2 156 ms。

不斷循環(huán)上述兩步方式處理其余的750幅圖像，完成整個(gè)圖像序列的分割處理。

作者對(duì)上述實(shí)驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)，采用本文兩步方式處理的900幅圖像共耗時(shí)17 646 ms，相對(duì)于不采用該方式的序列圖像處理耗時(shí)，其降低了79.27%，該結(jié)果表明本文兩步序列圖像處理方式提高了水下作業(yè)過(guò)程中序列圖像處理的實(shí)時(shí)性。

3 結(jié)束語(yǔ)

本文針對(duì)自適應(yīng)閾值法在水下圖像分割過(guò)程中存在目標(biāo)與背景粘連等問(wèn)題，提出一種基于灰度化權(quán)值調(diào)整的水下彩色圖像分割方法，水下燈照環(huán)境、自然光照環(huán)境、干擾環(huán)境對(duì)比實(shí)驗(yàn)以及與其他圖像分割方法對(duì)比實(shí)驗(yàn)結(jié)果表明，較NTSC法，本文方法能夠有效減輕氣泡、水中雜質(zhì)等干擾，并分離出較完整的目標(biāo)物;較基于自定義顏色空間與模糊譜聚類的分割方法，本文方法的分割結(jié)果中目標(biāo)邊緣更平滑，分割更完整。評(píng)價(jià)指標(biāo)中，本文方法的GC、UM、ME和HC的取值均優(yōu)于上述方法。同時(shí)，較基于自定義顏色空間與模糊譜聚類的分割方法，本文方法的平均耗時(shí)最低，算法實(shí)時(shí)性優(yōu)于上述兩種方法。為提高序列圖像處理的實(shí)時(shí)性，作者設(shè)計(jì)了一種兩步序列圖像處理方式，序列圖像處理耗時(shí)實(shí)驗(yàn)結(jié)果表明，相對(duì)于不采用兩步方式的序列圖像處理耗時(shí)，本文兩步方式降低了79.27%，提高了水下作業(yè)過(guò)程中序列圖像處理的實(shí)時(shí)性。

［1］徐玉如，李彭超.水下機(jī)器人發(fā)展趨勢(shì)［J］.自然雜志，2011，33(3):125-132.XU Yuru，LI Pengchao.Developing tendency of unmanned underwater vehicles［J］.Chinese Journal of Nature，2011，33(3):125-132.

［2］LI Z Y，ZHANG D，XU Y，et al.Modified local entropybased transition region extraction and thresholding［J］.Applied Soft Computing，2011，11:5630-5638.

［3］曹宇，趙杰，閆繼宏.基于自定義顏色空間的快速圖像分割方法［J］.計(jì)算機(jī)科學(xué)，2009，36(2):265-267.CAO Yu，ZHAO Jie，YAN Jihong.Image segmentation method based on custom color space model［J］.Computer Science，2009，36(2):265-267.

［4］LIU Hanqiang，ZHAO Feng，JIAO Licheng.Fuzzy spectral clustering with robust spatial information for image segmentation［J］.Applied Soft Computing，2012，12:3636-3647.

［5］GIACOMO M，SONG K，CHOI，J Y.Underwater autonomous manipulation for intervention missions AUVs［J］.O-cean Engineering，2009，31(1):15-23.

［6］曾文靜，徐玉如，萬(wàn)磊，等.自主式水下機(jī)器人的光視覺(jué)管道探測(cè)跟蹤系統(tǒng)［J］.上海交通大學(xué)學(xué)報(bào)，2012，46(2):178-183.ZENG Wenjing，XU Yuru，WAN Lei，et al.Robotics vision-based system for autonomous underwater vehicle for an underwater pipeline tracker［J］.Journal of Shanhai Jiaotong University，2012，46(2):178-183.

［7］張銘鈞，萬(wàn)媛媛，李煊.水中光視覺(jué)圖像分割及目標(biāo)提取方法［J］.哈爾濱工程大學(xué)學(xué)報(bào)，2013，34(12):1580-1586.ZHANG Mingjun，WAN Yuanyuan，LI Xuan.Image segmentation and target extraction based on underwater optical vision［J］.Journal of Harbin Engineering University，2013，34(12):1580-1586.

［8］章毓晉.圖像工程(上冊(cè))［M］.3版.北京:清華大學(xué)出版社，2012:304-305.ZHANG Yujin.Image engineering(Ⅰ)［M］.3rd Ed.Beijing:Tsinghua University Press，2012:304-305.

［9］RANJANI J J，THIRUVENGADAM S J.Fast threshold selection algorithm for segmentation of synthetic aperture radar image［J］.Radar，Sonar＆ Navigation，IET，2012，6(8):788-795.

［10］陳林飛.基于分?jǐn)?shù)變換光學(xué)的圖像編碼和信息處理技術(shù)研究［D］.杭州:浙江大學(xué)，2008:98-100.CHEN Linfei.Research on image encryption and information processing techniques based on fractional transform optics［D］.Hangzhou:Zhejiang University，2008:98-100.

［11］XIA Hua.Human computer interactions for converting color image to gray［J］.Neurocomputing，2012，85(15):1-5.

［12］HEMALATA V B，SUBHASIS C.Laplacian based non-local means denoising of MR images with Rician noise［J］.Magnetic Resonance Imaging，2013，31(9):1599-1610.

［13］田媛.灰度圖像無(wú)參考質(zhì)量評(píng)價(jià)方法研究［D］.長(zhǎng)春:中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，2010:39-41.TIAN Yuan.Study on no-reference quality assessment method for gray image［D］.Changchun:Changchun Institute of Optics，F(xiàn)ine Mechanics and Physics，Chinese A-cademy of Sciences，2010:39-41.

［14］劉春燕.圖像分割評(píng)價(jià)方法研究［D］.西安:西安電子科技大學(xué)，2011:29-32.LIU Chunyan.Survey on evaluation methods of image segmentation algorithms［D］.Xi＇an:Xidian University，2011:29-32.