一种基于正交纹理相关分析的合成孔径声纳目标检测方法技术

本发明专利技术涉及一种基于正交纹理相关分析的合成孔径声纳目标检测方法，包括：按正交航迹获得两幅原始合成孔径声纳图像；计算两幅原始合成孔径声纳图像各自的灰度共生矩阵；按水平、垂直、左对角、右对角四个方向计算灰度共生矩阵的相关性特征；由相关性特征生成水平向和垂直向的相关性特征对，以及左对角和右对角方向的相关性特征对；利用相关性特征对进行目标检测。

【技术实现步骤摘要】

本专利技术涉及合成孔径声纳领域，特别涉及一种基于正交纹理相关分析的合成孔径 声纳目标检测方法。
技术介绍
合成孔径声纳（SAS, Synthetic Aperture Sonar)是一种高分辨水下成像声纳，可 以获得高质量的水下图像数据。合成孔径是一种不需要长接收阵就可以显著提高方位分辨 率的技术，合成孔径声纳通过该技术和复杂的成像算法得到方位向分辨率和距离向分辨率 都很高的图像，因而在水下研究领域具有很高的价值。与普通声纳相比，合成孔径声纳通过 基阵的线性运动来提高阵列孔径，从原理上来说，合成孔径声纳图像的分辨率与工作频率 和作用距离均无关，因此可以用较小的声纳基阵和较低的工作频率同时满足近距离和远距 离的探测需要。 随着声纳成像技术的发展，声纳图像的检测和识别逐渐成为数字图像处理领域的 一个重要研究课题。虽然声纳图像和普通光学图像一样，本质上都是能量的平面或者空间 分布图，但是合成孔径声纳采用合成孔径技术以提高分辨率，合成孔径声纳图像的噪声不 是加性噪声，而是乘性噪声，所以不能像普通光学图像一样通过高斯噪声模型来分析。因此 相对于普通光学图像，对合成孔径声纳图像的处理更加复杂和困难。早期对于水声图像的 解释和判别主要依靠人工进行，但是随着数字图像等现代信号处理技术的发展，水声图像 处理的研究也进入了新的阶段。尤其是随着计算机技术的发展，对机器自动检测和识别图 像中的目标提出了更高的要求。 近年来，图像纹理特征受到广泛的关注和研究。一般把图像中具有重复性、形状简 单、强度一直的区域看作纹理元素，通过对这些局部模式以及它们之间排列规则的描述来 进行纹理分析。纹理就是纹理元素有规律的排列组合，而研究发现，合成孔径声纳图像分辨 率高，目标一般可实现清晰成像，不同的底质和目标呈现在声纳图像中的纹理图像各不相 同，故可以利用其进行目标检测。纹理分析可以按照水平、垂直、左对角、右对角四个方向进 行。 在成像效果较差的情况下，具有亮区的背景区域经常会造成误识别。而且目前的 识别通常是基于一次扫测所获取的信号进行的，由于目标姿态未知，所以这种分类识别具 有不精确、不完整、不确定的特点。
技术实现思路
本专利技术的目的在于克服现有技术中的合成孔径目标检测方法容易误识别具有亮 区的背景区域，分类识别结果不精确、不完整、不确定等缺陷，从而提供一种能够减少误识 别的识别方法。 为了实现上述目的，本专利技术提供了一种基于正交纹理相关分析的合成孔径声纳目 标检测方法，包括： 步骤1)、按正交航迹获得两幅原始合成孔径声纳图像； 步骤2)、计算步骤1)得到的两幅原始合成孔径声纳图像各自的灰度共生矩阵； 步骤3)、按水平、垂直、左对角、右对角四个方向计算步骤2)得到的灰度共生矩阵 的相关性特征； 步骤4)、由步骤3)得到的相关性特征生成水平向和垂直向的相关性特征对，以及 左对角和右对角方向的相关性特征对； 步骤5)、利用步骤4)所得到的相关性特征对进行目标检测。 上述技术方案中，在所述的步骤2)中，所述灰度共生矩阵的生成方法包括： 取图像（NXN)中任意一点（x，y)及偏离它的另一点（x+a，y+b)，设该点对的灰 度值为（?,?);令（x，y)在整幅图像中移动，得到各种（?,?)值，设灰度的级数为k，则 ( gl，g2)的组合方式共有k2种；对于整幅图像而言，统计出每一种（gl，g 2)值出现的次数，然 后排列成一个方阵，再用（gl，g2)出现的总次数将它们归一化为出现的概率P( gl，g2)，从而 得到图像的灰度共生矩阵；其中， 当a = 1，b = 0时，得到图像距离向的纹理特征；当a = 0, b = 1时，得到图像方位 向的纹理特征；当a = 1，b = 1时，得到图像右对角方向的纹理特征；当a = 1，b = -1时， 得到图像左对角方向的纹理特征。 上述技术方案中，在所述的步骤3)中，灰度共生矩阵的相关性特征的计算公式如 下：【主权项】1. ，包括： 步骤1)、按正交航迹获得两幅原始合成孔径声纳图像； 步骤2)、计算步骤1)得到的两幅原始合成孔径声纳图像各自的灰度共生矩阵； 步骤3)、按水平、垂直、左对角、右对角四个方向计算步骤2)得到的灰度共生矩阵的相 关性特征； 步骤4)、由步骤3)得到的相关性特征生成水平向和垂直向的相关性特征对，以及左对 角和右对角方向的相关性特征对； 步骤5)、利用步骤4)所得到的相关性特征对进行目标检测。2. 根据权利要求1所述的基于正交纹理相关分析的合成孔径声纳目标检测方法，其特 征在于，在所述的步骤2)中，所述灰度共生矩阵的生成方法包括： 取图像（NXN)中任意一点（X，y)及偏离它的另一点（x+a, y+b)，设该点对的灰度值为 (gi，g2);令（X，y)在整幅图像中移动，得到各种（gi，g2)值，设灰度的级数为k，则（gp g2)的 组合方式共有k2种；对于整幅图像而言，统计出每一种（gl，g 2)值出现的次数，然后排列成 一个方阵，再用（gl，g2)出现的总次数将它们归一化为出现的概率P( gl，g2)，从而得到图像 的灰度共生矩阵；其中， 当a = 1，b = O时，得到图像距离向的纹理特征；当a = 0, b = 1时，得到图像方位向 的纹理特征；当a = 1，b = 1时，得到图像右对角方向的纹理特征；当a = 1，b = -1时，得 到图像左对角方向的纹理特征。3. 根据权利要求2所述的基于正交纹理相关分析的合成孔径声纳目标检测方法，其特 征在于，在所述的步骤3)中，灰度共生矩阵的相关性特征的计算公式如下：其中，p (i，j)为图像的灰度共生矩阵的值，A =ZzIpI/) ", 1 ] ， J 1 ，按水平向计算灰度共生矩阵的相关性特征时，所述图像的灰度共生矩阵的值P (i，j) 在求取时的距离差分值a = 1，b = 0 ; 按垂直向计算灰度共生矩阵的相关性特征时，所述图像的灰度共生矩阵的值P (i，j) 在求取时的距离差分值a = 0, b = I ; 按左对角计算灰度共生矩阵的相关性特征时，所述图像的灰度共生矩阵的值P (i，j) 在求取时的距离差分值a = 1，b = -I ; 按右对角计算灰度共生矩阵的相关性特征时，所述图像的灰度共生矩阵的值P (i，j) 在求取时的距离差分值a = 1，b = 1。4. 根据权利要求3所述的基于正交纹理相关分析的合成孔径声纳目标检测方法，其特 征在于，在步骤4)中，利用灰度共生矩阵中的相关性的方向性特点，构造如下特征向量： P=IX-V1, h2-v2, I1-IT1, l2-r2} 其中，Ii1为第一幅图像的水平向特征,V1为第一幅图像的垂直向特征；h2为第二幅图像 的水平向特征，V2为第二幅图像的垂直向特征山为第一幅图像的左对角向特征，A为第一 幅图像的右对角向特征；I2为第二幅图像的左对角向特征，r2为第二幅图像的右对角向特 征。5.根据权利要求4所述的基于正交纹理相关分析的合成孔径声纳目标检测方法，其特 征在于，在所述的步骤5)中，利用目标区域和背景区域在特征向量p中的差别进行目标分 类检测，所述目标分类检测的分类器采用SVM分类器或神经网络分类器实现。【专利摘要】本专利技术涉及，本文档来自技高网...

【技术保护点】
一种基于正交纹理相关分析的合成孔径声纳目标检测方法，包括：步骤1）、按正交航迹获得两幅原始合成孔径声纳图像；步骤2）、计算步骤1）得到的两幅原始合成孔径声纳图像各自的灰度共生矩阵；步骤3）、按水平、垂直、左对角、右对角四个方向计算步骤2）得到的灰度共生矩阵的相关性特征；步骤4）、由步骤3）得到的相关性特征生成水平向和垂直向的相关性特征对，以及左对角和右对角方向的相关性特征对；步骤5）、利用步骤4）所得到的相关性特征对进行目标检测。

【技术特征摘要】

【专利技术属性】
技术研发人员：田杰，黄海宁，张春华，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：北京;11