UUV海面红外图像海天线检测：行均值梯度与直线拟合优化策略

本文研究的是在近海面水下无人航行器（UUV，Underwater Unmanned Vehicle）的红外图像采集过程中，针对因波浪起伏导致的高倾斜度以及复杂海空背景带来的噪声问题，如何提高海天线检测的准确性。针对这一挑战，研究人员提出了一种结合行均值梯度法和直线拟合优化的海天线检测改进方法。 首先，论文的核心步骤是对经过中值滤波和非线性增强预处理的红外图像进行进一步处理。中值滤波是一种去噪技术，通过查找像素邻域内的中值来替换当前像素，能有效去除图像中的椒盐噪声和斑点噪声。非线性增强则有助于增强图像的对比度，使得海天线边缘的特征更加明显。 接着，利用行均值梯度图来确定海天线的初步位置。行均值梯度法是一种统计学方法，通过对图像每一行像素灰度值的平均变化进行分析，可以找到图像中的边缘和纹理，包括海天线的轮廓。这种方法有助于在噪声环境下定位海天线的位置。 在确定了粗略位置后，对图像中的天空区域和海面区域进行滤波平滑处理。平滑处理主要是为了减少这两个区域背景中的灰度起伏较大噪声，使得后续的海天线检测更为精确。这通常通过低通滤波或者滑动平均等方法实现，旨在保留大尺度特征，消除小尺度噪声。 最后，采用优化的直线拟合算法对天空区域和海面区域滤波后的图像进行海天线提取。直线拟合是通过最小化残差平方和或使用其他优化策略，寻找一条最佳拟合直线来描绘海天线边缘。这种方法在保持直线性的前提下，有效地提取了海天线的边界，提高了检测精度。 实验结果显示，这种结合行均值梯度与直线拟合的方法显著改善了海天线位置的检测效果，且具有良好的通用性，能够适应各种复杂的海天环境条件。研究者们通过关键词“UUV”、“海天线”、“红外图像”、“中值滤波”、“行均值梯度法”、“直线拟合法”和“平滑滤波”展示了他们在这个领域的深入探索和技术创新。 这篇论文为解决UUV在近海面红外图像采集中的海天线检测问题提供了一种有效的方法，它结合了多种图像处理技术，有望在实际应用中提高航行器的自主导航能力，并推动了船舶与海洋工程领域的相关研究。