一种针对侧扫声呐图像的非线性增强方法技术

本发明专利技术属于侧扫声呐图像处理技术领域，具体涉及一种针对侧扫声呐图像的非线性增强方法。本发明专利技术包括如下步骤：从原始侧扫声呐数据文件中获取原始图像，然后对原始图像依次进行灰度归一化、邻域极值抑制和高斯平滑，再针对平滑后的图像计算低灰度区最大值、高灰度区最小值和中间灰度区，最后对上述三个区域分别进行非线性校正，得到增强后的图像。通过上述步骤，本发明专利技术能够快速、有效、低成本地实现对原始侧扫声呐图像有效信号的增强和无效信号的抑制，增强图像局部特征的对比度，并且保持原始图像的边缘和灰度分布的单调性，不引伪边缘等。

A Nonlinear Enhancement Method for Side-scan Sonar Image

The invention belongs to the field of image processing technology of side-scan sonar, and specifically relates to a non-linear enhancement method for side-scan sonar image. The invention comprises the following steps: obtaining the original image from the original side-scan sonar data file, then normalizing the gray level of the original image, suppressing the neighborhood extremum and smoothing Gauss in turn, calculating the maximum value of the low gray level area, the minimum value of the high gray level area and the middle gray level area for the smoothed image, and finally correcting the three areas respectively to obtain the enhanced image. Image. Through the above steps, the invention can quickly, effectively and cheaply enhance the effective signal and suppress the invalid signal of the original side scan sonar image, enhance the contrast of the local features of the image, and maintain the monotony of the edge and gray distribution of the original image, without introducing false edges, etc.

【技术实现步骤摘要】
一种针对侧扫声呐图像的非线性增强方法
本专利技术属于侧扫声呐图像处理
，具体涉及一种针对侧扫声呐图像的非线性增强方法。
技术介绍
伴随着世界各国科学技术的发展，海洋环境的探索和海底资源的开发与利用是各国提高自身综合实力的关键技术之一。由于声波在水体介质中具有良好的传输性能，声呐成像技术被广泛地应用于深海远距离探测，但因为原始侧扫声呐图像的对比度低、边缘模糊等原因，原始的声呐图像无法直接用于特征检测和目标识别等后处理中，所以需要对原始侧扫声呐图像进行增强。侧扫声呐图像增强分为硬件校正法和图像域校正法两大类。常用的硬件校正法是时变增益法，然而此方法不但无法做到和衰减过程完全一致，有时甚至造成二次灰度畸变，而且需要额外的硬件支持，耗费成本。图像域校正法主要包括基于空间域校正法和基于频率域校正法。常用的基于空间域校正法包括平均灰度校正法、直方图校正法和gamma校正法，这些方法的优点是速度快，然而这些方法在增强灰度的同时也会放大噪声，甚至破坏原始图像的边缘和特征分布，导致图像质量变差。常用的基于频率域校正法包括Curvelet变换法和小波变换法，尽管这些方法针对特征的增强、边缘的保持和噪声的抑制都起到很好的效果，但它们会消耗大量的时间而无法保证后处理的实时性。根据侧扫声呐的成像原理，侧扫声呐图像的灰度可分为低灰度区、中间灰度区和高灰度区，低灰度区是由于水下物体或者海底山岭遮挡而仅存在弱噪声的无效信号区域，高灰度区是反射波比较强烈的区域，中间灰度区多数是背景的反射区域，目前还没有针对上述三个区的灰度分布特点进行操作的侧扫声呐图像增强方法。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种针对侧扫声呐图像的非线性增强方法，该方法利用侧扫声呐图像灰度分布特点，能够快速、有效、低成本地实现对原始侧扫声呐图像有效信号的增强和无效信号的抑制，并且不引入伪边缘等。本专利技术的目的是这样实现的：一种针对侧扫声呐图像的非线性增强方法，包括以下步骤:(1)从原始声呐数据文件中获取原图像I；(2)将原图像I中灰度值线性映射到灰度级[0,1]范围内，得到归一化的图像I1；(3)对图像I1进行邻域极值抑制，得到抑制后的图像I2；(4)对抑制后的图像I2进行高斯平滑，得到图像I3；(5)对高斯平滑处理后的图像I3先根据侧扫声呐图像的成像原理并结合其灰度直方图的分布特点分别计算出其低灰度区和高灰度区占其全图像素个数的比值，然后求低灰度区灰度最大值Sb、高灰度区灰度最小值Tb和中间灰度区(Sb,Tb)；(6)对高斯平滑处理后的图像I3中划分的低灰度区、高灰度区和中间灰度区这三个区域进行非线性校正，针对低灰度区和中间灰度区进行gamma校正，针对高灰度区进行比例校正，得到增强后的图像I4。步骤3具体包括以下步骤：(3.1)对归一化的图像I1中每个像素点I1(u,v)分别进行3×3尺度的最大值滤波、最小值滤波和平均值滤波，分别得到图像Imax、Imin和Imid；u,v分别表示图像坐标系下的纵轴和横轴坐标；(3.2)根据极大值滤波处理后的图像Imax和极小值滤波处理后的图像Imin，确定图像I1中的极大值点和极小值点，根据平均值滤波处理后的图像Imid和以下公式得到极值抑制后的图像I2。步骤5具体包括以下步骤：(5.1)将高斯平滑处理后的图像I3的灰度直方图的水平轴等分为20段，按照灰度值从小到大的顺序统计每段内的像素个数，得到统计数列Hi，i表示统计数列Hi的索引，i∈[1,20]；(5.2)根据统计数列Hi计算低灰度区占高斯平滑处理后的图像I3像素总数的比例l，计算方法包括以下步骤:(5.2.1)初始化索引i＝1，输入H1、H2和H3；(5.2.2)如果H1+H2≤0.5H3，表示图像中灰度值较低的部分只是背景处灰度较暗的地方，不存在被海底背景或者目标遮挡而产生的低灰度区，则l＝0；(5.2.3)如果0.5H3＜H1+H2≤2H3，表示图像中存在少量的被遮挡的低灰度区，则l由以下公式计算得出：(5.2.4)如果H1+H2＞2H3，表示图像中存在大量的被遮挡的低灰度区，通过步骤5.2.5至步骤5.2.8计算l；(5.2.5)令修正系数b＝0.1，索引i＝2；(5.2.6)索引i＝i+1；(5.2.7)如果Hi+1＜Hi并且i≠19，修正系数b＝b+0.05，转到步骤5.2.6；(5.2.8)如果Hi+1≥Hi或者i＝19，则l由以下公式计算得出：(5.3)比例l也表示低灰度区的在灰度直方图水平轴上的极大值，为了避免低灰度区的过量计算而导致的增强失败，需要对低灰度区最大值进行限制，若图像I3像素灰度值的中位数为M，则低灰度区最大值Sb＝min(l,M)；(5.4)分别求高斯平滑处理后的图像I3按照其灰度值从小到大的顺序第95％位置的灰度值b1和第99.9％位置的灰度值b2，计算得bm＝(b1+b2)/2；(5.5)统计高斯平滑处理后的图像I3中在区间[b1,bm]和区间[bm,b2]的像素个数t1和t2，则高灰度区最小值Tb由以下公式计算得出：(5.6)根据低灰度区灰度最大值Sb、高灰度区灰度最小值Tb得到中间灰度区(Sb,Tb)。步骤6中非线性校正函数为以下公式所示：式中，I3表示高斯平滑处理后的图像gamma校正系数，Sb表示低灰度区灰度最大值，Tb表示高灰度区灰度最小值，Tp表示高灰度区的修正系数，k1表示低灰度区的比例系数，k2表示高灰度区的比例系数，它们满足以下关系：Tp＝min{(Tb-Sb)α+0.1,1.}本专利技术与现有技术相比，本专利技术的有益效果在于：1.针对侧扫声呐图像灰度分布的特点，在增强有效信号的中间灰度区和高灰度区的灰度特征的同时，又抑制无效信号的低灰度区，提高了局部特征间的对比度；2.相比于时变增益法，不需要额外硬件支持，节约成本；3.相比于空间域校正法，能有效地削弱脉冲噪声的影响，并且保持原始图像的边缘和灰度分布的单调性，不引入人造特征；4.相比于频率域校正法，操作简单，无需设置额外超参数，自适应性强，处理速度快，确保后处理的实时性要求。附图说明图1是本专利技术方法流程图；图2是低灰度区占全图像素总数的比例计算方法流程图；具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术做进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1为本专利技术提供的一种针对侧扫声呐图像的非线性增强方法的流程图，该方法包括如下步骤：(1)从原始声呐数据文件中获取原图像I；(2)将原图像I中灰度值线性映射到灰度级[0,1]范围内，得到归一化的图像I1，结果如表1中实施例1-4的原图所示。其中，实施例1表示图像中只含有单物体的情况；实施例2表示图像中只含有平缓的背景的情况；实施例3表示图像中含有凹凸不平的背景的情况；实施例4表示图像中含有多物体的情况；因为侧扫声呐图像受混响效应影响导致侧扫声呐图像存在大量的斑点噪声，所以要进行步骤3和步骤4的操作来削弱声呐图像的斑点噪声。(3)对图像I1进行邻域极值抑制，得到抑制后的图像I2；(3.1)对归一化的图像I1中每个像素点I1(u,v)分别进行3×3尺度的最大值滤波、最小值滤波和平均值滤波，分别得到图像Imax、Imin和本文档来自技高网...

【技术保护点】
1.一种针对侧扫声呐图像的非线性增强方法，其特征在于，包括以下步骤:(1)从原始声呐数据文件中获取原图像I；(2)将原图像I中灰度值线性映射到灰度级[0,1]范围内，得到归一化的图像I1；(3)对图像I1进行邻域极值抑制，得到抑制后的图像I2；(4)对抑制后的图像I2进行高斯平滑，得到图像I3；(5)对高斯平滑处理后的图像I3先根据侧扫声呐图像的成像原理并结合其灰度直方图的分布特点分别计算出其低灰度区和高灰度区占其全图像素个数的比值，然后求低灰度区灰度最大值Sb、高灰度区灰度最小值Tb和中间灰度区(Sb,Tb)；(6)对高斯平滑处理后的图像I3中划分的低灰度区、高灰度区和中间灰度区这三个区域进行非线性校正，针对低灰度区和中间灰度区进行gamma校正，针对高灰度区进行比例校正，得到增强后的图像I4。

【技术特征摘要】
1.一种针对侧扫声呐图像的非线性增强方法，其特征在于，包括以下步骤:(1)从原始声呐数据文件中获取原图像I；(2)将原图像I中灰度值线性映射到灰度级[0,1]范围内，得到归一化的图像I1；(3)对图像I1进行邻域极值抑制，得到抑制后的图像I2；(4)对抑制后的图像I2进行高斯平滑，得到图像I3；(5)对高斯平滑处理后的图像I3先根据侧扫声呐图像的成像原理并结合其灰度直方图的分布特点分别计算出其低灰度区和高灰度区占其全图像素个数的比值，然后求低灰度区灰度最大值Sb、高灰度区灰度最小值Tb和中间灰度区(Sb,Tb)；(6)对高斯平滑处理后的图像I3中划分的低灰度区、高灰度区和中间灰度区这三个区域进行非线性校正，针对低灰度区和中间灰度区进行gamma校正，针对高灰度区进行比例校正，得到增强后的图像I4。2.根据权利要求1所述的一种针对侧扫声呐图像的非线性增强方法，其特征在于，步骤3具体包括以下步骤：(3.1)对归一化的图像I1中每个像素点I1(u,v)分别进行3×3尺度的最大值滤波、最小值滤波和平均值滤波，分别得到图像Imax、Imin和Imid；u,v分别表示图像坐标系下的纵轴和横轴坐标；(3.2)根据极大值滤波处理后的图像Imax和极小值滤波处理后的图像Imin，确定图像I1中的极大值点和极小值点，根据平均值滤波处理后的图像Imid和以下公式得到极值抑制后的图像I2。。3.根据权利要求1所述的一种针对侧扫声呐图像的非线性增强方法，其特征在于，步骤5具体包括以下步骤：(5.1)将高斯平滑处理后的图像I3的灰度直方图的水平轴等分为20段，按照灰度值从小到大的顺序统计每段内的像素个数，得到统计数列Hi，i表示统计数列Hi的索引，i∈[1,20]；(5.2)根据统计数列Hi计算低灰度区占高斯平滑处理后的图像I3像素总数的比例l，计算方法包括以下步骤:(5.2.1)初始化索引i＝1，输入...

【专利技术属性】
技术研发人员：贾云鹏，叶秀芬，刘文智，肖树国，仰海波，李海波，刘育松，梅新奎，郭书祥，刘俊，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23