【技术实现步骤摘要】
基于分形理论的孤立森林水下人工目标检测方法
本专利技术属于计算机数字图像处理
,具体涉及一种基于分形理论的孤立森林水下人工目标检测方法。
技术介绍
三维扫描仪用来扫描现实生活中的物体或者环境的外部形状,获取海量的外观点云数据,从而得到现实物体或环境的数字模型。这些模型常应用在目标检测与分割,三维重建等方向。三维扫描仪分为两种,一种是接触式,扫描仪通过接触实际物体来获得物体实际的深度信息,但相较于其他类型的扫描仪,接触式的扫描仪扫描时间相对较长;另一种是非接触式,该类型的扫描仪又分为主动扫描和被动扫描两种。主动扫描是扫描仪主动发出激光,超声波等照射物体,通过物体表面反射回来的激光或声波计算得出物体的深度信息。被动扫描的仪器自身不会发射任何辐射,而是由待测物体通过反射外界可见光,扫描仪器接收到之后进行测量。水下人工目标检测主要目的是从声呐图像中将具有人工特性的目标点检测出来。声呐图像是通过水下机器人主动发射声波扫描得到的,声波是目前惟一可以进行远程信息传输的载体,相比于光视觉、雷达、红外等其他探测手段,水声探测是目前水下探测最有效的方式,声呐可以对水下环境进行感知并实时处理,判断周围物体的位置、类型等信息。声呐图像中不仅包含了传统二维图像中的信息,而且还包含有探测点的实际深度值以及物体反射声波的强度值。但由于不同的水域水声条件有所不同,水下环境复杂多变,使得水下环境中的人工目标检测变得困难,一般测量得到的真实数据中,包含了大量的缺失值和大量的噪音,也可能因为人工录入错误导致有异常点存在,非常不利于算法模型的训练。另外水下环境复杂,水下机器人向周围发射声波 ...
【技术保护点】
1.基于分形理论的孤立森林水下人工目标检测方法,其特征在于,具体过程包括以下步骤:步骤1,获取声呐图像数据:读取水下机器人采集的原始声呐图像文件,将原始文件信息通过matlab软件合并为包含有X,Y,Z,I四个维度的信息,并且在matlab结果输出时,通过代码将文件转换为第三方数据库能够识别的.pcd格式;步骤2,图像数据预处理:将原始声呐图像数据首先进行归一化,然后进行缺失值的填补,得到消除缺陷的图像数据;步骤3,差分盒计算:将预处理后的图像数据分成多个小区域,计算每个区域的分形维数,将得到的分形维数作为建立分离树的标准;步骤4,通过建立分离树和孤立森林,计算得到图像数据中的异常数据点和正常数据点:首先建立分离树和孤立森林,然后计算从分离树的根节点到每个数据点所在的叶子节点经过的边的数目,即数据点的路径长度l,根据数据点的路径长度l计算得到每个数据点的异常值s,若s趋向于1,则该数据点属于异常点,若s趋向于0,则该数据点属于正常点。
【技术特征摘要】
1.基于分形理论的孤立森林水下人工目标检测方法,其特征在于,具体过程包括以下步骤:步骤1,获取声呐图像数据:读取水下机器人采集的原始声呐图像文件,将原始文件信息通过matlab软件合并为包含有X,Y,Z,I四个维度的信息,并且在matlab结果输出时,通过代码将文件转换为第三方数据库能够识别的.pcd格式;步骤2,图像数据预处理:将原始声呐图像数据首先进行归一化,然后进行缺失值的填补,得到消除缺陷的图像数据;步骤3,差分盒计算:将预处理后的图像数据分成多个小区域,计算每个区域的分形维数,将得到的分形维数作为建立分离树的标准;步骤4,通过建立分离树和孤立森林,计算得到图像数据中的异常数据点和正常数据点:首先建立分离树和孤立森林,然后计算从分离树的根节点到每个数据点所在的叶子节点经过的边的数目,即数据点的路径长度l,根据数据点的路径长度l计算得到每个数据点的异常值s,若s趋向于1,则该数据点属于异常点,若s趋向于0,则该数据点属于正常点。2.如权利要求1所述的基于分形理论的孤立森林水下人工目标检测方法,其特征在于,所述步骤2中图像预处理的过程如下:步骤2.1,采用线性函数归一化原始声呐图像数据,将原始声呐图像数通过公式(1)的线性化的方法转换到[0,1]的范围;其中,Xnorm为归一化后的数据,X为原始数据,Xmax和Xmin分别为原始数据集的最大值和最小值;步骤2.2,将归一化后的数据进行缺失值的填补,选取整幅图像的实际深度Z维度值和发射声波I维度值,分别计算两个维度值的平均值作为填补的值,由于图像在X,Y方向是均匀分布的,然后,将待补点的X,Y值按图像分布进行填补。3.如权利要求1所述的基于分形理论的孤立森林水下人工目标检测方法,其特征在于,所述步骤3中计算分形维数的过程如下:步骤3.1,采用3×3的滑动窗口,将预处理后的图像数据分为多个小区域,每次移动一个数据点的距离计算每个小区域的分形维数;步骤3.2,采用差分盒计算每个区域的分形维数,具体过程如下:(a)对于一幅M×M的图像,将其看做三维空间的一个曲面,定义长为M,宽为M,高为L,其中,L为图像的像素级数,一般取L=256;(b)将其所在的M×M的平面分为R×R大小的网格,在高度L这个坐标方向进行相同的划分,划分的单位为R*L/M,从而得到长宽方向和高度方向的划分“次数”相同;(c)在被划分成的每个R×R个网格内,找出最大像素...
【专利技术属性】
技术研发人员:金海燕,田玉泉,肖照林,蔡磊,李秀秀,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。