一种声呐图像分割方法技术

技术编号:26925042 阅读:18 留言:0更新日期:2021-01-01 22:51
本发明专利技术公开一种声呐图像分割方法,对声呐图像进行滤波处理,得到第一图像;在第一图像中定位目标亮区,利用膨胀算子对所述目标亮区的边缘检测点进行局部增强,并将增强后的目标亮区叠加所述第一图像中,得到第二图像;利用基于二维直方图模糊加权Tsallis熵分割算法,对所述第二图像中的目标亮区、目标暗区和混响区进行分割,得到第三图像;对所述第三图像进行后处理,得到最终的分割图像。本发明专利技术可以提高目标亮区、目标暗区和混响区的分割准确性,分割图像噪声低,分割效果显著提升。

【技术实现步骤摘要】
一种声呐图像分割方法
本专利技术涉及图像处理
,尤其涉及一种声呐图像分割方法。
技术介绍
水声探测是海军国防、海洋资源开发等领域中的重要技术,主要是利用声呐在水下发射声音脉冲,声音脉冲波撞击水下目标时会发生散射,将探测到的回波信号进行叠加后生成声呐图像,并对声呐图像进行处理以识别水下目标。受水下环境影响,声呐图像的成像特征包括水下目标对应的目标亮区(简称亮区)、水下目标的阴影对应的目标暗区(简称暗区),其余部分由较小的黑色/白色斑点、噪声以及背景区域构成的混响区。声呐图像分割的目的在于将目标亮区、目标暗区以及混响区进行区分,从而提取用于识别水下目标的感兴趣区域。声呐图像分割中应用最广泛的是直方图阈值法,该方法认为灰度概率分布的最佳分割与图像的目标区域有关,直方图的波谷可能表示原始图像中的目标区域,但除了灰度特征外,灰度直方图几乎不携带其他图像特征,例如空间信息等,无法实现声呐图像的精准分割。而另一种是基于熵算法的声呐图像分割,研究方向主要集中在阈值选取的合理性以及速度上,该方法一般将声呐图像看作是带有散斑噪声且分辨率低的光学灰度图像来处理,却忽略了声呐图像的成像特点,仍无法取得良好的分割效果。
技术实现思路
本专利技术提供一种声呐图像分割方法,以解决声呐图像分割准确性低、分割效果差的问题。本申请提供的声呐图像分割方法,包括:对声呐图像进行滤波处理,得到第一图像;在第一图像中定位目标亮区,利用膨胀算子对所述目标亮区的边缘检测点进行局部增强,并将增强后的目标亮区叠加所述第一图像中,得到第二图像;利用基于二维直方图模糊加权Tsallis熵分割算法,对所述第二图像中的目标亮区、目标暗区和混响区进行分割,得到第三图像;对所述第三图像进行后处理,得到最终的分割图像。本申请提供的声呐图像分割方法主要包括滤波、目标亮区的局部增强、基于二维模糊加权的Tsallis熵分割以及后处理这几个环节。首先对声呐图像进行滤波,使声呐图像既有良好的边缘保持效果,又能对混响区噪声起到平滑作用;然后基于目标亮区在边缘检测图上的分布特性和形态学理论,定位目标亮区,并对目标亮区进行膨胀处理,从而实现目标亮区的增强,从而提高目标亮区分割的正确率;在图像分割方面,对传统的二维模糊Tsallis熵算法进行了加权处理,得到改进后的基于二维直方图模糊加权Tsallis熵分割算法,具有良好的去噪能力,可以提高目标亮区、目标暗区和混响区的分割准确性;由于声呐图像阈值分割后仍然存在噪声或目标失真的现象,本文在分割后增设后处理环节,以进一步降噪,提高声呐图像的分割效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1中示例性示出了一种声呐图像分割方法的流程图;图2中示例性示出了声呐图像的示意图;图3中示例性示出了DCT滤波后得到的第一图像的示意图;图4中示例性示出了由Robert算子计算得到的边缘检测图像;图5(a)中示例性示出了目标暗区与混响区的边缘左侧特征图像;图5(b)中示例性示出了目标暗区与混响区的边缘右侧特征图像;图6中示例性示出了对边缘检测图像进行局部定位预处理后得到的除干扰图像;图7(a)中示例性示出了未进行局部定位预处理时的行数直方图;图7(b)中示例性示出了未进行局部定位预处理时的列数直方图;图7(c)中示例性示出了进行局部定位预处理后的行数直方图;图7(d)中示例性示出了进行局部定位预处理后的列数直方图;图7(e)中示例性示出了对图7(c)进行滤波后的行数直方图;图7(f)中示例性示出了对图7(d)进行滤波后的列数直方图;图8中示例性示出了未进行局部定位预处理时目标亮区的定位图;图9中示例性示出了进行局部定位预处理和直方图滤波后的定位图;图10中示例性示出了目标亮区的膨胀图;图11中示例性示出了定位图和膨胀图叠加后的示意图;图12中示例性示出了增强后的第二图像的示意图;图13中示例性示出了二维直方图的示意图;图14中示例性示出了波谷权值系数图;图15中示例性示出了对角线权值系数图;图16中示例性示出了加权函数图;图17中示例性示出了使用常规Tsallis熵分割算法得到分割效果图;图18中示例性示出了使用基于二维直方图模糊加权Tsallis熵分割算法得到的第三图像;图19中示例性示出了已知阴影特征时后处理得到的分割图像;图20中示例性示出了未知阴影特征时后处理得到的分割图像;图21(a)中示例性示出了从第三图像提取出的亮区图像;图21(b)中示例性示出了从第三图像提取出的暗区图像;图22(a)中示例性示出了亮区图像滤波后的示意图;图22(b)中示例性示出了暗区图像滤波后的示意图;图23中示例性示出了图22(a)和图22(b)叠加后得到的分割图像;图24中示例性示出了对暗区图像进行膨胀处理的效果图;图25中示例性示出了对图24进行等次腐蚀处理的效果图;图26中示例性示出了目标暗区的轮廓图像;图27中示例性示出了利用基于数学形态学的后处理方式得到的分割图像。具体实施方式为使本申请的目的、实施方式和优点更加清楚,下面将结合本申请示例性实施例中的附图,对本申请示例性实施方式进行清楚、完整地描述,显然,所描述的示例性实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请描述的示例性实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请所附权利要求保护的范围。此外,虽然本申请中公开内容按照示范性一个或几个实例来介绍,但应理解,可以就这些公开内容的各个方面也可以单独构成一个完整实施方式。需要说明的是,本申请中对于术语的简要说明,仅是为了方便理解接下来描述的实施方式,而不是意图限定本申请的实施方式。除非另有说明,这些术语应当按照其普通和通常的含义理解。本申请中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体,而不必然意味着限定特定的顺序或先后次序,除非另外注明(Unlessotherwiseindicated)。应该理解这样使用的用语在适当情况下可以互换,例如能够根据本申请实施例图示或描述中给出那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖但不排他的包含,例如,包含了一系列组件的产品或设备不必限于清楚地列出的那些组件,而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。在2kHz~16kHz的频率范围内,声呐源发射短时宽带啁啾的声音脉冲信号,声本文档来自技高网...

【技术保护点】
1.一种声呐图像分割方法,其特征在于,包括:/n对声呐图像进行滤波处理,得到第一图像;/n在第一图像中定位目标亮区,利用膨胀算子对所述目标亮区的边缘检测点进行局部增强,并将增强后的目标亮区叠加所述第一图像中,得到第二图像;/n利用基于二维直方图模糊加权Tsallis熵分割算法,对所述第二图像中的目标亮区、目标暗区和混响区进行分割,得到第三图像;/n对所述第三图像进行后处理,得到最终的分割图像。/n

【技术特征摘要】
1.一种声呐图像分割方法,其特征在于,包括:
对声呐图像进行滤波处理,得到第一图像;
在第一图像中定位目标亮区,利用膨胀算子对所述目标亮区的边缘检测点进行局部增强,并将增强后的目标亮区叠加所述第一图像中,得到第二图像;
利用基于二维直方图模糊加权Tsallis熵分割算法,对所述第二图像中的目标亮区、目标暗区和混响区进行分割,得到第三图像;
对所述第三图像进行后处理,得到最终的分割图像。


2.根据权利要求1所述的方法,其特征在于,所述在第一图像中定位目标亮区包括:
采用Robert算子对所述第一图像进行边缘检测;
对边缘检测图像进行局部定位预处理,以消除干扰的边缘检测点;
利用基于行列数直方图阈值分割的局部定位算法,定位所述目标亮区。


3.根据权利要求1或2所述的方法,其特征在于,所述利用膨胀算子对所述目标亮区的边缘检测点进行局部增强,包括:
遍历所述目标亮区,获取与约束条件匹配的待膨胀处理的边缘检测点,并将与约束条件不匹配的边缘检测点移除;
采用disk膨胀算子对所述待膨胀处理的边缘检测点进行布局增强。


4.根据权利要求1所述的方法,其特征在于,所述利用基于二维直方图模糊加权Tsallis熵分割算法,对所述第二图像中的目标亮区、目标暗区和混响区进行分割,包括:
利用波谷权值系数和对角线权值系数,计算加权函数;
根据所述加权函数和第二图像的二维模糊Tsallis熵,基于最大熵机制,求解最优阈值向量;
根据所述最优阈值向量,利用图像阈值分割方法,对所述第二图像中的目标亮区、目标暗区和混响区进行分割。


5.根据权利要求4所述的方法,其特征在于,按照如下方式求解所述最优阈值向量:
(a1xa2xb1xb2x)=argmax(S×w(a1x,b1x)×w(a2x,b2x))
其中,加权函数w(i,j)表示为:
w(i,j)=1-H(i,j)-A(i,j)
对角线权值系数A(i,j)表示为:
A(i...

【专利技术属性】
技术研发人员:焦圣喜霍子钰郭海涛
申请(专利权)人:东北电力大学
类型:发明
国别省市:吉林;22

网友询问留言 已有0条评论
  • 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。

1