摘要
海胆在我国沿海地区有着悠久的养殖历史，随着国家经济不断发展，国民对海胆的需求日渐增长，因此对海胆捕捞提出巨大挑战。当前国内海胆捕捞主要依托人工打捞，其成本高、风险大，采用水下机器人打捞的方式必将成为主流。目前海胆水下机器人打捞技术还不够成熟，且水下环境复杂，如充满多种悬浮物、水下光强较弱等，对海胆水下机器人打捞技术提出挑战。 海胆目标检测是海胆水下机器人打捞技术中的关键一环，由于水下环境较特殊，海胆图像易出现模糊、对比度低及颜色失真等问题，同时海胆目标尺寸偏小，对准确检测海胆目标造成极大阻碍。因此，海胆图像质量差、目标尺寸小成为海胆水下机器人打捞技术急需解决的主要问题。针对这两个问题，本研究主要做了以下工作: 针对海胆图像质量差的问题，本研究提出改进暗通道先验(DarkChannelPrior,DCP)算法及自适应权重的带色彩恢复多尺度Retinex(Multi-ScaleRetinexWithColorRestoration,MSRCR)算法。(1)传统DCP算法在陆地场景除雾效果明显，但应用于水下图像场景会造成红色通道过度补偿问题。因此本研究提出改进DCP算法，根据水下环境特点，改进DCP算法针对蓝色通道及绿色通道进行建模处理。实验结果表明，改进DCP算法相比传统DCP算法可以更有效地提高海胆图像质量。(2)传统MSRCR算法的三个尺度权重系数相等，且水下环境复杂多样，所以传统MSRCR算法在水下场景中适应性较差，不能有效达到水下图像质量增强的效果。因此本研究提出自适应权重MSRCR算法，将图像从RGB空间转换至HSV颜色空间，并对其中的V通道像素进行暗、中、亮分类，分别计算这三类像素的似然概率，得到三个尺度的权重值，从而实现权重自适应。实验结果表明，自适应权重MSRCR算法相比传统MSRCR算法可以更有效地提高海胆图像质量。 针对海胆目标尺寸小的问题，本研究提出基于特征融合模块与SSD(SingleShotMulti-BoxDetector)的水下小目标检测算法。传统目标检测SSD算法具有目标检测速度快，检测精度高的优点，但直接使用SSD算法进行诸如海胆等水下小目标物体的检测，其效果并不理想，在此场景下SSD算法仍有改进空间。因此，本研究将特征融合模块与传统SSD算法相结合，从而提高SSD算法的小目标检测能力。特征融合模块将不同层次卷积层产生的特征图进行融合，保留了浅层小目标物体的语义信息，从而提高SSD算法对海胆小目标检测的精度。实验结果表明，改进后的SSD算法可以有效提高小目标检测能力。 本研究提出的图像预处理算法及目标检测算法为当前海胆水下机器人打捞技术面临的问题，提供了一套完整解决方案，为水下机器人打捞技术发展做出贡献。
NETL