CN103400381A - 一种基于光学成像的水下目标跟踪方法 - Google Patents
一种基于光学成像的水下目标跟踪方法 Download PDFInfo
- Publication number
- CN103400381A CN103400381A CN201310317963XA CN201310317963A CN103400381A CN 103400381 A CN103400381 A CN 103400381A CN 201310317963X A CN201310317963X A CN 201310317963XA CN 201310317963 A CN201310317963 A CN 201310317963A CN 103400381 A CN103400381 A CN 103400381A
- Authority
- CN
- China
- Prior art keywords
- target
- underwater
- video camera
- distance
- submarine target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开一种基于光学成像的水下目标跟踪方法,水下目标具有运动自由度高和复杂多变的空间结构特点,根据水下光学成像模型并引入暗原色先验算法,计算出水下目标和摄像机之间的距离,同时由计算得到的摄像机和水下目标距离信息对图像进行色彩恢复,以及自适应地调整目标跟踪窗口尺寸的大小,最后在粒子滤波框架下对水下目标进行跟踪。本发明能够在单摄像机视频中稳定、可靠地对水下目标进行自适应跟踪,且运算效率高。
Description
技术领域
本发明涉及一种基于光学成像的水下目标运动跟踪方法,尤其涉及融合距离信息的水下目标跟踪,属于机器视觉技术领域。
背景技术
在海洋科学的研究中,经常使用高分辨率的视频设备来拍摄长时间的视频。面对如此大量的数据,依靠手工处理并不高效的。因此,水下机器视觉成为一项通用技术,用来协助水下应用,在机器人,气象,通信,生物医药等方面都有着重要的作用。
在水下机器视觉中,较高级别的应用需要定位每帧图像中目标的位置,而目标跟踪恰恰是其中的关键技术。由于光在水中传播的特性,水下视频的质量严重退化。因此,所获取的水下视频的信噪比非常低,目标的信息也严重失真。与地面上视频相比较,水下视频目标信息的提取非常困难。同时,由于水下目标运动具有自由度高和复杂多变的空间结构特点。因此,普通的水下目标跟踪方法已经不再适用。
基于上述问题,通过获取目标和摄像机之间的距离信息,并将其作为重要参数以帮助水下目标跟踪准确性提高,是一个全新的研究设计策略。本发明基于粒子滤波框架,通过提取距离信息,并以此指导实现水下运动目标的自适应跟踪。
发明内容
发明目的:本发明所要解决的技术问题是提供一种基于光学成像的水下目标跟踪方法,通过结合水下目标与摄像机距离信息以及粒子滤波算法来对水下目标进行自适应跟踪。
发明内容:为解决上述技术问题,本发明所采用的技术方案为:
一种基于光学成像的水下目标跟踪方法,包括如下步骤:
首先,在单摄像机成像条件下,根据水下光学成像模型并引入暗原色先验算法,计算出水下目标和摄像机之间的距离;
随后,利用得到的水下目标和摄像机的距离信息对水下图像进行色彩恢复,同时建立目标及候选目标的模板直方图;
最后,在粒子滤波框架下,基于距离信息自适应地调整跟踪窗口的大小,对水下目标进行跟踪。
其中,计算水下目标和摄像机间的距离信息,具体步骤为:
(1)计算某一帧图像的暗原色信息;
(2)基于水下成像模型及统计规律得到水下背景光、水下目标与摄像机距离以及衰减因子的关系;
(3)由该帧图像中的最亮点得到水下背景光信息,衰减因子是已知常量,依据步骤(2)中的关系式,计算出水下目标与摄像机间的距离。
其中,对水下图像进行色彩恢复,具体操作步骤为:以水下目标与摄像机间的距离为基础,计算背景光在背景与摄像机间的传播强度,用原图像减去此传播强度再除以水下目标与摄像机间水下目标的光衰减程度,得到色彩恢复图像。
其中,自适应地调整跟踪窗口的大小,具体操作步骤为:以水下目标与摄像机间距离为基础,计算前后两帧图像中距离信息的比例,基于前一帧中目标跟踪窗口的尺寸,按计算得到的比例调整后一帧跟踪窗口的大小。
本发明相比于现有技术,具有以下有益效果:
1、跟踪鲁棒性强。单摄像机视频的暗原色先验处理,在不进行背景建模并不借助任何先验知识的前提下,可有效计算出目标中心和摄像机的距离信息。由于水下目标运动自由度高和复杂多变的空间结构特点,目标投影大小会发生显著地变化,使用上述距离信息可以自适应地调整跟踪窗口的大小。同时由于水下介质散射以及反射的影响,水下图像颜色失真严重,而衰减程度又是与距离信息密切相关,采用此距离信息可以有效地对水下图像进行色彩恢复。
2、技术推广性强。现有的能够实现水下目标跟踪的少数算法均采用多摄像机立体视觉技术,并要求极为苛刻的摄像机标定。造成算法的硬件复杂度和计算复杂度较高,很难满足常规应用的需要。本发明在单摄像机成像的条件下就能够实现水下目标的跟踪,显著降低了跟踪系统硬件搭建的复杂度,并且不需要繁琐的摄像机标定,算法的计算复杂度显著降低。能够更加广泛的加载到这种水下视频系统中,技术推广性显著提高。
鉴于以上特点,本方法能够稳定、可靠地针对水下运动目标进行跟踪。
附图说明
图1是本发明基于光学成像水下目标的跟踪方法流程图;
图2是本发明基于光学成像水下目标跟踪方法的目标跟踪算法流程图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,一种基于光学成像的水下目标跟踪方法,包括如下步骤:
首先,根据水下光学成像模型理论以及暗原色先验算法,提取每帧视频图像的模糊程度,即雾的浓度,计算出水下目标和摄像机之间的距离;
随后,由计算出的距离信息和水下成像模型来对模糊图像进行去雾处理,同时对水下环境所造成的图像颜色失真进行补偿,对水下图像进行增强处理,计算图像的核密度加权颜色直方图,并以此作为水下目标的模板特征;
此外,根据光学成像模型和投影理论,场景中的某个目标成像后的尺寸大小应该和摄像机之间的是距离成反比的,利用得到的距离信息自适应地调整跟踪窗口的大小。
最后基于粒子滤波框架,融合距离信息自适应地对水下目标进行跟踪。
本发明的水下目标跟踪方法,核心在于通过暗原色先验算法计算摄像机与目标之间的距离,由此进行图像色彩恢复和自适应调整跟踪窗口的大小进行目标跟踪。
水下成像模型可以由下式表示:
其中,λ是颜色通道,Iλ(x)是在点x处得到的图像,Jλ(x)是水下环境光,ρλ(x)是反射率,αλ是波长衰减因子,r(x)是深度,Bλ为水下背景光。
对于图像Iλ(x),计算其暗原色为:
其中:Idark即图像I的强度值接近于0的暗原色。
在背景光是同态均匀的情况下,目标和摄像机之间的距离r(x)为:
在机器视觉领域中,衰减因子αdark通常是预先知道的,水下背景光信息的背景光Bdark可以由图像中的最亮值点得到。因此结合αdark和Bdark便可得到目标和摄像机间的距离。
由距离信息便可以进行图像色彩恢复以及自适应调整跟踪窗口大小。
此外由距离信息来自适应地调整跟踪窗口:
将色彩恢复后的水下图像作为粒子滤波跟踪的视频帧,同时在跟踪过程中自适应地调整跟踪窗口,准确性和鲁棒性明显提高。
Claims (4)
1.一种基于光学成像的水下目标跟踪方法,其特征在于:
首先,在单摄像机成像条件下,根据水下光学成像模型并引入暗原色先验算法,计算出水下目标和摄像机之间的距离;
随后,利用得到的水下目标和摄像机的距离信息对水下图像进行色彩恢复,同时建立目标及候选目标的模板直方图;
最后,在粒子滤波框架下,基于距离信息自适应地调整跟踪窗口的大小,对水下目标进行跟踪。
2.根据权利要求1所述的基于光学成像的水下目标跟踪方法,其特征在于:计算水下目标和摄像机间的距离信息,具体步骤为:
(1)计算某一帧图像的暗原色信息;
(2)基于水下成像模型及统计规律得到水下背景光、水下目标与摄像机距离以及衰减因子的关系;
(3)由该帧图像中的最亮点得到水下背景光信息,衰减因子是已知常量,依据步骤(2)中的关系式,计算出水下目标与摄像机间的距离。
3.根据权利要求1所述的基于光学成像的水下目标跟踪方法,其特征在于:对水下图像进行色彩恢复,具体操作步骤为:以水下目标与摄像机间的距离为基础,计算背景光在背景与摄像机间的传播强度,用原图像减去此传播强度再除以水下目标与摄像机间水下目标的光衰减程度,得到色彩恢复图像。
4.根据权利要求1所述的基于光学成像的水下目标跟踪方法,其特征在于:自适应地调整跟踪窗口的大小,具体操作步骤为:以水下目标与摄像机间距离为基础,计算前后两帧图像中距离信息的比例,基于前一帧中目标跟踪窗口的尺寸,按计算得到的比例调整后一帧跟踪窗口的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310317963.XA CN103400381B (zh) | 2013-07-25 | 2013-07-25 | 一种基于光学成像的水下目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310317963.XA CN103400381B (zh) | 2013-07-25 | 2013-07-25 | 一种基于光学成像的水下目标跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103400381A true CN103400381A (zh) | 2013-11-20 |
CN103400381B CN103400381B (zh) | 2015-12-09 |
Family
ID=49563993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310317963.XA Active CN103400381B (zh) | 2013-07-25 | 2013-07-25 | 一种基于光学成像的水下目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103400381B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574387A (zh) * | 2014-12-29 | 2015-04-29 | 张家港江苏科技大学产业技术研究院 | 水下视觉slam系统中的图像处理方法 |
CN107065898A (zh) * | 2016-12-06 | 2017-08-18 | 北京臻迪科技股份有限公司 | 一种水下无人船航行控制方法及系统 |
CN108415441A (zh) * | 2018-03-05 | 2018-08-17 | 中国海洋大学 | 基于单目视觉的水下机器人目标跟随系统及其方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833791A (zh) * | 2010-05-11 | 2010-09-15 | 成都索贝数码科技股份有限公司 | 一种单摄像机下的场景建模方法及系统 |
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN102663697A (zh) * | 2012-04-01 | 2012-09-12 | 大连海事大学 | 一种水下彩色视频图像的增强方法 |
CN102903121A (zh) * | 2012-08-31 | 2013-01-30 | 四川九洲电器集团有限责任公司 | 基于运动目标跟踪的融合算法 |
CN102930557A (zh) * | 2012-10-16 | 2013-02-13 | 苏州大学 | 跟踪窗口尺寸自适应调整的粒子滤波跟踪方法 |
TW201308251A (zh) * | 2011-08-04 | 2013-02-16 | Yi-Wu Chiang | 水下影像強化系統 |
-
2013
- 2013-07-25 CN CN201310317963.XA patent/CN103400381B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN101833791A (zh) * | 2010-05-11 | 2010-09-15 | 成都索贝数码科技股份有限公司 | 一种单摄像机下的场景建模方法及系统 |
TW201308251A (zh) * | 2011-08-04 | 2013-02-16 | Yi-Wu Chiang | 水下影像強化系統 |
CN102663697A (zh) * | 2012-04-01 | 2012-09-12 | 大连海事大学 | 一种水下彩色视频图像的增强方法 |
CN102903121A (zh) * | 2012-08-31 | 2013-01-30 | 四川九洲电器集团有限责任公司 | 基于运动目标跟踪的融合算法 |
CN102930557A (zh) * | 2012-10-16 | 2013-02-13 | 苏州大学 | 跟踪窗口尺寸自适应调整的粒子滤波跟踪方法 |
Non-Patent Citations (1)
Title |
---|
彭青艳等: "《跟踪窗口尺寸自适应调整的例子滤波跟踪算法》", 《红外技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574387A (zh) * | 2014-12-29 | 2015-04-29 | 张家港江苏科技大学产业技术研究院 | 水下视觉slam系统中的图像处理方法 |
CN104574387B (zh) * | 2014-12-29 | 2017-11-21 | 张家港江苏科技大学产业技术研究院 | 水下视觉slam系统中的图像处理方法 |
CN107065898A (zh) * | 2016-12-06 | 2017-08-18 | 北京臻迪科技股份有限公司 | 一种水下无人船航行控制方法及系统 |
CN108415441A (zh) * | 2018-03-05 | 2018-08-17 | 中国海洋大学 | 基于单目视觉的水下机器人目标跟随系统及其方法 |
CN108415441B (zh) * | 2018-03-05 | 2020-03-10 | 中国海洋大学 | 基于单目视觉的水下机器人目标跟随系统的跟随方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103400381B (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210551B (zh) | 一种基于自适应主体敏感的视觉目标跟踪方法 | |
CN108921799B (zh) | 基于多尺度协同学习卷积神经网络的遥感图像薄云去除方法 | |
CN108230264B (zh) | 一种基于ResNet神经网络的单幅图像去雾方法 | |
Zhou et al. | Underwater vision enhancement technologies: A comprehensive review, challenges, and recent trends | |
CN103440662B (zh) | Kinect深度图像获取方法与装置 | |
CN109859120B (zh) | 基于多尺度残差网络的图像去雾方法 | |
Kim et al. | High-speed drone detection based on yolo-v8 | |
CN110580472B (zh) | 一种基于全卷积网络和条件对抗网络的视频前景检测方法 | |
CN111738953A (zh) | 一种基于边界感知对抗学习的大气湍流退化图像复原方法 | |
CN111027505B (zh) | 一种基于显著性检测的分层多目标跟踪方法 | |
CN102855465B (zh) | 一种移动物体的跟踪方法 | |
CN107730472A (zh) | 一种基于暗原色先验的图像去雾优化算法 | |
CN111340718A (zh) | 一种基于渐进式导向强监督神经网络的图像去雾方法 | |
CN103400381B (zh) | 一种基于光学成像的水下目标跟踪方法 | |
CN112767267B (zh) | 基于仿真偏振带雾场景数据集的图像去雾方法 | |
CN112419163A (zh) | 一种基于先验知识和深度学习的单张图像弱监督去雾方法 | |
Zhang et al. | Dehazing with improved heterogeneous atmosphere light estimation and a nonlinear color attenuation prior model | |
CN110120009B (zh) | 基于显著物体检测和深度估计算法的背景虚化实现方法 | |
Putra et al. | Visibility restoration of lake crater hazy image based on dark channel prior | |
CN104104911A (zh) | 全景图像生成过程中的时间戳消除和重置方法及系统 | |
CN103400380A (zh) | 融合图像矩阵偏移的单摄像机水下目标三维轨迹模拟方法 | |
CN114820395B (zh) | 一种基于多领域信息融合的水下图像增强方法 | |
CN111127355A (zh) | 一种对缺损光流图进行精细补全的方法及其应用 | |
CN115439771A (zh) | 一种改进dsst的红外激光光斑跟踪方法 | |
CN114758030A (zh) | 融合物理模型和深度学习的水下偏振成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |