基于CNN、迁移学习和SVM的水下光源识别算法*

石建树

（江苏科技大学 镇江 212003）

1 引言

AUV（水下自主机器人）在执行任务时由于受到水下通信距离和速率，以及自身能源消耗的约束需要定时回航与回收坞站对接完成充电及数据传输。AUV回航阶段末期需要使用视觉定位弥补超短基线及惯导近距离定位的不足，能否正确识别光源引导信号就变得非常重要。

一般水下近距离定位使用的是光视觉图像。与空气中的图像不同，由于水介质的光学特性，水下图像在不同的水下条件下容易产生模糊、颜色偏移、对比度降低和光照不均匀的效果，且在不同的位置和角度（方向度）下拍摄会产生变形，这是水下对接的一个难题。许多国内外学者对该问题投入了研究，取得了不少研究成果。现有的光源识别方法大多是基于经典的普通分类识别方法进行设计和修改的。文献［1］提出了一种基于仿射不变矩作为衡量标准，以颜色、形状、纹理和SISF、SIFT、HOG作为局部不变特征，以SVM做分类的光源检测方法。该方法使得检测具备一定鲁棒性，对于正面目标查准率能达到90.3%。文献［2］提出了基于几何关系的伪光源剔除，根据真伪光源一般所处的位置关系剔除伪光源，识别真光源。文献［3］提出了一种基于BLOB分析的贝叶斯最小错误率伪光源剔除，以BLOB算子从7个维度对光源图像进行分析，并从实验中提取了200多个光源的BLOB算子下的特征建立起高斯模型并以贝叶斯最小错误率准则进行剔除伪光源，再将剩下的光源与模板进行匹配获得识别结果。……