水下图像在军事以及民用领域都有重要的应用,因此开展水下图像特征提取和识别技术研究具有实际价值和意义。水下目标识别过程通常由水下图像预处理、图像分割、特征提取以及目标识别四部分组成。对于水下光学视觉系统,由于水体对光的吸收以及散射效应,导致获得的图像出现对比度低、噪声严重、灰度不均等现象,这些极大影响了后续的图像分割以及特征提取目标识别等工作。水下典型特征的目标一般是人造目标,如水雷、鱼雷、潜艇及管道等,纹理特征比较弱,但具有典型的形状特征。本文以基于活动轮廓模型的图像分割方法以及支持向量机的分类器设计为主要研究内容,以具有典型特征的水下人造目标为研究对象,围绕水下图像预处理、图像分割、特征提取以及分类器设计等方面进行研究,开展的工作和取得的成果主要有以下几个方面:(1)介绍了光学视觉识别系统模型及水下成像特点,比较并选择适用于水下图像增强以及滤波算法:针对水下图像出现光照不均问题,利用去除背景的校正方法以及自适应直方图方法进行校正可以取得好的效果,采用灰度变换提高图像对比度;针对水下图像受噪声影响质量下降的情况,采用自适应字典学习的K-SVD算法可以有效去除图像噪声,同时保护好目标细节特征。(2)基于水平集理论的图像目标分割方法研究:提出一种指定目标分割的活动轮廓模型,该模型的能量泛函仅利用了演化曲线内部的统计信息特征,因而能够提取出具有和初始曲线指定的目标同灰度的同类目标;针对经典CV模型易受噪声影响的特点,提出一种基于局部区域活动轮廓模型的水平集方法,利用像素点所在邻域的平均灰度值来代替该像素点的灰度值,以局部灰度均值与全局灰度均值之间的差异建立能量泛函,通过水平集方法并采用高斯平滑方法进行规则化以避免其重新初始化,同时将二相模型扩展至多相模型以分割多目标;针对水下图像等易出现灰度不均的现象以及改善LIF模型对初始曲线的鲁棒性,将局部灰度信息与全局灰度信息加权组合构建混合信息的拟合图像,以其与原始图像之间的差异建立能量泛函,新模型既能够有效的分割灰度不均图像,且不依赖于初始轮廓曲线又对噪声具有良好的鲁棒性。(3)水下典型目标特征提取技术研究:针对水下典型目标的形状特征构造了具有平移、缩放和旋转不变性的组合矩,由基于区域的NMI、改进的Hu相对矩以及仿射不变矩组成;引入主成分分析法以及独立成分分析法消除形状特征向量信息间的冗余,实现特征降维与优化;利用Solidworks软件仿真两组四类目标,一组是四类具有简单形状的椭球、圆柱、球以及立方体,另一组为复杂的潜艇、鱼雷、水雷以及立方体模型,通过不同视角、方位得到目标剪影图像,仿真结果验证了组合不变矩对形状特征的处理能力以及PCA/ICA方法的特征选择优化能力。(4)基于支持向量机的目标识别技术研究:针对规则化双投影支持向量机(RPTSVM)中判别与训练不一致的情况,提出一种改进的双投影支持向量机(IPTSVM),并将其扩展至非线性模型;利用递归方法寻找多个投影轴可以进一步强化本文模型的性能;引入高效的双坐标下降法求解相应的对偶方程以提高效率;仿真实验结果说明本文模型较经典的双子支持向量机(TWSVM)、非平行平面支持向量机(NHSVM)、RPTSVM方法在大多数样本的分类性能较好,应用至水下目标的仿真数据也验证了其作为识别系统分类器的有效性。(5)水下典型目标特征识别系统实验研究:建立水下典型特征目标识别系统的硬件平台,在LabVIEW IMAQ VISON以及Matlab软件开发环境下编写目标识别软件;通过水池实验,利用摄像机获取四类不同形状特征的目标样本图像验证图像预处理中的增强算法性能,基于K-SVD算法的去噪能力、三种基于活动轮廓模型的分割方法、组合矩的特征提取能力以及双投影支持向量机的分类识别能力,实验初步验证了算法的有效性以及系统的可行性。