一种侧扫声纳成像的水下目标快速提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107167810A(43)申请公布日2017.09.15(21)申请号201710299608.2(22)申请日2017.05.02(71)申请人河海大学常州校区地址213022江苏省常州市晋陵北路200号(72)发明人刘艳李庆武霍冠英周妍盛惠兴(74)专利代理机构南京纵横知识产权代理有限公司32224代理人董建林(51)Int.Cl.G01S15/89(2006.01)G01S7/52(2006.01)权利要求书3页说明书8页附图1页(54)发明名称一种侧扫声纳成像的水下目标快速提取方法(57)摘要本发明公开了一种侧扫声纳成像的水下目标快速提取方法，可以对侧扫声纳图像进行实时分析，快速提取水下目标。先对乘性噪声突出的侧扫声纳图像进行自适应非线性复扩散模型滤波，改善侧扫声纳图像中噪声问题；去噪声纳图进行预分割，并自动确定声纳图像的目标区、海底混响区、阴影区；将预分割结果轮廓重定义，减少分割过程中，水平集模型演化时不断重定义初始水平集所用时间；选取目标区和阴影区进行基于变分水平集模型的演化和分割；最后对待提取目标进行二值化，给操作人员展示明确的三区域分割结果。本发明对实时侧扫声纳进行目标提取，具检测实时性和较强的检测稳定性、准确性，为水下探测和目标跟踪提供了可靠保证。CN107167810ACN107167810A权利要求书1/3页1.一种侧扫声纳成像的水下目标快速提取方法，其特征在于，所述方法包括以下步骤：步骤一、将声纳设备置于水下探测器前端，成像结果通过网络直接传至远程处理端；步骤二、远程处理端获取到实时声纳图像，每0.5秒取1帧图片，分别对每帧图片进行后续操作；步骤三、采用对乘性噪声效果较好的非线性复扩散模型滤波方法对声纳图像进行去噪降斑操作；步骤四、采取K-means聚类方法对去噪声纳图像进行预分割；步骤五、自动确定声纳图像的目标区、海底混响区、阴影区，并对预分割得出的目标区和阴影区轮廓进行重定义；步骤六、根据重定义轮廓，采用变分水平集模型分别对目标区和阴影区边缘进行演化，达到分割目的；步骤七、将分割结果进行二值化，完成水下目标的提取。2.如权利要求1所述的一种侧扫声纳成像的水下目标快速提取方法，其特征在于，所述步骤三中的降斑操作，将受噪声影响的声纳图像平滑后，图像灰度值为：其中i、j表示图像像素点的位置，Δ分别为一阶、二阶导数，Δtn表示图像的第n次迭代的步长，表示图像的第n次迭代结果，表示图像的第n次迭代的扩散函数。3.如权利要求2所述的一种侧扫声纳成像的水下目标快速提取方法，其特征在于，所述将受噪声影响的声纳图像平滑过程中，平滑函数其扩散函数为自适应函数：其中，ω>0的常数时θ→0+，图像的复扩散的实部等价于图像的高斯卷积，图像的虚部可以视为高斯平滑后二阶拉普拉斯边缘检测；式(1)中第n次迭代步长，式(2)参数ω的定义为：式(3)中，Re(In)、分别为第n次迭代后图像实部、图像实部的一阶导数，n为图像实部的梯度，mean()函数表示灰度中值，Δt<Δtmax最大迭代步长，ωmax、ωmin分别为扩散强度参数ω的最大阈值与最小阈值：ωmax＝25、ωmin＝5。2CN107167810A权利要求书2/3页4.如权利要求1所述的一种侧扫声纳成像的水下目标快速提取方法，其特征在于，所述步骤五中自动确定声纳图像三个区域的方法为：将三个区域在分割前的区域灰度均值进行比较，灰度最大为目标区，最小为阴影区，并将目标区、海底混响区、阴影区分别标记为JT、JB、JS，分别计算k＝1,2,3时，三个区域各像素点J(i,j)对应的灰度中值meanJk(i,j)，并对中值进行排序；当某一区域灰度中值为三个中值中的最小值minmeanJk(i,j)时，因阴影区具有最小的灰度均值，此时的第k个类为阴影区，JS＝Gk；当某一区域灰度中值为三个中值中的最大值maxmeanJk(i,j)时，目标区具有最大的灰度均值，此时的第k个类为目标区，JT＝Gk；第三个区域为为三个中值中的中间值，此时的第k个类为目标区，JB＝Gk。5.如权利要求1所述的一种侧扫声纳成像的水下目标快速提取方法，其特征在于，所述步骤五中对预分割得出目标区和阴影区轮廓进行重定义方法为：先增强边缘约束：根据距离计算函数D(i,j)进行初始化：当J′(i,j)>0时，当J′(i,j)<0时，分别为J′(i,j)一阶向后差分和一阶向前差分：目标区JT和阴影区JS轮廓重新初始化后分别为DT和DS。6.如权利要求1所述的一种侧扫声纳成像的水下目标快速提取方法，其特征在于，所述步骤六中对目标区和阴影区边缘进行演化的过程采用了变分水平集模型，该水平集函数定义为：式(6)中大部分根据图像信息由前述运算计算得出，可以实