一种多波束前视声纳目标检测方法技术

本发明专利技术公开了一种多波束前视声纳目标检测方法。使用本发明专利技术能够有效检测出目标。本发明专利技术首先采用基于3×3窗口的中值滤波较好地去除图像中的散射噪声，提高声纳图像质量；然后进行固定阈值分割，将目标和背景分割开来，然后采用3×3的矩形窗口核做1次腐蚀运算形态学运算的腐蚀运算能较好的去除面积较小的伪目标，即进一步降低噪声，减轻识别处理的处理压力和复杂度；最后采用面积比率和长短轴数据比率进一步去除伪目标，提高了检测正确率。

【技术实现步骤摘要】

本专利技术涉及数字图像处理
，具体涉及一种多波束前视声纳目标检测方法。
技术介绍
随着科学技术的发展和对自主式水下机器人的深入研究，声纳技术得到了突飞猛进的发展。对于成像声纳的关注和研究也快速成熟，已经有了接近光学图像质量的声全息成像试验系统、声速镜成像系统等，尽管这些成像系统得到的声图像质量较好，但是不适用于现实环境。实际应用中的水下开放式环境对于传感器的要求较高，需要准确地感知周围环境的真实信息。主动声纳(Activesonar)是自主式水下机器人使用最广泛的探测设备，多波束前视声纳是其中一种。虽然多波束前视声纳图像与光学图像一样，在本质上都是能量的平面或空间分布图，但是因为水声信道具有复杂和多变的特性，以及声波本身具有的投射和散射特性，使得其图像与光学图像有很大的不同。水下环境的多波束前视声纳图像主要有以下特点：(1)分辨率低：声纳探测装置发射的探测声波的波长一般较长，并且探测步进角度较大，相邻波束间不是连续变化的，有一定的间隔，造成声纳图像的分辨率较低。(2)噪声干扰严重：水声信道和海洋环境复杂多变，声波在传播过程中存在衰减、混响、散射的干扰。另外海洋环境中的其他声响也是声纳图像噪声的主要来源，目标往往被淹没在这些干扰中，难以检测。(3)多径现象：多径现象是声波在传播过程中的途径传播造成的，使得一个目标有多个返回值，从而在图像中产生重影现象，难以确定目标的真实位置。(4)旁瓣：声纳波束在形成时，除了在较窄的主瓣上形成极大值以外，其旁瓣会在较宽的范围内接受信号，因此，当某一回波较强时，其附近波束的同一距离上会形成一条回波亮线，即旁瓣干扰。(5)多普勒效应：当目标运动或者机器人运动时，发射和接收的声波会产生一定的偏移，同一目标在不同时刻的声纳图像上会得到不同的外形轮廓，因而造成目标的变形和失真。多波束前视声纳是对水中目标进行检测的重要设备，比如，如何利用多波束前视声纳图像对水雷进行检测和识别是一项极具挑战的工作，其中，检测算法是核心。
技术实现思路
有鉴于此，本专利技术提供了一种多波束前视声纳目标检测方法，能够有效检测出水下目标。本专利技术的多波束前视声纳目标检测方法，包括如下步骤：步骤1，采用基于3×3窗口的中值滤波方法对多波束前视声纳原始图像进行低通滤波，得到声纳图像X2；步骤2，对步骤1获得的声纳图像X2进行固定阈值分割，生成以0、1表示的二值黑白图像X3；步骤3，采用形态学运算的腐蚀运算方法，去除图像X3中面积明显小于目标面积的伪目标，获得包含疑是目标的声纳图像X4；步骤4，针对声纳图像X4中的所有疑是目标，采用Freemanchain链逼近算法计算出疑是目标的轮廓；根据轮廓计算疑是目标的面积objectArea[i]；对疑是目标的轮廓进行最小均方椭圆拟合，获得拟合椭圆的长轴wid[i]、短轴hei[i]、中心坐标center[i]，i表示第i个疑是目标；步骤5，针对声纳图像X4中的每一个疑是目标，判断其是否满足如下条件：(1)areaRate[i]＝objectArea[i]/(wid[i]×hei[i])，areaRate[i]大于或等于设定的阈值B；(2)newRate[i]＝wid[i]/hei[i]，newRate[i]大于或等于设定的阈值C；如同时满足，则该疑是目标为真实目标，疑是目标的拟合椭圆的中心坐标即为真实目标的坐标；否则，该疑是目标为假目标。进一步地，还包括步骤6和步骤7；步骤6，根据步骤5获得的真实目标的坐标，计算真实目标的坐标center[i]与sonar坐标之间的距离和方位角度；所述sonar坐标为声纳图像X1中扇形图像的顶点坐标；步骤7，获取下两帧声纳原始图像，执行步骤1～步骤6；如果真实目标在连续3帧图像中均存在，且真实目标的坐标center[i]与sonar坐标之间的距离和方位角度、真实目标面积objectArea[i]的变化在允许的误差范围内，则该真实目标为最终的真实目标，否则，该目标为假目标。进一步地，所述步骤2中，分割阈值为235。进一步地，所述步骤3中，采用3×3的矩形窗口核做1次腐蚀运算。进一步地，所述步骤5中，阈值B＝0.5；阈值C＝0.2。有益效果：(1)多波束前视声纳的图像噪声较大，图像噪声来自水面或水中的散射等原因造成的，此处的低通滤波有效地降低了这些噪声，为后续的处理减小了处理压力和复杂度；采用基于3*3窗口的中值滤波能很好地去除图像中的散射噪声，提高声纳图像质量。(2)固定阈值分割结果通常高度依赖声纳图像的背景灰度值，采用阈值为235的固定阈值分割能得到更好的分割结果，用这个方法能很好地把目标和背景分割开来。(3)经固定阈值分割后的二值图像X3包含较多面积较小的伪目标，采用3×3的矩形窗口核做1次腐蚀运算形态学运算的腐蚀运算能较好的去除面积较小的伪目标，即进一步降低噪声，减轻识别处理的处理压力和复杂度；(4)采用面积比率和长短轴数据比率进一步去除伪目标，提高了检测正确率。附图说明图1为本专利技术的算法结构图。图2为映射变换后的图像。图3为采用本专利技术算法后检测结果图。具体实施方式下面结合附图并举实施例，对本专利技术进行详细描述。本专利技术提供了一种多波束前视声纳目标检测方法，具体包括如下步骤：步骤1，对多波束前视声纳原始图像X1进行低通滤波，得到低噪声声纳图像X2。多波束前视声纳的原始图像噪声较大，图像噪声主要由水中颗粒的散射和水面波漫反射等原因造成。这些噪声在多波束前视声纳图像上表现为面积不等且分布无规律的白色反射区域，强度较强，且具有时变空变跳变特点，其在图像中的位置和强度呈随机概率分布。常用的低通滤波方法去除多波束前视声纳噪声效果并不好，本专利技术采用基于3×3窗口的中值滤波能很好地去除图像中的噪声，提高声纳图像质量。此处的低通滤波有效地降低了这些噪声，为后续的处理减小了处理压力和复杂度。基于3×3窗口的中值滤波算法如下： X 2 ( i , j ) = m e d i a n { X 本文档来自技高网...

【技术保护点】
一种多波束前视声纳目标检测方法，其特征在于，包括如下步骤：步骤1，采用基于3×3窗口的中值滤波方法对多波束前视声纳原始图像进行低通滤波，得到声纳图像X2；步骤2，对步骤1获得的声纳图像X2进行固定阈值分割，生成以0、1表示的二值黑白图像X3；步骤3，采用形态学运算的腐蚀运算方法，去除图像X3中面积明显小于目标面积的伪目标，获得包含疑是目标的声纳图像X4；步骤4，针对声纳图像X4中的所有疑是目标，采用Freeman chain链逼近算法计算出疑是目标的轮廓；根据轮廓计算疑是目标的面积objectArea[i]；对疑是目标的轮廓进行最小均方椭圆拟合，获得拟合椭圆的长轴wid[i]、短轴hei[i]、中心坐标center[i]，i表示第i个疑是目标；步骤5，针对声纳图像X4中的每一个疑是目标，判断其是否满足如下条件：(1)areaRate[i]＝objectArea[i]/(wid[i]×hei[i])，areaRate[i]大于或等于设定的阈值B；(2)newRate[i]＝wid[i]/hei[i]，newRate[i]大于或等于设定的阈值C；如同时满足，则该疑是目标为真实目标，疑是目标的拟合椭圆的中心坐标即为真实目标的坐标；否则，该疑是目标为假目标。...

【技术特征摘要】
1.一种多波束前视声纳目标检测方法，其特征在于，包括如下步骤：
步骤1，采用基于3×3窗口的中值滤波方法对多波束前视声纳原始图像进
行低通滤波，得到声纳图像X2；
步骤2，对步骤1获得的声纳图像X2进行固定阈值分割，生成以0、1表
示的二值黑白图像X3；
步骤3，采用形态学运算的腐蚀运算方法，去除图像X3中面积明显小于目
标面积的伪目标，获得包含疑是目标的声纳图像X4；
步骤4，针对声纳图像X4中的所有疑是目标，采用Freemanchain链逼近算
法计算出疑是目标的轮廓；根据轮廓计算疑是目标的面积objectArea[i]；对疑是
目标的轮廓进行最小均方椭圆拟合，获得拟合椭圆的长轴wid[i]、短轴hei[i]、
中心坐标center[i]，i表示第i个疑是目标；
步骤5，针对声纳图像X4中的每一个疑是目标，判断其是否满足如下条件：
(1)areaRate[i]＝objectArea[i]/(wid[i]×hei[i])，areaRate[i]大于或等于设定的阈
值B；
(2)newRate[i]＝wid[i]/hei[i]，newRate[i]大于或等于设定的阈值C；
如同...

【专利技术属性】
技术研发人员：林飞宇，石涛，陈尧，杨海鹏，刘春宇，
申请(专利权)人：中国船舶重工集团公司第七一〇研究所，
类型：发明
国别省市：湖北;42