【技术实现步骤摘要】
本专利技术涉及图像配准
,特别涉及基于特征密度聚类与正态分布变换的侧扫声呐配准方法。
技术介绍
图像配准是将传感器在不同位置获取的图像转换到同一坐标系下的技术。通过图像配准获取的信息可用于水下航行器感知周围环境,能有效提高水下航行器的自主感知能力。水下环境由于其能见度低、无光照、会对水下照明系统发生散射等特点,传统的光学传感器用于水下图像获取存在许多挑战。由于侧扫声呐不受这些光学因素影响,使用它进行水下图像获取越来越受到重视,侧扫声呐配准技术也相应发展起来。目前,用于声呐图像配准的方法主要有两种:基于特征的方法和基于区域的方法。基于特征的方法用于图像中特征点较多且图像是连续帧的情况,例如Harris角点检测算法(NegahdaripourS,Onprocessingandregistrationofforward-scanacousticvideoimagery,ComputerandRobotVision,2005)和SIFT(ScaleInvariantFeatureTransform)结合RANSAC(RANdomSAmpleConsensus)的算法(NegahdaripourS,Dynamicsceneanalysisandmosaicingofbenthichabitatsbyfssonarimaging—issuesandcomplexities,InProceedingsofOCEANS,2011)。但是这些方法在 ...
【技术保护点】
一种基于特征密度聚类与正态分布变换的侧扫声呐配准方法,包括下列步骤:步骤一,中值滤波器处理原始侧扫声呐图像:原始侧扫声呐图像中有噪声,首先要使用中值滤波器对声呐图像去噪处理;步骤二,计算梯度幅值图像:使用Sobel算子计算得到梯度幅值图像;步骤三,阈值化梯度图像得到全部特征点;步骤四,使用DBSCAN聚类得到图像特征点:将具有足够密度的区域划分为簇,并在具有噪声的空间数据库中发现任意形状的簇,它将簇定义为密度相连的点的最大集合;DBSCAN算法的目的在于过滤低密度区域,发现稠密度样本点;步骤五,使用NDT算法得到两幅图像的配准结果:NDT算法将二维特征点转换为分段连续可微的概率分布;对一幅有聚类特征点的图像进行NDT处理时,首先将图像分成相同大小的栅格图像,对包含特征点的栅格单元,以概率密度形式对其进行分段连续可微,并用正态分布表示每个栅格单元中特征点的概率分布:p(x)∝exp(-(x-q)TΣ-1(x-q)2)]]>其中,x是一个栅格单元中i个点的二维坐标,q是栅格单元中包含的特征点位置的平均值,即q=1nΣi=1nxi;]]>Σ是 ...
【技术特征摘要】
1.一种基于特征密度聚类与正态分布变换的侧扫声呐配准方法,包括下列步骤:
步骤一,中值滤波器处理原始侧扫声呐图像:原始侧扫声呐图像中有噪声,首先要使用
中值滤波器对声呐图像去噪处理;
步骤二,计算梯度幅值图像:使用Sobel算子计算得到梯度幅值图像;
步骤三,阈值化梯度图像得到全部特征点;
步骤四,使用DBSCAN聚类得到图像特征点:将具有足够密度的区域划分为簇,并在具
有噪声的空间数据库中发现任意形状的簇,它将簇定义为密度相连的点的最大集合;DBSCAN
算法的目的在于过滤低密度区域,发现稠密度样本点;
步骤五,使用NDT算法得到两幅图像的配准结果:
NDT算法将二维特征点转换为分段连续可微的概率分布;对一幅有聚类特征点的图像进
行NDT处理时,首先将图像分成相同大小的栅格图像,对包含特征点的栅格单元,以概率密
度形式对其进行分段连续可微,并用正态分布表示每个栅格单元中特征点的概率分布:
p(x)∝exp(-(x-q)TΣ-1(x-q)2)]]>其中,x是一个栅格单元中i个点的二维坐标,q是栅格单元中包含的特征点位置的平均
值,即q=1nΣi=1nxi;]]>Σ是这些点的协方差矩阵,Σ=1nΣi=1n(xi-q)(xi-q)T;]]>两幅图像的空间变换关系T可以表示为:
T:x′y′=cosθ-sinθsinθcosθxy+txty]]>其中,txty]]>是两幅图像的平移关系,θ是两幅图像的旋转关系。
2.根据权利要求1所述的基于特征密度聚类与正态分布变换的侧扫声呐配准方法,其特
征在于,步骤四中算法的具体聚类过程如下:
a.扫描整个梯度图像,找到任意一个核心点,对该核心点进行扩充;扩充的方法是寻找
从该核心点出发的所有密度相连的数据点;
b.遍历该核心点邻域内的所有核心点,寻找与这些像素点密度相连的点,直到没有可以
扩充的像素点为止;最后聚类成的簇的边界节点都是非核心数据点;
c.重新扫描梯度图像,扫描内容不包括之前寻找到的簇中的任何像素点,寻找没有被聚
类的核心点,再重复上面的步骤,对该核心点进行扩充直到数据集中没有新的核心点为止;
\t数据集中没有包含在任何簇中的数据点就构成异常点;最后的数据集就是聚类后得到的图像
特征点。
3.根据权利要求1所述的基于特征密度聚类与正态分布变换的侧扫声呐配准...
【专利技术属性】
技术研发人员:何波,宋艳,张论娟,年睿,沈钺,沙启鑫,高强,冯晨,
申请(专利权)人:中国海洋大学,
类型:发明
国别省市:山东;37
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。