导读:本文包含了水下视觉论文开题报告文献综述及选题提纲参考文献，主要关键词:AUV,水下图像处理,目标识别
水下视觉论文文献综述
吴宇,蔡永斌,汤荣华[1]（2019）在《水下视觉图像处理和识别技术研究》一文中研究指出自主式水下机器人(AUV,简称水下机器人)在商业与军事上具有重要意义,受到越来越多科学家和技术人员的重视。视觉系统是水下机器人最重要的探测手段之一,而水下环境的复杂性以及光在水下传播的规律不同,导致水下视觉处理及识别面临新的难题。论文研究了几种常规的光学处理技术在水下视觉中的问题和分析,并使用采集的实际水下图像验证了算法的可靠性,为水下视觉应用提供了可靠手段。(本文来源于《舰船电子工程》期刊2019年05期）
吴迪[2]（2016）在《稀疏表示理论研究及其在水下视觉导航数据中的应用》一文中研究指出水下航行器完成使命的前提条件是精准的水下导航。然而,无论采用惯性导航方法、航位推算方法或是同步定位与构图算法,经过长时间导航后,都需要有效的信息校正航行器的位置。基于高分辨率合成孔径声呐图像的水下视觉导航可以在浅海区提供精确的位置信息,具有辅助航行器精确导航的作用,因而针对合成孔径声呐图像的去噪和识别的研究具有重要意义。由于声呐图像的成像环境及方式不同于光学图像,传统的适用于光学图像的处理方法在处理声学图像时难以取得好的效果。与哺乳动物通过视觉皮层中的少数神经元对视野内的图像进行表示的方法类似,稀疏表示理论因其对信号或图像具有简洁的表示形式而受到研究人员的广泛关注。近年来,在图像复原、盲信号分离、医学成像等问题的应用中,稀疏表示都取得了一定的进展。本文首先针对稀疏表示综合模型和解析模型下的字典学习方法和稀疏编码算法进行研究,最后结合合成孔径声呐图像的特点,研究了基于稀疏表示理论的声呐图像的去噪和识别。本文的主要研究内容概括如下:在字典训练时,字典的规模与训练时间通常成反比。针对综合模型下块稀疏字典学习方法通常设字典规模较大的问题,本文提出了根据表示误差设计最优规模字典学习算法。首先,由于实际应用中图像的块结构通常未知,本文提出稀疏聚类法将稀疏表示系数按相似度分组,为图像划定块结构。算法再根据图像在字典上的块稀疏度设定初始字典规模,在后续过程中逐渐向字典中添加原子。当改进算法对图像达到相同的表示误差时,字典规模与传统算法设置的字典规模相比较小,运算速度有所提高。在许多实际问题中,信号或图像在给定字典下的稀疏度通常是未知的,且不具备准确预估的方法。针对稀疏表示综合模型下传统的稀疏编码算法在执行时需要以信号的稀疏度为先验信息的问题,本文提出了一种分段正则化正交匹配追踪算法。算法首先按分段原则预估信号的稀疏度并构建候选集,再对候选集进行正则化得到支撑集并完成信号重构和余量更新。本文提出的方法对信号的重构速度和精度优于多数同类算法,并为算法在实际中应用提供了可能。在解析K-SVD算法训练字典时,受中间过程中求解信号在字典上的共稀疏表示系数的运算量较大,且字典中原子应用SVD分解误差矩阵的方法进行更新两个因素的影响,算法训练字典速度较慢。针对上述问题,本文提出了并行原子更新的解析字典学习算法。算法以构建用于重构信号的共支撑集取代重构信号,提高解析字典学习算法的执行速度,并根据相应子矩阵的乘法运算更新字典中原子进而简化字典原子更新过程。改进后的算法在运算速度上有明显提高,且对噪声信号具有较高的鲁棒性。与综合模型下稀疏编码算法存在的问题类似,目前的解析稀疏编码算法在重构信号时需要以信号共稀疏度为先验信息,而通常信号的共稀疏度无法被准确估计。为此,本文首先分析了稀疏表示解析模型和综合模型下稀疏编码算法之间的关系,然后提出了一种共稀疏度分段自适应的稀疏编码算法。算法首先给出预估信号的共稀疏度的方法,然后以大步长逼近信号的真实共稀疏度并重构信号,当重构误差满足停止条件时,算法对信号预估共稀疏度微调,构建精准的共支撑集并完成最终的信号重构。本文提出的算法在理论和实验上共同验证了对无噪信号和含噪信号的重构具有稳定性和鲁棒性。由于合成孔径声呐图像的特点较光学图像有所不同,传统的光学图像去噪方法在处理合成孔径声呐图像时难以取得好的效果。为此,本文提出了基于稀疏表示理论的合成孔径声呐图像的去噪方法。算法分两个阶段去除声呐图像中的加性噪声和乘性噪声。在去噪过程中,算法基于含噪图像训练去噪字典,利用图像在字典上具有稀疏表示形式而噪声无法被稀疏表示的性质去除噪声并精确重构图像,完美的实现了图像信息与噪声的分离。基于稀疏表示的图像识别算法要求训练样本数量大,而合成孔径声呐图像采集难度大、数量少,因而算法无法被直接用于声呐图像的识别中。本文对传统的基于稀疏表示的图像识别算法进行改进,提出了对样本数据集分块的方式增加样本数量,同时根据各类样本训练类内字典,然后合并构成样本字典,以此替代直接用少量样本数据构建训练样本集的方式进行图像识别。改进算法在合成孔径声呐图像的样本数量较少时依然能完成图像识别,且具有较高的识别率。(本文来源于《哈尔滨工程大学》期刊2016-04-01）
衡靓靓[3]（2013）在《水下视觉测距系统的设计与实现》一文中研究指出随着近些年来陆地资源的日益损耗，各国争相开展海洋资源发掘和开发。相对于陆地资源的利用，海洋开发必然要克服水下环境复杂，水下工作难以实施等问题。比如，水下设备投放工作常常由于对水深、水下投放点环境等信息的未知，无法及时确定投放方式，进而可能对投放设备造成触底损坏。这不仅增加了不必要的成本浪费，而且大大降低了海域资源的探测效率。一直以来，水下测距工作主要由超声波测距、激光测距、电磁波测距等传统测距技术完成。测绘人员根据不同的测量范围及精度要求，选择相应的测距工具应用于特定环境的测距工作。近年来，很多国内外学者将计算机视觉这一新兴发展的学科引入测距技术，并对此开展了系统的研究。水下视觉测距作为机器视觉在测距领域的创新性应用，在测量精度及算法实现上，相对于传统测距技术，逐渐显露出极大的优越性。尤其，声呐作为目前较为成熟水下测距工具，由于在短距离的测距精度上差强人意，不能满足设备在水下的防护功能。而且，不同于大型水下地形扫描系统，本课题主要针对水下短距离测距进行视觉模型建立和算法研究，在保证测距效率和算法可行的基础上，设计一种符合精度要求的水下短距离视觉测距系统。本课题对目前主要的水下测距技术及产品的精度及测量范围进行了统计和对比，进一步验证计算机视觉在水下短距离测距应用中的可行性及其在特定测量环境的优越性。根据课题的测距原理及实现流程，将本系统的研究内容主要分为图像采集部分、图像分析处理部分两部分。图像采集部分负责海底面激光点的图像采集，图像处理分析部分主要负责对获取的图像进行目标识别，获取必要的模型参数，并按照系统的数学模型，计算出设备距离海底平面的深度信息。由于本系统涉及大量的算法应用和验证，因此使用Microsoft Visual Studio2008开发视觉测距模型。本课题要完成的主要工作：系统总体设计、摄像机成像模型及标定算法实现、单目叁点视觉测距系统的模型建立及算法实现、双目叁点视觉测距系统的模型建立及算法实现，以及系统调试和实验结果的数据分析。系统总体设计主要包括核心算法设计、系统框架设计、图像采集装置中摄像机、图像采集卡、激光发射器的选型，以及开发语言及开发环境的介绍。摄像机成像模型及标定主要介绍了摄像机的成像原理及标定算法。单目叁点视觉测距系统设计主要包括单目测距系统模型的基本原理、单目图像采集装置的设计、单目图像处理部分算法设计和实现。双目叁点视觉测距系统设计主要包括双目测距系统模型的基本原理、双目图像采集装置的设计、双目图像处理的算法设计及实现。系统测试包括摄像机标定测试，图像处理算法测试，系统总体测试。其中，图像处理算法测试是最为复杂和重要的测试部分，是整个测试环节的关键。系统总体测试主要负责对整个测距流程的完整实施，并获得一系列可靠的测距结果。经过数周的测试可知：系统的精度在一定测量范围内符合预期的要求。通过对测试结果的分析和图像处理算法的验证，进一步完善视觉测距系统的理论实践工作。(本文来源于《杭州电子科技大学》期刊2013-12-01）
方凯[4]（2012）在《Unity3D第一人称视角游戏者水下视觉效果的实现》一文中研究指出本文简单的阐述了使用Unity3D游戏引擎自带的第一人称控制器创建的第一人称游戏者在水面之下行进时,如何让游戏画面呈现出和其在水面之上时不同的视觉效果。(本文来源于《计算机光盘软件与应用》期刊2012年15期）
蔡玉连,王耀南,张志国[5]（2008）在《冷凝管水下视觉定位系统研究》一文中研究指出根据机器人水下工作环境和工况要求,针对冷凝管清洗设备坐标输入法定位不准的问题引入了机器视觉技术,分析了系统的可行性设计,设计了一套基于DSP的嵌入式机器视觉系统,并详细叙述了照明方式、图像采集模块、图像处理模块的组成及工作原理,最后结合系统应用要求和算法的实时性,通过最大方差法及重心法完成了管口圆心的定位。该视觉系统取得良好的实验结果,能在一定程度上提高整个机器人系统的集成度、定位的快速性与精确度。(本文来源于《计算机工程与应用》期刊2008年04期）
冯包根[6]（1994）在《水下激光电视技术:水下视觉延伸之路》一文中研究指出水下是一个特殊的环境。由于水分子对光的吸收和散射非常严重,光在水中传输时衰减很大。因此,人眼在水中不能看得很远,即使使用带有人工照明(通常用石英卤素灯)的水下电视摄像机,(本文来源于《百科知识》期刊1994年07期）
水下视觉论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
水下航行器完成使命的前提条件是精准的水下导航。然而,无论采用惯性导航方法、航位推算方法或是同步定位与构图算法,经过长时间导航后,都需要有效的信息校正航行器的位置。基于高分辨率合成孔径声呐图像的水下视觉导航可以在浅海区提供精确的位置信息,具有辅助航行器精确导航的作用,因而针对合成孔径声呐图像的去噪和识别的研究具有重要意义。由于声呐图像的成像环境及方式不同于光学图像,传统的适用于光学图像的处理方法在处理声学图像时难以取得好的效果。与哺乳动物通过视觉皮层中的少数神经元对视野内的图像进行表示的方法类似,稀疏表示理论因其对信号或图像具有简洁的表示形式而受到研究人员的广泛关注。近年来,在图像复原、盲信号分离、医学成像等问题的应用中,稀疏表示都取得了一定的进展。本文首先针对稀疏表示综合模型和解析模型下的字典学习方法和稀疏编码算法进行研究,最后结合合成孔径声呐图像的特点,研究了基于稀疏表示理论的声呐图像的去噪和识别。本文的主要研究内容概括如下:在字典训练时,字典的规模与训练时间通常成反比。针对综合模型下块稀疏字典学习方法通常设字典规模较大的问题,本文提出了根据表示误差设计最优规模字典学习算法。首先,由于实际应用中图像的块结构通常未知,本文提出稀疏聚类法将稀疏表示系数按相似度分组,为图像划定块结构。算法再根据图像在字典上的块稀疏度设定初始字典规模,在后续过程中逐渐向字典中添加原子。当改进算法对图像达到相同的表示误差时,字典规模与传统算法设置的字典规模相比较小,运算速度有所提高。在许多实际问题中,信号或图像在给定字典下的稀疏度通常是未知的,且不具备准确预估的方法。针对稀疏表示综合模型下传统的稀疏编码算法在执行时需要以信号的稀疏度为先验信息的问题,本文提出了一种分段正则化正交匹配追踪算法。算法首先按分段原则预估信号的稀疏度并构建候选集,再对候选集进行正则化得到支撑集并完成信号重构和余量更新。本文提出的方法对信号的重构速度和精度优于多数同类算法,并为算法在实际中应用提供了可能。在解析K-SVD算法训练字典时,受中间过程中求解信号在字典上的共稀疏表示系数的运算量较大,且字典中原子应用SVD分解误差矩阵的方法进行更新两个因素的影响,算法训练字典速度较慢。针对上述问题,本文提出了并行原子更新的解析字典学习算法。算法以构建用于重构信号的共支撑集取代重构信号,提高解析字典学习算法的执行速度,并根据相应子矩阵的乘法运算更新字典中原子进而简化字典原子更新过程。改进后的算法在运算速度上有明显提高,且对噪声信号具有较高的鲁棒性。与综合模型下稀疏编码算法存在的问题类似,目前的解析稀疏编码算法在重构信号时需要以信号共稀疏度为先验信息,而通常信号的共稀疏度无法被准确估计。为此,本文首先分析了稀疏表示解析模型和综合模型下稀疏编码算法之间的关系,然后提出了一种共稀疏度分段自适应的稀疏编码算法。算法首先给出预估信号的共稀疏度的方法,然后以大步长逼近信号的真实共稀疏度并重构信号,当重构误差满足停止条件时,算法对信号预估共稀疏度微调,构建精准的共支撑集并完成最终的信号重构。本文提出的算法在理论和实验上共同验证了对无噪信号和含噪信号的重构具有稳定性和鲁棒性。由于合成孔径声呐图像的特点较光学图像有所不同,传统的光学图像去噪方法在处理合成孔径声呐图像时难以取得好的效果。为此,本文提出了基于稀疏表示理论的合成孔径声呐图像的去噪方法。算法分两个阶段去除声呐图像中的加性噪声和乘性噪声。在去噪过程中,算法基于含噪图像训练去噪字典,利用图像在字典上具有稀疏表示形式而噪声无法被稀疏表示的性质去除噪声并精确重构图像,完美的实现了图像信息与噪声的分离。基于稀疏表示的图像识别算法要求训练样本数量大,而合成孔径声呐图像采集难度大、数量少,因而算法无法被直接用于声呐图像的识别中。本文对传统的基于稀疏表示的图像识别算法进行改进,提出了对样本数据集分块的方式增加样本数量,同时根据各类样本训练类内字典,然后合并构成样本字典,以此替代直接用少量样本数据构建训练样本集的方式进行图像识别。改进算法在合成孔径声呐图像的样本数量较少时依然能完成图像识别,且具有较高的识别率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水下视觉论文参考文献
[1].吴宇,蔡永斌,汤荣华.水下视觉图像处理和识别技术研究[J].舰船电子工程.2019
[2].吴迪.稀疏表示理论研究及其在水下视觉导航数据中的应用[D].哈尔滨工程大学.2016
[3].衡靓靓.水下视觉测距系统的设计与实现[D].杭州电子科技大学.2013
[4].方凯.Unity3D第一人称视角游戏者水下视觉效果的实现[J].计算机光盘软件与应用.2012
[5].蔡玉连,王耀南,张志国.冷凝管水下视觉定位系统研究[J].计算机工程与应用.2008
[6].冯包根.水下激光电视技术:水下视觉延伸之路[J].百科知识.1994