基于模糊算法与分数阶微分算法的声呐图像增强方法技术

本发明专利技术公开了一种基于模糊算法与分数阶微分算法的声呐图像增强方法，实现了多波束前视声呐图像的增强。本发明专利技术基于经典模糊增强算法，提出一种新的模糊图像增强算法，使得在进行模糊增强运算时，计算难度大大降低。并且对于灰度值低的部分信息给与保留，增强之后的多波束前视声呐图像中所包含的信息不会减少。再此基础之上将经过前述的模糊增强算法所得到的声呐图像，应用分数阶微分算法进行锐化处理。锐化之后的声呐图像不仅清晰，而且各个信息之间的对比度得到增强。

【技术实现步骤摘要】
基于模糊算法与分数阶微分算法的声呐图像增强方法
本专利技术涉及一种水下遥控机器人所携带的多波束声呐，尤其涉及一种基于模糊算法与分数阶微分算法的声呐图像增强方法，属于声呐图像处理领域。
技术介绍
随着自动控制、电子计算机和电力电子技术的快速发展，水下机器人应用的越来越广泛。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。相比之下，光波和电磁波在水中传播不但衰减速度快，而且传播距离十分有限，只能在水文条件良好的情况下进行近距离探测，而在复杂的水下环境中作用有限，不能满足水下的实际需要。而声波在水下的传播距离较远，传播性能最好，适用于水文条件复杂多变的情况。因此，声波是水下远距离传播的首选载体，并且水声探测技术还具有抗电磁干扰能力强、隐蔽性好、目标定位精度高的特点。随着现代光电技术的快速发展，声呐的成像精度得到了很大提高，目标探测距离也大大提升。因此，以声呐作为核心传感器，结合图像信息处理技术，可以建立一个大范围水下目标探测系统。但是由于声信息传输信道水声信道具有复杂和多变的特性，以及声波本身的透射特性，使得前视声呐图像具有明显的自身特性。由于声学阴影和旁瓣效应，单个目标在前视声呐图像上可能分裂成多个亮斑，水中其它物体以及不平整的水下等区域会在声图像中形成弧线状的亮区。对于一个静止的目标来说，目标在声呐上的成像会由于扫描方向的不同而呈现出位置的不同。前视声呐图像的目标部分灰度级别一般相对较少，而背景部分灰度级别一般比较丰富。由于这些局限性，需要开展针对前视声呐的图像处理技术研究，并选取能有效区分各个目标的特征，才能对声呐图像进行有效目标识别。声呐图像好坏可以说是一切工作的前提，由于多波束前视声呐所扫描形成的图像自身的局限性，以及水下环境的复杂性，因此对于声呐的去噪、特征增强显得格外重要。申请号为“201711036788.1”的专利文献公开了一种“基于深度学习技术的声呐图像目标识别方法”，由于采用深度学习的方法，需要大量的数据进行支撑，使得声呐图像的处理变得复杂。申请号为“200810064436.1”的专利文献公开了一种“基于分层MRF的声呐图像自适应分割方法”，但是此算法的可靠性需要大量的测试、图像处理的自适应性需要进一步提高。
技术实现思路
本专利技术的目的在于提供一种基于模糊算法与分数阶微分算法的声呐图像增强方法，应用于水下机器人声呐图像处理领域，运用基于ln函数的模糊增强算法，提高了对于声呐图像的处理速度，声呐图像增强效果得到增强，并在此基础之上对声呐图像运用分数阶微分算法进行锐化处理。本专利技术的目的通过以下技术方案予以实现：一种基于模糊算法与分数阶微分算法的声呐图像增强方法，包括以下步骤：首先进行声呐图像的模糊化处理，接着建立基于ln函数的模糊隶属度函数，然后确立模糊增强算子，在此基础上对基于ln函数的模糊隶属度函数进行模糊逆变换，最后进行分数阶微分运算。本专利技术的目的还可以通过以下技术措施进一步实现：前述基于模糊算法与分数阶微分算法的声呐图像增强方法，其中声呐图像的模糊化处理包括以下2个步骤：步骤1：首先输入声呐图像，计算声呐图像中的像素灰度的最高值xmax和最低值xmin。步骤2：将声呐图像从空间灰度域映射到声呐图像的模糊特征平面；有一副大小为M行，N列的声呐图像Y，将声呐图像Y等效为一个模糊集合X：其中xij表示像素(i,j)的灰度值,uij/xij表示某一像素点xij所具有的模糊特征的程度,表示组成元素为并且有M行，N列的模糊集合。平面内的所有像素的模糊隶属度函数uij构成了声呐图像的模糊特征平面；并且存在0≤uij≤1，uij将声呐图像Y从模糊集合X映射到(0，1)。前述基于模糊算法与分数阶微分算法的声呐图像增强方法，基于ln函数的模糊隶属度函数的建立包括以下部分：本专利技术所提出的基于ln函数的模糊隶属度函数如下式所示：uij＝G(xij)＝ln(1+(e-1)(xij-xmin)/(xmax-xmin))(2)其中e＝2.718281828459，G(xij)为基于ln函数的模糊隶属度函数。前述基于模糊算法与分数阶微分算法的声呐图像增强方法，声呐图像增强是通过模糊增强算子在模糊空间进行运算所得到的结果，模糊增强算子如下式所示：u'ij＝T(m)(uij)＝T(T(m-1)(uij))m＝1,2,3...(3)其中T(m)表示对于T的m次调用，u'ij为对于T的m次调用后所得到的值，并且其非线性变换T为：前述基于模糊算法与分数阶微分算法的声呐图像增强方法，对基于ln函数的模糊隶属度函数进行模糊逆变换：其中x'ij表示对基于ln函数的模糊隶属度函数进行模糊逆变换后的像素的灰度值，表示对G(xij)进行逆变换。前述基于模糊算法与分数阶微分算法的声呐图像增强方法，对基于ln函数的模糊隶属度函数进行模糊逆变换后的声呐图像Y'进行锐化处理，首先确立声呐图像的分数阶微分方程，接着确定掩模滤波器，最后进行掩模运算；具体实施由以下步骤组成：步骤1：首先对于分数阶微分掩模算子进行构造，G-L的分数阶微分定义是从连续函数整数阶导数定义出发，推广到分数阶而来的，即：其中Gamma函数表示一元信号f(t)的v阶微分，t、a表示分数阶微分的上下限，h为其微分步长，m为0到的整数；如果一元信号在其持续区间[a,t]内，按h＝1进行等分,可得从而可以推导出一元连续信号f(t)的分数阶微分的差分表达式，如式(7)所示：对于任意的函数f(x,y)∈L2(R2)，其对x轴和y轴的v阶偏微分的差分表达式分别为下式所示：步骤2：由于声呐图像Y'的大小为M行，N列，因此需要构造m行、n列的滤波器ω(s,t)进行线性滤波；其中s＝0，1，2，…，m-1和t＝0，1，2，…，n-1，并且依次应用式根据式(11)构造逆时针各向同性滤波器，采用的窗口大小为5×5的分数阶微分进掩模，对掩模内的各个系数除以8-12v+4v2，进行归一化处理；得到的输出声呐图像Y”(x,y)可以用离散卷积分表示为：其中a、b分别为分数阶微分算子模板大小在x，y坐标轴方向上的半径，最终输出的声呐图像各个部分对比得到增强。与现有技术相比，本专利技术的有益效果是：1.与现有的声呐图像增强方法相比，本专利技术对声呐图像的增强计算过程进行简化，去除了倒数模糊因子以及指数模糊因子的影响。2.本专利技术在进行模糊隶属度函数计算时，提出一种基于ln函数的模糊隶属度函数，基于ln函数的模糊隶属度函数的公式中所包含的变量更少，便于观察计算。3.基于ln函数的模糊隶属度函数在计算时，不仅计算过程简单，而且保留了声呐图像中灰度值低图像信息，增强效果更好。4.将改进的模糊增强算法与分数阶微分算法相结合，使得声呐图像的增强处理更加的精确，增强效果更好。附图说明图1是本专利技术的声呐图像增强的流程框图；图2是本专利技术的模糊增强算法的流程图；图3是本专利技术的分数阶微分算法的流程图；图4是本专利技术的分数阶微分的8个方向。具体实施措施下面结合附图和具体实施例对本专利技术作进一步说明。如图1所示，基于模糊算法与分数阶微分算法的声呐图像增强方法，由声呐图像输入、声呐图像的模糊化处理、建立基于ln函数的模糊隶属度函数、确立模糊增强本文档来自技高网...

【技术保护点】
1.一种基于模糊算法与分数阶微分算法的声呐图像增强方法，其特征在于，主要包括以下步骤：首先声呐图像的模糊化处理，接着建立基于ln函数的模糊隶属度函数，然后确立模糊增强算子，在此基础上对基于ln函数的模糊隶属度函数进行模糊逆变换，最后进行分数阶微分运算。

【技术特征摘要】
1.一种基于模糊算法与分数阶微分算法的声呐图像增强方法，其特征在于，主要包括以下步骤：首先声呐图像的模糊化处理，接着建立基于ln函数的模糊隶属度函数，然后确立模糊增强算子，在此基础上对基于ln函数的模糊隶属度函数进行模糊逆变换，最后进行分数阶微分运算。2.如权利要求1所述的基于模糊算法与分数阶微分算法的声呐图像增强方法，其特征在于，其中声呐图像的模糊化处理主要包括以下2个步骤：步骤1：首先输入声呐图像，计算声呐图像中的像素灰度的最高值xmax和最低值xmin；步骤2：将声呐图像从空间灰度域映射到声呐图像的模糊特征平面；有一副大小为M行，N列的声呐图像Y，将声呐图像Y等效为一个模糊集合X：其中xij表示像素(i,j)的灰度值,uij/xij表示某一像素点xij所具有的模糊特征的程度,表示组成元素为并且有M行，N列的模糊集合；平面内的所有像素的模糊隶属度函数uij构成了声呐图像的模糊特征平面；并且存在0≤uij≤1，uij将声呐图像Y从模糊集合X映射到(0，1)。3.如权利要求1所述的基于模糊算法与分数阶微分算法的声呐图像增强方法，其特征在于，基于ln函数的模糊隶属度函数的建立主要包括以下部分：基于ln函数的模糊隶属度函数如下式所示：uij＝G(xij)＝ln(1+(e-1)(xij-xmin)/(xmax-xmin))(2)其中e＝2.718281828459，G(xij)为基于ln函数的模糊隶属度函数。4.如权利要求1所述的基于模糊算法与分数阶微分算法的声呐图像增强方法，其特征在于，声呐图像增强是通过模糊增强算子在模糊空间进行运算所得到的结果，模糊增强算子如下式所示：u'ij＝T(m)(uij)＝T(T(m-1)(uij))m＝1,2,3...(3)其中T(m)表示对于...

【专利技术属性】
技术研发人员：曾庆军，史志晨，戴晓强，赵强，王阳，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏,32