AUTOMATED FISH DETECTION IN UNDERWATER IMAGES USING SHAPE-BASED LEVEL SETS

Underwater stereo-video systems are widely used for the measurement of fish. However, the effectiveness of stereo-video measurement has been limited because most operational systems still rely on a human operator. In this paper an automated approach for fish detection, using a shape-based level-sets framework, is presented. Knowledge of the shape of fish is modelled by principal component analysis (PCA). The Haar classifier is used for precise localisation of the fish head and snout in the image, which is vital information for close-proximity initialisation of the shape model. The approach has been tested on underwater images representing a variety of challenging situations typical of the underwater environment, such as background interference and poor contrast boundaries. The results obtained demonstrate that the approach is capable of overcoming these difficulties and capturing the fish outline to sub-pixel accuracy. Resume Les systemes video stereoscopiques sous-marins sont largement utilises pour la mesure des poissons. Cependant, la possibilite d'une telle mesure est limitee car la plupart des systemes operationnels s'appuient toujours sur un operateur humain. Dans cet article, une approche automatisee pour la detection de poissons, utilisant une methode par ensembles de niveau basee sur la forme, est presentee. La connaissance de la forme du poisson est modelisee par une analyse en composantes principales (ACP). Le classificateur de Haar est utilise pour la localisation precise de la tete et du museau du poisson dans l'image, une information vitale pour l'initialisation du modele de forme. L'approche a ete testee sur des images sous-marines representant une variete de situations difficiles typiques des environnements sous-marins, comme les interferences avec le fond et les limites peu contrastees. Les resultats obtenus montrent que la methode permet de surmonter ces difficultes et de determiner le contour du poisson avec une precision inferieure au pixel. Zusammenfassung Zur Vermessung von Fischen sind Unterwasser Stereo-Video Systeme weit verbreitet. Allerdings benotigen die im Markt erhaltlichen Systeme in der Regel den menschlichen Operateur und sind somit hinsichtlich Automation in der Effektivitat begrenzt. Dieser Beitrag stellt einen automatisierten Ansatz zur Erkennung von Fischen vor, der auf Basis von Formkriterien arbeitet. Das Wissen uber Fischformen wird durch eine Hauptkomponentenanalyse (PCA) modelliert. Mit Hilfe des Haar Klassifizierers wird eine genaue Lokalisierung von Kopf und Maul des Fisches im Bild erzielt, die entscheidend fur die passende Initalisierung des Formmodells ist. Der vorgestellte Ansatz ist mit Unterwasseraufnahmen gepruft worden, die durchaus schwierige Situationen, wie Interferenz mit dem Hintergrund, oder schwache Kontrastgrenzen beinhalten. Es hat sich gezeigt, dass der Ansatz auch derartige Probleme bearbeiten kann und den Fischumriss mit Sub-Pixel Genauigkeit erfassen kann. Resumen Los sistemas de video estereoscopico subacuatico se usan profusamente en la medida de peces. Sin embargo, en la mayoria de los sistemas operacionales de video estereoscopico la eficiencia de las medidas esta limitada a su dependencia en un operador humano. En este articulo se presenta un procedimiento de deteccion automatico de peces. La forma de los peces se modela mediante el analisis de componentes principales. El clasificador de Haar se usa para la precisa localizacion de la cabeza y el hocico del pez en la imagen, informacion vital para una inicializacion del modelo de la forma del pez. Este procedimiento ha sido comprobado en una variedad de imagenes acuaticas representando diversas situaciones dificiles del entorno acuatico, tales como interferencias del fondo de la imagen y fronteras con un pobre contraste. Los resultados demuestran que este procedimiento es capaz de superar dichas dificultades y capturar el contorno del pez con precision subpixel. ?? ????????????????????,???????????????????,??????????????????????????????,????????????????????????????????,Haar???????????????????,?????????????????????????????????????????????????,????????????????????????????,???????????????????