随着水产品需求量的增加,研究利用水下机器人检测海洋生物从而完成养殖物的打捞成为未来水产品获取的重要途径。海胆营养丰富,是重要的水产品之一,且海胆生活环境的复杂性高,可以代表大部分水产品,因此本文选择海胆作为水下机器人面向水产品养殖研究的实验对象,研究围绕海胆检测识别的相关问题。水下图像受到水质吸收、光散射的影响,导致水下图像存在偏色、对比度较低、清晰度较低等缺点,这些缺点会严重影响到海胆的检测识别性能,因此对水下图像进行增强,提高水下图像的质量是非常必要的。本文针对水下图像存在偏色、对比度较低、清晰度较低等问题,对现有的水下图像增强的算法进行优化来增强水下图像,使算法能够根据水体环境自适应的增强水下图像,获得稳定的图像增强效果,并可以用于工程实践之中,实现水下机器人的实时视觉的稳定的增强。而后通过深度学习检测算法络对图像中目标物进行分类和定位二维坐标回归框,最后将回归框作为感兴趣区域进行视觉定位,可以大幅度提高海胆检测及分类的精度。本文的研究内容主要如下:1.水下环境获得的图像存在偏色、对比度较低的问题,严重影响到水下海胆的检测和识别能力。本文针对水下图像的恢复进行研究,提出了一种基于优化的暗通道优先(Optimized Dark Channel Prior,ODCP)水下图像增强算法。首先对水下图像的色偏及雾化进行退化建模,提出了最小化亮暗差值通道的策略来获取景深图像,便于估计水体背景颜色,从而获取透射图像,而后采用自适应因子及景深因子选择策略对透射图进行后处理获取更好地图像恢复效果。此外,采用颜色校正方法去除色偏,提高图片整体亮度。最后,采用无参考图像质量评分的方式通过GSA优化算法自动优化图像质量来寻求景深因子的最优值。本文提出的ODCP算法虽然可以对水下图像去除色偏、提高对比度,但是却出现红补偿过度的现象,导致图像失真。2.鉴于ODCP算法在水下图像过程中存在着红补偿过度,造成图像失真的问题,本文提出了改进的多尺度Retinex水下图像增强算法。该算法基于水下背景和景物之间的关联性,提出采用各个通道的色彩灰度比例作为物景相关图,利用多尺度Retinex增强算法对水下图像RGB各通道进行灰度增强,并对三通道进行颜色拉伸,使增强后的图像符合正态分布的特性,然后采用物景相关图对增强的图像进行色彩还原。此外,还需要采用颜色校正算法去除色偏,进一步增强水下图像。最后,采用无参考图像质量评估的方式通过GSA优化算法自动优化图像质量来寻求高斯加权因子的最优参数。本文提出的OMSR水下图像增强算法不仅能够对水下图像去除色偏、提高对比度,而且还可以解决ODCP算法存在的红补偿过度的问题。3.水下环境具有对比度低、色偏的问题,这为海胆的检测和识别提高了难度。针对这一难题,本文结合OMSR水下图像增强算法和SSD目标检测算法实现水下海胆的检测和识别。针对SSD算法小目标检测效果较差的问题,本文提出了ISSD算法强化小目标的检测能力。ISSD使用resnet50作为网络基本架构能够提高特征表达能力,同时提出了一种特征跨级融合方式,可以强化上下文的语义信息。最后,根据水下海胆的形状纹理特点,提出了边缘特征增强的策略,强化海胆的边缘纹理信息,结合ISSD算法提升水下海胆的检测性能。本文提出的ISSD算法确实可以提高对小目标的检测性能,IMSR图像增强算法和边缘多通道融合策略都对水下海胆检测准确率及鲁棒性性能都有一定的提升效果。