用于水下機(jī)器人導(dǎo)航的序列海底圖像配準(zhǔn)方法①

梁雅欣,李曉明

(太原科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,太原 030024)

海底面積廣闊,蘊(yùn)藏著人類(lèi)賴以生存的豐富資源,但由于深海環(huán)境復(fù)雜,人類(lèi)技術(shù)條件有限,迄今為止都未能窺探海底全貌.海水具有光線難以穿透的性質(zhì),從海面上無(wú)法準(zhǔn)確的掌握海底情況.相比較于其他技術(shù)而言,視覺(jué)技術(shù)可以很直觀的獲取深海信息,已經(jīng)成為深海研究的重要手段.單幅圖像視野小,為了更清晰的得到海底全景圖,需要拼接海底圖像.圖像配準(zhǔn)是圖像拼接的第一步,也是最核心的一步.圖像配準(zhǔn)的準(zhǔn)確度直接影響圖像拼接的最后結(jié)果.

圖像配準(zhǔn)的目的是將兩張具有重疊部分的鄰接圖像進(jìn)行空間匹配對(duì)準(zhǔn).目前,國(guó)內(nèi)外針對(duì)圖像配準(zhǔn)的研究做了很多的工作.常見(jiàn)的配準(zhǔn)方法可以分為兩大類(lèi):(1)基于灰度的圖像匹配[1–4]:這種方法直接利用圖像的灰度信息完成匹配運(yùn)算,主要依賴于像素值,對(duì)噪聲比較敏感,容易受灰度,尺度和尺寸變化的影響.使用該類(lèi)算法要求兩張圖像之間重疊面積大,幾何變形小.該類(lèi)算法要求兩幅圖像重疊面積大,而機(jī)器人拍攝海底圖像重疊面積小,此類(lèi)基于灰度的圖像配準(zhǔn)在機(jī)器人自主拍攝的海底圖像中不具有可行性.(2)基于特征的圖像配準(zhǔn)[5–11]:這種算法不直接依賴于像素值,需要在圖像中提取對(duì)縮放,旋轉(zhuǎn),灰度變換具有不變性的特征.SIFT[12,13]、SURF[14,15]和DAISY[16]是檢測(cè)和描述在水外環(huán)境中捕獲的物體特征的著名技術(shù).這些標(biāo)準(zhǔn)描述符已被證明對(duì)幾何變化最為穩(wěn)健.這些算法對(duì)圖像的噪聲,旋轉(zhuǎn),縮放和光照等變化不敏感.海底圖像不同于一般的地面圖像.由于光的衰減作用,越到海底深處,光照強(qiáng)度越低;深海懸浮物的散射以及人造光源的影響,造成海底圖像亮度不均勻,中間區(qū)域亮,兩邊區(qū)域暗,對(duì)比度低,質(zhì)量退化.同時(shí),機(jī)器人拍攝過(guò)程中,海底地面凹凸不平.相鄰兩張圖像拍攝角度會(huì)發(fā)生一定的偏差,圖像之間的幾何變形大,重疊面積不超過(guò)35%.基于特征的圖像配準(zhǔn),可以適當(dāng)?shù)臏p少縮放,旋轉(zhuǎn),灰度等變換的影響.由于深海圖像質(zhì)量下降,直接的使用傳統(tǒng)特征點(diǎn)配準(zhǔn)算法提取到的特征點(diǎn)數(shù)量少,描述子辨別能力低;最后所得配準(zhǔn)對(duì)應(yīng)點(diǎn)錯(cuò)誤率高,部分圖像甚至找不到正確的對(duì)應(yīng)點(diǎn).基于運(yùn)動(dòng)一致性的GMS[17]特征點(diǎn)配準(zhǔn)算法以劃分網(wǎng)格的方式進(jìn)行精匹配.對(duì)應(yīng)點(diǎn)集中于一個(gè)區(qū)域,容易出現(xiàn)一個(gè)區(qū)域均為錯(cuò)誤對(duì)應(yīng)點(diǎn)的情況.2012年,Prabhakar 等[18]根據(jù)整個(gè)水下圖像序列場(chǎng)景塊的紋理參數(shù)和顏色不變性,提出了適用于水下環(huán)境的局部特征描述符LBP-SURF.LBPSURF 描述子,它可以有效地提取水下圖像的紋理特征.該算法主要是在SURF 的基礎(chǔ)上加入了LBP,使描述子具有灰度不變性.這種方法要求兩張圖像相似區(qū)域變化小.但機(jī)器人拍攝海底圖像,人造光源使兩張圖像相似區(qū)域變化明顯,不同圖像的相似區(qū)域特征點(diǎn)由LBP-SURF 計(jì)算的描述子差別大,特征點(diǎn)匹配錯(cuò)誤率高.該方法不適用于機(jī)器人拍攝的海底圖像.2017年,Raut 等[19]針對(duì)水下圖像運(yùn)用基于改進(jìn)的SIFT 算法提取特征點(diǎn),采用Gabor 濾波器作為前置濾波器,利用Hausdorff 距離計(jì)算關(guān)鍵點(diǎn)之間的距離.2010年,謝雨來(lái)等[20]就SURF 在深海圖像上的應(yīng)用做了研究,用SURF算法獲取參考圖像和配準(zhǔn)圖像的特征點(diǎn).2014年,李超[21]發(fā)表了將SURF 算法運(yùn)用到海底圖像.2016年,賀磊盈等[22]對(duì)有序列的深海圖像做了研究,提出了一種基于卡爾曼濾波跟蹤序列圖像的空間位置實(shí)施序列圖像的快速匹配方法.這些方法主要針對(duì)的是一般的深海圖像,對(duì)于本次實(shí)驗(yàn)機(jī)器人拍攝的海底圖像中不具有可行性.

綜上所述,針對(duì)機(jī)器人拍攝的序列海底圖像,本文提出了先將海底圖像進(jìn)行適當(dāng)?shù)念A(yù)處理,改善圖像質(zhì)量;根據(jù)機(jī)器人拍攝圖像的航行特點(diǎn),在基于圖像信息的配準(zhǔn)算法基礎(chǔ)上加入導(dǎo)航先驗(yàn)信息.利用導(dǎo)航數(shù)據(jù),縮小特征點(diǎn)配準(zhǔn)區(qū)域,從而有效的增加圖像配準(zhǔn)對(duì)應(yīng)點(diǎn).

1 水下機(jī)器人航行特點(diǎn)

海底圖像由水下機(jī)器人根據(jù)特定航線拍攝.機(jī)器人圖像如圖1所示,從圖中照相機(jī)的位置可知,機(jī)器人向下拍攝圖像.

圖1 機(jī)器人結(jié)構(gòu)圖

每臺(tái)機(jī)器人配有傳感器和閃光燈,海底拍攝需要打開(kāi)閃光燈,拍攝圖像的同時(shí)記錄拍攝位置的橫縱坐標(biāo).如圖2左上角第一張圖所示:方框表示機(jī)器人拍攝范圍.三角形代表機(jī)器人拍攝圖像所在位置.理想情況下的機(jī)器人拍攝航線嚴(yán)格按照水平方向和豎直方向,拍攝的圖像序列如右上角第二張圖所示(每一個(gè)長(zhǎng)方形表示一張圖像):相鄰兩張圖像相似區(qū)域位于一條水平線上.實(shí)際情況中,海底地面凹凸不平,機(jī)器人拍攝航線會(huì)出現(xiàn)一定的偏差.如左下角第3 張圖所示:水平方向(橫向)會(huì)有一定的傾斜,豎直方向出現(xiàn)旋轉(zhuǎn)角度.實(shí)際所拍攝的圖像序列如右下角第4 張圖所示:鄰接圖像的相似區(qū)域并不嚴(yán)格處于水平線范圍內(nèi),豎直方向拍攝的圖像存在一定的旋轉(zhuǎn)角度.

圖2 機(jī)器人理想航線與實(shí)際航線

2 圖像預(yù)處理

由于光的衰減,水中懸浮顆粒散射和人造光源的影響,海底圖像具有對(duì)比度低,中間區(qū)域亮,兩邊區(qū)域暗的特點(diǎn).因此,本文針對(duì)海底圖像質(zhì)量差的問(wèn)題,對(duì)原始圖像進(jìn)行預(yù)處理.預(yù)處理步驟如下:

(1)光照補(bǔ)償:即從數(shù)據(jù)集中選取10 張低紋理圖像,灰度值化,對(duì)所選10 張圖像進(jìn)行像素平均.公式為:

通過(guò)高斯濾波器獲得光照補(bǔ)償因子F(x,y);對(duì)海底圖像M(x,y)光 照補(bǔ)償?shù)玫綀D像Z(x,y).光照補(bǔ)償公式如式(2)所示:

(2)對(duì)圖像灰度值范圍進(jìn)行線性調(diào)整.原圖像Z(x,y)的灰度范圍是[m,M],調(diào)整后的圖G(x,y)的灰度范圍是[n,N],變換公式為:

3 基于先驗(yàn)信息的帶狀區(qū)域計(jì)算

為減小描述子辨別能力低對(duì)圖像配準(zhǔn)的影響,根據(jù)導(dǎo)航信息計(jì)算拍攝相鄰兩張圖像的物理偏移量,通過(guò)物理偏移量估算源圖像特征點(diǎn)對(duì)應(yīng)目標(biāo)圖像的匹配區(qū)域(即帶狀區(qū)域).如圖3所示,取源圖像方框內(nèi)的特征點(diǎn),經(jīng)過(guò)相對(duì)應(yīng)模型計(jì)算確定在目標(biāo)圖像中的方框區(qū)域(即帶狀區(qū)域)內(nèi)尋找最匹配的特征點(diǎn).以帶狀區(qū)域配準(zhǔn)[23]代替全局配準(zhǔn),提高了特征對(duì)應(yīng)點(diǎn)數(shù)目和準(zhǔn)確率.

圖3 匹配區(qū)域

3.1 水平航線帶狀區(qū)域計(jì)算模型

建立水平航線數(shù)學(xué)模型計(jì)算鄰接圖像配準(zhǔn)區(qū)域.機(jī)器人左右移動(dòng)拍攝圖像,由于海底凹凸不平,機(jī)器人左右(橫向)移動(dòng)的同時(shí)伴隨則上下(縱向)移動(dòng).相鄰兩幅圖像對(duì)應(yīng)點(diǎn)不嚴(yán)格處于一條水平線范圍內(nèi).利用導(dǎo)航數(shù)據(jù)得出拍相鄰兩幅圖像的左右物理偏移量與對(duì)應(yīng)的像素偏移量,求得每?jī)蓚€(gè)像素點(diǎn)代表的物理距離;根據(jù)導(dǎo)航信息的上下物理偏移量得出縱向像素點(diǎn)偏移量,計(jì)算特征對(duì)應(yīng)點(diǎn)配準(zhǔn)區(qū)域(即帶狀區(qū)域),在配準(zhǔn)區(qū)域內(nèi)進(jìn)行特征對(duì)應(yīng)點(diǎn)匹配.計(jì)算公式定義為:

其中,X表示計(jì)算得到的兩幅圖像之間左右物理位置偏移量,求得兩張圖像物理偏移量對(duì)應(yīng)的像素值I,Y表示兩張圖像之間縱向物理位置偏移量,通過(guò)計(jì)算縱向像素偏移值,使用模板圖像特征點(diǎn)縱坐標(biāo)yi加上與σ的誤差量,確定配準(zhǔn)區(qū)域D,作為模板圖像特征點(diǎn)在待配準(zhǔn)圖像的配準(zhǔn)區(qū)域,縮小配準(zhǔn)區(qū)域,增加對(duì)應(yīng)點(diǎn)正確率.

3.2 旋轉(zhuǎn)航線帶狀區(qū)域計(jì)算模型

鄰接旋轉(zhuǎn)航線圖像的配準(zhǔn)區(qū)域數(shù)學(xué)模型計(jì)算:機(jī)器人旋轉(zhuǎn)拍攝圖像,首先根據(jù)導(dǎo)航物理位置信息計(jì)算相鄰兩幅圖像旋轉(zhuǎn)角度.取機(jī)器人拍攝圖像的物理位置坐標(biāo)為圖4中的A,B兩點(diǎn)(A,B兩點(diǎn)可以由圖中任意兩個(gè)相對(duì)位置取代).橫向坐標(biāo)表示物理平行方向位置坐標(biāo),縱向坐標(biāo)表示物理豎直方向位置坐標(biāo).將圖N旋轉(zhuǎn)角度b與圖M平行.然后計(jì)算圖N中特征點(diǎn)對(duì)應(yīng)圖M中的帶狀區(qū)域.計(jì)算方法如下:

角度計(jì)算公式如式(2):

其中,x2?x1是A,B兩點(diǎn)的橫向坐標(biāo)差值(即BC線段的長(zhǎng)度),y2?y1是A,B兩點(diǎn)的縱向坐標(biāo)差值(即AC的長(zhǎng)度).利用式(2) 求出圖4中的角a(即公式中的θ).角a與角b的和為90 度,所以旋轉(zhuǎn)角度b=90?a,則可以得出 cos(b)=cos(90?a)=sin(a).帶狀區(qū)域計(jì)算公式如式(3)所示:

圖4 鄰接旋轉(zhuǎn)航線拍攝圖像

其中,D表示兩張鄰接旋轉(zhuǎn)圖像相似區(qū)域像素偏移量(即帶狀配準(zhǔn)區(qū)域).X表示計(jì)算得到的兩幅圖像之間橫向物理位置偏移量,求得兩張圖像物理偏移量對(duì)應(yīng)的像素值I.Y表示拍攝兩幅圖像機(jī)器人的縱向位置偏移量.求出兩幅圖像平行時(shí)的位置偏移量.通過(guò)得到模板圖像特征點(diǎn)對(duì)應(yīng)于待配準(zhǔn)圖像的偏移像素量,特征點(diǎn)縱坐標(biāo)yi加上與σ 的誤差量得出配準(zhǔn)區(qū)域,縮小配準(zhǔn)區(qū)域,有效的提高特征對(duì)應(yīng)點(diǎn)的正確率.

4 實(shí)驗(yàn)過(guò)程

4.1 實(shí)驗(yàn)總流程圖

本文實(shí)驗(yàn)總流程如圖5所示.實(shí)驗(yàn)中采用了具有重復(fù)紋理和低紋理的海底圖像.分別由平移航線和旋轉(zhuǎn)航線所拍攝.先將所選圖像采用2 的方法進(jìn)行預(yù)處理,以緩解海底圖像對(duì)比度低,光照不均勻的情況.SIFT是圖像的局部特征提取算法,其對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性,對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性.對(duì)存在旋轉(zhuǎn),縮放,尺度變化的海底圖像具有很高的適用性.采用基于SIFT 算法提取特征點(diǎn),在KNN (K=1)算法的基礎(chǔ)上加入先驗(yàn)信息進(jìn)行特征點(diǎn)匹配,最后通過(guò)RANSAC和最小二乘法篩選內(nèi)點(diǎn).得到特征對(duì)應(yīng)點(diǎn)正確率高的圖像配準(zhǔn).

圖5 總實(shí)驗(yàn)步驟流程圖

4.2 實(shí)驗(yàn)數(shù)據(jù)

本文實(shí)驗(yàn)數(shù)據(jù)由水下機(jī)器人拍攝于2019年4月中國(guó)南海5000 米以下的深海海域.拍攝范圍約300×300 平方米,機(jī)器人航線分為東西走向,邊緣航線需要經(jīng)過(guò)旋轉(zhuǎn)拍攝.相鄰兩張圖像的橫向物理位移大致為2 米,縱向偏移量不等,每張圖像覆蓋面積2×2 米,拍攝內(nèi)容存在重復(fù)紋理和低紋理的問(wèn)題.

圖6所示機(jī)器人實(shí)際拍攝海底圖像的航線,根據(jù)機(jī)器人記錄的坐標(biāo)信息所繪制,圖中數(shù)字表示由左行駛到右一次的拍攝.

圖6 機(jī)器人拍攝航線

表1是機(jī)器人從左到右水平方向行駛拍攝所記錄的橫向和縱向坐標(biāo)信息.表2是機(jī)器人旋轉(zhuǎn)(轉(zhuǎn)換行駛方向)行駛拍攝所記錄的橫向和縱向坐標(biāo)信息.

表1 水平導(dǎo)航數(shù)據(jù)

表2 旋轉(zhuǎn)導(dǎo)航數(shù)據(jù)

4.3 圖像預(yù)處理

深海圖像本文方法預(yù)處理對(duì)比如圖7所示:預(yù)處理之前如圖7(a)所示,可以明顯的看出圖像光照不均勻,中間區(qū)域偏亮,兩邊區(qū)域偏暗,暗處圖像對(duì)比度低.經(jīng)過(guò)調(diào)整光照,增強(qiáng)等預(yù)處理后如圖7(b)所示:圖像特征明顯,減少了圖像明暗不一的情況.

圖7 海底圖像預(yù)處理

4.4 加入先驗(yàn)信息具體實(shí)驗(yàn)步驟

(1)實(shí)驗(yàn)基于SIFT 算法對(duì)圖像進(jìn)行特征點(diǎn)提取.

(2)計(jì)算帶狀配準(zhǔn)區(qū)域D.

① 平移航線圖像的帶狀區(qū)域計(jì)算:利用表1相鄰兩行橫向坐標(biāo)計(jì)算機(jī)器人水平方向移動(dòng)距離X;論文中所選圖像像素為640×480,拍攝鄰接圖像橫向物理距離對(duì)應(yīng)的圖像像素為一張圖像的像素大小減去鄰接圖像相似區(qū)域的像素值;本次實(shí)驗(yàn)數(shù)據(jù)相鄰圖像之間的相似區(qū)域不超過(guò)35%,甚至更小,所以大致的估算像素偏移量為圖像的寬,即I=480.相鄰兩行縱向坐標(biāo)的差Y;經(jīng)過(guò)觀察及實(shí)驗(yàn)得出,機(jī)器人縱向差值小于1 米,偏差角度小于10 度,σ取值100 即不會(huì)使配準(zhǔn)區(qū)域過(guò)大,也不會(huì)小于重疊面積.即:

② 旋轉(zhuǎn)航線的帶狀區(qū)域計(jì)算:根據(jù)表2相鄰兩行橫向坐標(biāo)的差值x2?x1與縱向坐標(biāo)的差值y2?y1通過(guò)θ=arctan計(jì)算旋轉(zhuǎn)角度θ;計(jì)算相鄰兩張旋轉(zhuǎn)圖像之間的像素偏移量,yi為特征點(diǎn)縱坐標(biāo),通過(guò)觀察及實(shí)驗(yàn)得出,機(jī)器人旋轉(zhuǎn)角度小于20 度,σ 取60.即:

(3)取圖像A 中的某個(gè)關(guān)鍵點(diǎn),在圖像B 的帶狀區(qū)域(由第(2)步求出)尋找最合適的特征對(duì)應(yīng)點(diǎn),采用最近鄰(KNN,K=1)匹配特征點(diǎn),進(jìn)行初始匹配.遍歷A中的所有關(guān)鍵點(diǎn),在對(duì)應(yīng)帶狀區(qū)域找出所有匹配點(diǎn).

(4)本次實(shí)驗(yàn)數(shù)據(jù)中80%的圖像之間的變換僅包含簡(jiǎn)單的平移和旋轉(zhuǎn),部分存在縮放,所以選擇相似變換模型,RANSAC和最小二乘法求取變換關(guān)系(閾值設(shè)置為4.5),篩選初始匹配對(duì)應(yīng)點(diǎn),保留內(nèi)點(diǎn).

5 實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)分為兩大類(lèi):(1)預(yù)處理前后初始匹配實(shí)驗(yàn)結(jié)果對(duì)比.(2)預(yù)處理的情況下未加入帶狀區(qū)域的特征點(diǎn)配準(zhǔn)和加入帶狀區(qū)域的配準(zhǔn)實(shí)驗(yàn)對(duì)比.這兩類(lèi)都可以通過(guò)比較正確匹配點(diǎn)個(gè)數(shù)判斷方法的有效性.其中,第(2)類(lèi)實(shí)驗(yàn)又分為平移航線和旋轉(zhuǎn)航線兩種不同的情況.平移航線選取存在重復(fù)紋理問(wèn)題的圖像,旋轉(zhuǎn)航線選取存在低紋理問(wèn)題的圖像.

5.1 第1 類(lèi)實(shí)驗(yàn)結(jié)果對(duì)比

預(yù)處理實(shí)驗(yàn)共選取500 張深海海底圖像,經(jīng)計(jì)算,其中80%的圖像配準(zhǔn)點(diǎn)個(gè)數(shù)提高了25%.圖8為部分實(shí)驗(yàn)圖.

圖8 預(yù)處理前后對(duì)比

如圖8,表3所示為第1 類(lèi)實(shí)驗(yàn)結(jié)果.經(jīng)過(guò)本文方法預(yù)處理后的圖像在亮度,對(duì)比度方面改善明顯.從實(shí)驗(yàn)結(jié)果可以分析得出,由于預(yù)處理前的圖像對(duì)比度低,圖像模糊,光照不均勻,中間區(qū)域亮,兩邊區(qū)域較暗;提取到的初始匹配特征點(diǎn)數(shù)量少,且正確的匹配對(duì)應(yīng)點(diǎn)少,無(wú)法滿足求取變換矩陣的最低對(duì)應(yīng)點(diǎn)數(shù)目.預(yù)處理后的圖像光照均勻,有效的改善了圖像亮度,對(duì)比度增強(qiáng),提取到較多的特征點(diǎn),初始匹配對(duì)應(yīng)點(diǎn)得到了增加,可以求得較精確的變換矩陣.

表3 預(yù)處理前后圖像配準(zhǔn)結(jié)果比較

5.2 第2 類(lèi)實(shí)驗(yàn)結(jié)果對(duì)比

加入帶狀信息的實(shí)驗(yàn)選取500 張深海海底圖像.整體圖像配準(zhǔn)點(diǎn)正確率提高了20%.圖9,圖10所示為本部分實(shí)驗(yàn)效果圖.

圖9 水平航線加入先驗(yàn)信息前后實(shí)驗(yàn)對(duì)比

圖10 旋轉(zhuǎn)航線加入先驗(yàn)信息前后實(shí)驗(yàn)對(duì)比

如圖9,表4所示為第2 類(lèi)情況中的平移航線未加入導(dǎo)航信息與加入導(dǎo)航信息的實(shí)驗(yàn)對(duì)比.圖10,表5所示為第2 類(lèi)情況中的旋轉(zhuǎn)航線未加入導(dǎo)航信息與加入導(dǎo)航信息的實(shí)驗(yàn)對(duì)比.由實(shí)驗(yàn)結(jié)果可以分析得出,相鄰兩張圖像重疊區(qū)域不足圖像的35%,且圖像存在嚴(yán)重的重復(fù)紋理和低紋理問(wèn)題,導(dǎo)致描述子辨別能力降低.經(jīng)過(guò)RANSAC和最小二乘化篩選內(nèi)點(diǎn)之后僅得到不足5 對(duì)匹配對(duì)應(yīng)點(diǎn),所求出的變換矩陣精確度低.按照本文方法,加入先驗(yàn)信息作為引導(dǎo)思想,縮小特征點(diǎn)匹配面積,減少其他區(qū)域描述子的干擾,從而有效的增加了匹配對(duì)應(yīng)點(diǎn)的數(shù)目.

表4 水平航線圖像配準(zhǔn)結(jié)果比較

表5 旋轉(zhuǎn)航線圖像配準(zhǔn)結(jié)果比較

實(shí)驗(yàn)結(jié)果表明,文中提出的基于先驗(yàn)知識(shí)和圖像信息的方法,可以有效的解決描述子辨別能力降低的問(wèn)題,提高特征對(duì)應(yīng)點(diǎn)的數(shù)目和正確率.在重復(fù)紋理和低紋理的情況下,不同區(qū)域的特征描述子之間的相似度極高,在全局特征點(diǎn)配準(zhǔn)干擾性大,更增加了配準(zhǔn)的難度.采用本文方法,縮小配準(zhǔn)區(qū)域,帶狀區(qū)域配準(zhǔn)代替全局配準(zhǔn).減少了錯(cuò)誤特征點(diǎn)的干擾,降低了誤匹配的概率,得到滿意的配準(zhǔn)結(jié)果.在具有重復(fù)紋理和低紋理的海底圖像中得到的成功說(shuō)明了該方法的可行性和有效性.

6 結(jié)束語(yǔ)

根據(jù)海底圖像拼接需要正確且數(shù)量多的特征對(duì)應(yīng)點(diǎn)的要求,本文提出了海底圖像預(yù)處理方法,介紹了相應(yīng)的步驟及效果;然后提出了一種針對(duì)機(jī)器人拍攝的海底序列圖像的圖像配準(zhǔn)方法:基于先驗(yàn)信息和圖像信息的圖像配準(zhǔn)方法,并于僅基于圖像信息的海底圖像配準(zhǔn)進(jìn)行配準(zhǔn)點(diǎn)數(shù)目及正確率的比較,在具有重復(fù)紋理和低紋理的海底圖像上進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明:經(jīng)過(guò)預(yù)處理之后,海底圖像光照不均勻,對(duì)比度差的問(wèn)題得到有效改善,為后續(xù)圖像配準(zhǔn)做好準(zhǔn)備.相對(duì)于基于圖像信息的序列海底圖像配準(zhǔn),本文方法有效的降低了匹配對(duì)應(yīng)的誤配率,增加了對(duì)應(yīng)點(diǎn)的數(shù)目,滿足了海底圖像拼接的后續(xù)要求,為水下視覺(jué)在海底探索中的應(yīng)用提供了幫助.