CN110276388B - 应用于水下无人机的图像处理方法及装置 - Google Patents

Abstract

本发明涉及水下无人机领域，具体涉及一种应用于水下无人机的图像处理方法及装置。该方法及装置包括步骤：S101:计算水下无人机拍摄的图像上各像素点光照亮度；S102:使用FCM聚类算法将图像上所有像素点的光照亮度进行带约束的非线性划分处理；S103:使用水下声纳扫描成像技术，对步骤S102无法复原识别的图像区域进行图像补充。该方法及装置运用了雨雾天视频图像复原的FCM聚类算法技术，创新性的将其应用在对浑水杂质的实时消除和图像处理中，并将声学扫描成像作为辅助，对浑水成像进行视觉补偿，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

Description

应用于水下无人机的图像处理方法及装置

技术领域

本发明涉及水下无人机领域，具体而言，涉及一种应用于水下无人机的图像处理方法及装置。

背景技术

目前传统的浑水实时杂质消除主要是通过图像处理技术对图像内的杂质颗粒及噪点物体进行屏蔽消除，然后复原真实图像的方法。该方法在浑水杂质较多、颗粒较为密集的情况下可能出现杂质消除效果不佳、图像复原失真或者水下视距缩短的问题，使得浑水中的图像处理失去了消除杂质、增强视觉的意义。

发明内容

本发明实施例提供了一种应用于水下无人机的图像处理方法及装置，以至少解决现有水下无人机无法在浑浊水质环境下获取清晰图像的技术问题。

根据本发明的一实施例，提供了一种应用于水下无人机的图像处理方法，包括以下步骤：

S101:计算水下无人机拍摄的图像上各像素点光照亮度；

S102:使用FCM聚类算法将图像上所有像素点的光照亮度进行带约束的非线性划分处理；

S103:使用水下声纳扫描成像技术，对步骤S102无法复原识别的图像区域进行图像补充。

进一步地，步骤S102包括：

对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度进行带约束的非线性划分，分为杂质类像素点及背景类像素点；

用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

进一步地，在步骤S102中，使用FCM聚类算法并通过图像的光照亮度直方图将图像上所有像素点的光照亮度进行带约束的非线性划分处理。

进一步地，在步骤S102中，使用FCM聚类算法改变图像的曝光时间和景深对图像进行去雨去雾处理。

进一步地，方法在步骤S101之前还包括：

S100：水下无人机在浑浊水质环境下进行图像拍摄。

进一步地，水下无人机采用4K超高清水下摄像头进行图像拍摄。

进一步地，水下无人机配备有最高3000流明的LED补光灯。

根据本发明的另一实施例，提供了一种应用于水下无人机的图像处理装置，包括：

光照亮度计算单元，用于计算水下无人机拍摄的图像上各像素点光照亮度；

FCM聚类算法单元，用于使用FCM聚类算法将图像上所有像素点的光照亮度进行带约束的非线性划分处理；

水下声纳扫描成像单元，用于对FCM聚类算法单元无法复原识别的图像区域进行图像补充。

进一步地，FCM聚类算法单元包括：

排序单元，用于对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

分类单元，用于根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度进行带约束的非线性划分，分为杂质类像素点及背景类像素点；

替换单元，用于用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

进一步地，装置还包括:

图像拍摄单元，用于水下无人机在浑浊水质环境下进行图像拍摄。

本发明实施例中的应用于水下无人机的图像处理方法及装置，运用了雨雾天视频图像复原的FCM聚类算法技术，针对性的优化应用了该FCM聚类算法，创新性的将其应用在对浑水杂质的实时消除和图像处理中，复原成为少杂质或无杂质的清澈水体内的真实水下影像。与传统的仅仅采用图像处理的方法不同，本发明在浑水杂质图像处理的基础上，结合了水下声呐的声学扫描功能，将声学扫描成像作为辅助，对浑水成像进行视觉补偿，能够在比较浑浊水域内经过杂质消除但无法复原识别的区域，或者图像处理后产生部分图像缺失、失真或者形变的区域内，由声呐成像对该区域进行补充，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明应用于水下无人机的图像处理方法的流程图；

图2为本发明应用于水下无人机的图像处理方法的优选流程图；

图3为本发明应用于水下无人机的图像处理方法中消除浑水水域杂质的图像处理的流程图；

图4为本发明应用于水下无人机的图像处理方法中水下声呐辅助扫描成像的流程图；

图5为本发明应用于水下无人机的图像处理方法的原理图；

图6为本发明应用于水下无人机的图像处理装置的模块图；

图7为本发明应用于水下无人机的图像处理装置的优选模块图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明一实施例，提供了一种应用于水下无人机的图像处理方法，参见图1，包括以下步骤：

S101:计算水下无人机拍摄的图像上各像素点光照亮度；

S102:使用FCM聚类算法将图像上所有像素点的光照亮度进行带约束的非线性划分处理；

S103:使用水下声纳扫描成像技术，对步骤S102无法复原识别的图像区域进行图像补充。

本发明实施例中的应用于水下无人机的图像处理方法，运用了雨雾天视频图像复原的FCM聚类算法技术，针对性的优化应用了该FCM聚类算法，创新性的将其应用在对浑水杂质的实时消除和图像处理中，复原成为少杂质或无杂质的清澈水体内的真实水下影像。与传统的仅仅采用图像处理的方法不同，本发明在浑水杂质图像处理的基础上，结合了水下声呐的声学扫描功能，将声学扫描成像作为辅助，对浑水成像进行视觉补偿，能够在比较浑浊水域内经过杂质消除但无法复原识别的区域，或者图像处理后产生部分图像缺失、失真或者形变的区域内，由声呐成像对该区域进行补充，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

作为优选的技术方案中，步骤S102包括：

对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度进行带约束的非线性划分，分为杂质类像素点及背景类像素点；

用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

作为优选的技术方案中，在步骤S102中，使用FCM聚类算法并通过图像的光照亮度直方图将图像上所有像素点的光照亮度进行带约束的非线性划分处理。

作为优选的技术方案中，在步骤S102中，使用FCM聚类算法改变图像的曝光时间和景深对图像进行去雨去雾处理。

作为优选的技术方案中，参见图2，方法在步骤S101之前还包括：

S100：水下无人机在浑浊水质环境下进行图像拍摄。

作为优选的技术方案中，水下无人机采用4K超高清水下摄像头进行图像拍摄。

作为优选的技术方案中，水下无人机配备有最高3000流明的LED补光灯。

下面以具体实施例，对本发明应用于水下无人机的图像处理方法进行详细说明：

本发明针对水下无人机，主要应用于水下六推无人机在浑浊水域内的实时图像处理和去杂质视觉增强。水下六推无人机采用4K超高清专业水下摄像头，可以对水下环境进行实时的拍摄和记录。本发明是一种浑水杂质消除的图像处理技术和水声声学影像补偿相结合的视觉增强技术，能够使得水下无人机在杂质较多、视距范围有限且水质浑浊的水体环境内依然获得较为清晰可视的实时影像和可作为参考依据的远距离声学辅助投影。

本发明运用了雨雾天视频图像复原的FCM聚类算法技术，针对深水水域(水深超过10米)和浑浊多杂质水体内的非常类似于恶劣天气条件下的图像处理复原情况。FCM聚类算法主要应用在恶劣天气条件下提高户外视觉系统的稳定性和图像质量。FCM聚类算法主要是在雨天视频图像复原的应用，通过改变曝光时间和景深实现去雨去雾图像处理。在较深水深的浑水水体中，本发明针对性的优化应用了FCM聚类算法，类似于去除雨雾的图像复原技术，将其应用在对浑水杂质的实时消除和图像处理中，复原成为少杂质或无杂质的清澈水体内的真实水下影像。同时本发明在浑水杂质图像处理的基础上，结合了水下声呐的声学扫描功能，将声学扫描成像作为辅助，对浑水成像进行视觉补偿，提高浑水实时影像的清晰度和可视距离。

本发明区别于传统的浑水水下图像处理技术，不仅采用了浑水水域图像杂质消除和复原技术，消除水下实时图像中的杂质颗粒并复原图像，同时与水下声学成像相结合，以声呐扫描成像为辅助，补充水质过于浑浊导致图像处理效果不佳或者视距由于杂质消除处理而受到影响的实时水下影像。

一、浑水水域杂质消除图像处理

水下六推无人机搭载有4K专业级超高清水下摄像头，同时配备有最高3000流明的LED补光灯，能够在深水光照环境不足的情况为4K摄像头补光和照亮周边环境，是水下六推无人机标准组成部件。但是在浑浊水质环境下，水体内含有大量的杂质颗粒，包括污染物颗粒、细沙尘土、微生物等等。这些杂质颗粒的尺寸与雨雾天空气中的雨滴尺寸大小接近，基本在0.1～1mm范围之间，同时杂质分布密度根据水质的好坏有高低的不同。

本发明在浑水水域杂质消除图像处理上主要采用了FCM(模糊C均值)聚类算法。类似于雨滴在雨雾天环境下的物理特征：雨滴所在区域会使被雨滴覆盖背景的光强增加，且一般雨滴都会被视为球形单元进行分析，会对光照做折射、反射等增加图像在雨滴位置处的光强度。浑水中的杂质颗粒同样在环境光照或者外部光源照射下，由于折射或反射使得所在位置处的光照亮度更强，大于没有被杂质颗粒覆盖到的背景区域亮度。通过光照亮度直方图结合FCM(模糊C均值)聚类算法，通过聚类的方法将图像上所有像素点的光照亮度归结为带约束的非线性规划问题，优化求解出不同光照亮度的数据集的模糊划分。参见图3，通过基于FCM聚类算法消除浑水水域杂质的图像处理方法按照以下流程：

计算出图像上各像素点光照亮度；

对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度归结为带约束的非线性划分，分为杂质类像素点及背景类像素点；

用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

二.水下声呐辅助扫描成像

浑水水域杂质消除图像处理技术对于水下无人机核心系统的数据处理能力以及算法要求较高，在杂质颗粒密度较高或者水下光照过强的情况下，其图像处理无法真实复原无杂质情况下的水体情况。因此，本发明在浑水水域杂质消除图像处理技术的基础上，增加了水下声学辅助扫描成像，对图像处理无法复原识别的区域，通过声学扫描成像技术进行弥补，极大的增强了浑水视距，使得水下无人机在浑水水域内依然具备较强的视觉辨识画面和清晰度。

参见图4，水下声呐辅助扫描成像对浑水杂质消除图像处理技术的补充如下：

浑水中的杂质消除图像处理中，由于浑水杂质颗粒较密集或者颗粒物体积较大，可能出现处理后部分图像缺失、失真或者形变，或者消除杂质后部分区域无法复原识别(如图4左)。通过水下声呐辅助成像(如图4中)结合浑水杂质消除的图像处理技术，能够在比较浑浊水域内经过杂质消除但无法复原识别的区域，或者图像处理后产生部分图像缺失、失真或者形变的区域内，由声呐成像对该区域进行补充(如图4右)，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

本发明是一种应用在水下无人机的图像增强技术，通过杂质消除的图像处理结合声学成像辅助，对浑水水域内的摄像头成像进行去杂质并复原增强，实现浑水下的图像清晰和视距增强的方法。参见图5，本发明主要包括浑水水域杂质消除图像处理和水下声呐辅助扫描两个子流程，其工作的基本原理为：本发明运用了雨雾天视频图像复原的FCM聚类算法技术，针对性的优化应用了该FCM聚类算法，创新性的将其应用在对浑水杂质的实时消除和图像处理中，复原成为少杂质或无杂质的清澈水体内的真实水下影像。与传统的仅仅采用图像处理的方法不同，本发明在浑水杂质图像处理的基础上，结合了水下声呐的声学扫描功能，将声学扫描成像作为辅助，对浑水成像进行视觉补偿，能够在比较浑浊水域内经过杂质消除但无法复原识别的区域，或者图像处理后产生部分图像缺失、失真或者形变的区域内，由声呐成像对该区域进行补充，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

实施例2

根据本发明的另一实施例，提供了一种应用于水下无人机的图像处理装置，参见图6，包括：

光照亮度计算单元200，用于计算水下无人机拍摄的图像上各像素点光照亮度；

FCM聚类算法单元300，用于使用FCM聚类算法将图像上所有像素点的光照亮度进行带约束的非线性划分处理；

水下声纳扫描成像单元400，用于对FCM聚类算法单元300无法复原识别的图像区域进行图像补充。

本发明实施例中的应用于水下无人机的图像处理装置，运用了雨雾天视频图像复原的FCM聚类算法技术，针对性的优化应用了该FCM聚类算法，创新性的将其应用在对浑水杂质的实时消除和图像处理中，复原成为少杂质或无杂质的清澈水体内的真实水下影像。与传统的仅仅采用图像处理的方法不同，本发明在浑水杂质图像处理的基础上，结合了水下声呐的声学扫描功能，将声学扫描成像作为辅助，对浑水成像进行视觉补偿，能够在比较浑浊水域内经过杂质消除但无法复原识别的区域，或者图像处理后产生部分图像缺失、失真或者形变的区域内，由声呐成像对该区域进行补充，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

作为优选的技术方案中，FCM聚类算法单元300包括：

排序单元301，用于对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

分类单元302，用于根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度进行带约束的非线性划分，分为杂质类像素点及背景类像素点；

替换单元303，用于用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

作为优选的技术方案中，参见图7，装置还包括:

图像拍摄单元100，用于水下无人机在浑浊水质环境下进行图像拍摄。

下面以具体实施例，对本发明应用于水下无人机的图像处理装置进行详细说明：

本发明针对水下无人机，主要应用于水下六推无人机在浑浊水域内的实时图像处理和去杂质视觉增强。水下六推无人机采用4K超高清专业水下摄像头，可以对水下环境进行实时的拍摄和记录。本发明是一种浑水杂质消除的图像处理技术和水声声学影像补偿相结合的视觉增强技术，能够使得水下无人机在杂质较多、视距范围有限且水质浑浊的水体环境内依然获得较为清晰可视的实时影像和可作为参考依据的远距离声学辅助投影。

本发明运用了雨雾天视频图像复原的FCM聚类算法技术，针对深水水域(水深超过10米)和浑浊多杂质水体内的非常类似于恶劣天气条件下的图像处理复原情况。FCM聚类算法主要应用在恶劣天气条件下提高户外视觉系统的稳定性和图像质量。FCM聚类算法主要是在雨天视频图像复原的应用，通过改变曝光时间和景深实现去雨去雾图像处理。在较深水深的浑水水体中，本发明针对性的优化应用了FCM聚类算法，类似于去除雨雾的图像复原技术，将其应用在对浑水杂质的实时消除和图像处理中，复原成为少杂质或无杂质的清澈水体内的真实水下影像。同时本发明在浑水杂质图像处理的基础上，结合了水下声呐的声学扫描功能，将声学扫描成像作为辅助，对浑水成像进行视觉补偿，提高浑水实时影像的清晰度和可视距离。

本发明区别于传统的浑水水下图像处理技术，不仅采用了浑水水域图像杂质消除和复原技术，消除水下实时图像中的杂质颗粒并复原图像，同时与水下声学成像相结合，以声呐扫描成像为辅助，补充水质过于浑浊导致图像处理效果不佳或者视距由于杂质消除处理而受到影响的实时水下影像。

一、浑水水域杂质消除图像处理

水下六推无人机搭载有4K专业级超高清水下摄像头，同时配备有最高3000流明的LED补光灯，能够在深水光照环境不足的情况为4K摄像头补光和照亮周边环境，是水下六推无人机标准组成部件。但是在浑浊水质环境下，水体内含有大量的杂质颗粒，包括污染物颗粒、细沙尘土、微生物等等。这些杂质颗粒的尺寸与雨雾天空气中的雨滴尺寸大小接近，基本在0.1～1mm范围之间，同时杂质分布密度根据水质的好坏有高低的不同。

本发明在浑水水域杂质消除图像处理上主要采用了FCM(模糊C均值)聚类算法。类似于雨滴在雨雾天环境下的物理特征：雨滴所在区域会使被雨滴覆盖背景的光强增加，且一般雨滴都会被视为球形单元进行分析，会对光照做折射、反射等增加图像在雨滴位置处的光强度。浑水中的杂质颗粒同样在环境光照或者外部光源照射下，由于折射或反射使得所在位置处的光照亮度更强，大于没有被杂质颗粒覆盖到的背景区域亮度。通过光照亮度直方图结合FCM(模糊C均值)聚类算法，通过聚类的方法将图像上所有像素点的光照亮度归结为带约束的非线性规划问题，优化求解出不同光照亮度的数据集的模糊划分。参见图3，FCM聚类算法单元300通过基于FCM聚类算法消除浑水水域杂质的图像处理按照以下流程：

光照亮度计算单元200，计算出图像上各像素点光照亮度；

排序单元301，对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

分类单元302，根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度归结为带约束的非线性划分，分为杂质类像素点及背景类像素点；

替换单元303，用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

二.水下声呐辅助扫描成像

浑水水域杂质消除图像处理技术对于水下无人机核心系统的数据处理能力以及算法要求较高，在杂质颗粒密度较高或者水下光照过强的情况下，其图像处理无法真实复原无杂质情况下的水体情况。因此，本发明在浑水水域杂质消除图像处理技术的基础上，增加了水下声学辅助扫描成像，对图像处理无法复原识别的区域，通过声学扫描成像技术进行弥补，极大的增强了浑水视距，使得水下无人机在浑水水域内依然具备较强的视觉辨识画面和清晰度。

参见图4，水下声纳扫描成像单元400中水下声呐辅助扫描成像对浑水杂质消除图像处理技术的补充如下：

浑水中的杂质消除图像处理中，由于浑水杂质颗粒较密集或者颗粒物体积较大，可能出现处理后部分图像缺失、失真或者形变，或者消除杂质后部分区域无法复原识别(如图4左)。通过水下声呐辅助成像(如图4中)结合浑水杂质消除的图像处理技术，能够在比较浑浊水域内经过杂质消除但无法复原识别的区域，或者图像处理后产生部分图像缺失、失真或者形变的区域内，由声呐成像对该区域进行补充(如图4右)，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

本发明是一种应用在水下无人机的图像增强技术，通过杂质消除的图像处理结合声学成像辅助，对浑水水域内的摄像头成像进行去杂质并复原增强，实现浑水下的图像清晰和视距增强的装置。参见图5，本发明主要包括浑水水域杂质消除图像处理和水下声呐辅助扫描两个子流程，其工作的基本原理为：本发明运用了雨雾天视频图像复原的FCM聚类算法技术，针对性的优化应用了该FCM聚类算法，创新性的将其应用在对浑水杂质的实时消除和图像处理中，复原成为少杂质或无杂质的清澈水体内的真实水下影像。与传统的仅仅采用图像处理的方法不同，本发明在浑水杂质图像处理的基础上，结合了水下声呐的声学扫描功能，将声学扫描成像作为辅助，对浑水成像进行视觉补偿，能够在比较浑浊水域内经过杂质消除但无法复原识别的区域，或者图像处理后产生部分图像缺失、失真或者形变的区域内，由声呐成像对该区域进行补充，增强图像的视觉辨识度和清晰度，同时也有效地提升了浑水视距。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种应用于水下无人机的图像处理方法，其特征在于，包括以下步骤：

S101:计算水下无人机拍摄的图像上各像素点光照亮度；

S102:使用FCM聚类算法将图像上所有像素点的光照亮度进行带约束的非线性划分处理；

S103:使用水下声纳扫描成像技术，对步骤S102无法复原识别的图像区域进行图像补充；

步骤S102包括：

对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度进行带约束的非线性划分，分为杂质类像素点及背景类像素点；

用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

2.根据权利要求1所述的应用于水下无人机的图像处理方法，其特征在于，在步骤S102中，使用FCM聚类算法并通过图像的光照亮度直方图将图像上所有像素点的光照亮度进行带约束的非线性划分处理。

3.根据权利要求1所述的应用于水下无人机的图像处理方法，其特征在于，在步骤S102中，使用FCM聚类算法改变图像的曝光时间和景深对图像进行去雨去雾处理。

4.根据权利要求1所述的应用于水下无人机的图像处理方法，其特征在于，所述方法在步骤S101之前还包括：

S100：水下无人机在浑浊水质环境下进行图像拍摄。

5.根据权利要求4所述的应用于水下无人机的图像处理方法，其特征在于，所述水下无人机采用4K超高清水下摄像头进行图像拍摄。

6.根据权利要求5所述的应用于水下无人机的图像处理方法，其特征在于，所述水下无人机配备有最高3000流明的LED补光灯。

7.一种应用于水下无人机的图像处理装置，其特征在于，包括：

光照亮度计算单元，用于计算水下无人机拍摄的图像上各像素点光照亮度；

FCM聚类算法单元，用于使用FCM聚类算法将图像上所有像素点的光照亮度进行带约束的非线性划分处理；

水下声纳扫描成像单元，用于对FCM聚类算法单元无法复原识别的图像区域进行图像补充；

所述FCM聚类算法单元包括：

排序单元，用于对图像上所有像素点的光照亮度从光强最低像素点至光强最高像素点进行排序；

分类单元，用于根据排序后的所有像素点的光照亮度对图像上所有像素点进行聚类算法分类，将图像上所有像素点的光照亮度进行带约束的非线性划分，分为杂质类像素点及背景类像素点；

替换单元，用于用背景与杂质的混合光强替换杂质光强，获取到不同光照亮度下数据集的模糊划分。

8.根据权利要求7所述的应用于水下无人机的图像处理装置，其特征在于，所述装置还包括:

图像拍摄单元，用于水下无人机在浑浊水质环境下进行图像拍摄。

Images