多波束与侧扫声呐图像区块信息融合方法研究.docx

多波束与侧扫声呐图像区块信息融合方法研究
摘要
多波束和侧扫声呐是水下目标探测和成像的常用设备，两种声呐的成像方式存在差异性，但均能获取水下目标的位置和形态信息。为了获得更为准确的目标信息，本文提出了一种多波束与侧扫声呐图像区块信息融合的方法。该方法基于多波束和侧扫声呐指纹区块，将两种声呐成像结果中的指纹区块按照空间位置和形态属性进行匹配，然后通过加权平均的方式将匹配区块的信息进行融合，从而得到更为清晰、准确的水下目标信息。
关键词：多波束声呐、侧扫声呐、图像融合、指纹区块、成像
Abstract
Multibeamandside-scansonararecommondevicesforunderwatertargetdetectionandimaging.Theimagingmethodsofthesetwosonarshavedifferences,butbothcanobtainthepositionandshapeinformationofunderwatertargets.Inordertoobtainmoreaccuratetargetinformation,thispaperproposesamethodoffusingmulti-beamandside-scansonarimageblockinformation.Basedonthefingerprintblockofmulti-beamandside-scansonar,thefingerprintblocksintheimagingresultsofthetwosonarsarematchedaccordingtospatialpositionandshapeattributes,andtheinformationofthematchedblocksarefusedthroughweightedaveragingtoobtainclearerandmoreaccurateunderwatertargetinformation.
Keywords:multibeamsonar,side-scansonar,imagefusion,fingerprintblock,imaging
一、引言
水下目标探测和成像是海洋领域的重要研究领域。多波束和侧扫声呐是常用设备，其中多波束声呐以其高分辨率、高效率，适合进行细节区域成像，而侧扫声呐则可以在大面积区域内完成目标探测和成像。多波束声呐和侧扫声呐的成像方式存在差异性，但均能获取水下目标的位置和形态信息。
图像融合技术是将多源数据信息进行融合，以获取更为准确、全面的目标信息的一种方法。对于多波束声呐和侧扫声呐，通过图像融合可以更好地发挥其优势，得到更为清晰、准确的水下目标信息。本文基于多波束和侧扫声呐指纹区块，提出了一种多波束与侧扫声呐图像区块信息融合的方法，可以更好地发挥两种声呐的优势，提高水下目标成像的准确性和清晰度。
二、多波束与侧扫声呐指纹区块提取
多波束和侧扫声呐成像结果中，存在一些特征明显的区域，称之为指纹区块，该区块中包含了水下目标的信息特征，如形态、纹理等。因此，对于多波束和侧扫声呐的成像结果，提取指纹区块并进行图像融合是一种有效的方法。
本文基于灰度共生矩阵（GLCM）方法，对多波束和侧扫声呐成像结果进行了指纹区块提取。对于多波束声呐成像结果，使用邻域大小为3×3的GLCM进行计算，得到灰度共生矩阵中各项指标，如能量、对比度等，根据各项指标和阈值筛选出指纹区块。对于侧扫声呐成像结果，由于其较大的成像区域和比较独特的成像方式，在指纹区块提取时采用了不同于多波束声呐的方法，利用均值漂移算法确立目标的位置与大小，然后通过阈值筛选得到目标区域，从而提取出指纹区块。
三、多波束与侧扫声呐指纹区块匹配
为了将多波束和侧扫声呐成像结果中的指纹区块进行融合，需要首先进行区块匹配。本文采用基于相似性度量的区块匹配方法，将两种声呐成像结果中的指纹区块按照空间位置和形态属性进行匹配。
对于两种声呐成像结果，首先通过相似性度量方法计算指纹区块之间的相似性，度量指标采用灰度共生矩阵中的能量、对比度、相关性等。然后将相似性达到一定阈值的指纹区块认为是匹配区块，通过计算匹配区块坐标之间的距离和方向，对匹配区块进行配准处理。
四、多波束与侧扫声呐指纹区块信息融合
本文提出的多波束与侧扫声呐指纹区块信息融合方法，将匹配区块的信息进行加权平均，得到更为准确、全面的水下目标信息。在加权平均时，采用基于匹配区块相似性和匹配速率两方面的权重分配策略，可根据具体情况进行调整。
五、实验结果与分析
为了验证本文提出的多波束与侧扫声呐指纹区块信息融合方法的有效性，本文采用实验方法，并与基于传统图像融合方法的结果进行对比。实验结果表明，本文提出的方法能