一种基于周围变化的侧扫声呐图像纹理失真区域修复方法技术

本发明专利技术公开了一种基于周围变化的侧扫声呐图像纹理失真区域修复方法，包括以下步骤：步骤S1，自动搜索图像纹理失真区域；步骤S2，修复侧扫声呐图像纹理失真区域，包括：步骤S21，在所述步骤S1搜索到的所有纹理失真区域中，选择待修复区域和样本区域；步骤S22，定义修复模板的尺寸；步骤S23，计算图像块的权值；步骤S24，选择待修复块，然后寻找与待修复块像素方差最小的样本块；步骤S25，将所述样本块中的像素通过弱相关匹配到待修复块内，以修复待修复块；步骤S26，更新待修复区域的边界，然后再重复执行所述步骤S21到步骤S25，直至修复待修复区域。采用本发明专利技术可以获取高质量海底地貌图像，同时解决海上风电场建设和后续安全运行监测难题。

【技术实现步骤摘要】
一种基于周围变化的侧扫声呐图像纹理失真区域修复方法
本专利技术涉及一种基于周围变化的侧扫声呐图像纹理失真区域修复方法。
技术介绍
海上风电、桥梁等海洋工程建设中，对水下地形地貌特征以及地质的分布变化特征有较高的要求，相较基于单波束测深系统或多波束测深系统获取海底地形地貌信息的传统方法，侧扫声呐是基于声学散射原理来探测海底地形的，侧扫声呐系统工作时，换能器基阵向两侧发射脉冲声波，声波按球面波形式向外传播，碰到海底或者水中物体时发生散射，反向散射波沿原传播路线返回被换能器接受，反映在记录纸或者显示器上，侧扫声呐分辨率是多波束测深分辨率的50到100倍，是获取海底精细地貌信息的有效手段。侧扫声呐图像处理是获取高质量海底地貌信息的关键，侧扫声呐系统测量时，丢失Ping、丢失回波、异常回波等问题时常发生，常导致侧扫声呐瀑布图像中出现空白、异常灰度变化，导致形成的侧扫声呐图像对海底出现异常解译，因此需要对这些纹理失真区开展修复，确保侧扫声呐图像对海底的正确表达；为了消除异常回波区的影响，目前主要采用人工方法，通过人工判读纹理失真区的存在，然后借助周围像素的灰度值，通过平均内插或中值内插来实现纹理失真区的修复；平均内插即借助修复区周边正常像素的灰度值，通过算术平均，计算插补像素的灰度值来实现修复；平均内插法简单，易于实现，但常导致修复区灰度变化差异非常小，修复后的图像出现同灰度值或差异很小的灰度值，海底的纹理变化特征缺失；中值插值法与均值插值法思想近似，即借助周边像素的灰度值，通过寻求周边像素灰度序列的中值替代异常像素的灰度值，进而实现异常像素的修复；当采用的周围像素灰度相同时，修复的相邻像素灰度值变化较小，难以反映海底的纹理变化特征。因此，目前需要一种修复方法来解决这一问题。
技术实现思路
本专利技术的目的在于克服现有技术的缺陷而提供一种基于周围变化的侧扫声呐图像纹理失真区域修复方法，以获取高质量海底地貌图像，并有效的解决海上风电场建设和后续安全运行监测难题。本专利技术所述的一种基于周围变化的侧扫声呐图像纹理失真区域修复方法，包括以下步骤：步骤S1，自动搜索图像纹理失真区域，包括采用以下步骤S11或步骤S12实现侧扫声呐图像纹理失真区域的自动搜索；所述步骤S11，在侧扫声呐图像中先从上往下沿着海底线移动观察，然后在海底线周围从左往右移动观察，并根据观察到的海底线的异常变化搜索纹理失真区域；所述步骤S12，根据侧扫声呐图像的失真特征搜索纹理失真区域；以及步骤S2，修复侧扫声呐图像纹理失真区域，包括以下步骤：步骤S21，在所述步骤S1搜索到的所有纹理失真区域中，选择尺寸最大的纹理失真区域作为待修复区域，在侧扫声呐图像的所有纹理完整区域中选择位于所述待修复区域附近且与该待修复区域纹理最接近的纹理完整区域作为样本区域；步骤S22，根据侧扫声呐图像的分辨率以及图像纹理的复杂程度定义一修复模板的尺寸，利用该修复模板从上到下从左往右依次遍历待修复区域内的像素，包括：将待修复区域与样本区域进行模板匹配，并在样本区域内逐像素搜索，选择与待修复区域的位于修复模板内像素的方差最小的区域块，以该区域块直接替换待修复区域的相应位置；步骤S23，将待修复区域与样本区域的分界线划分为若干段边界l，并根据以下公式(1)计算得到若干个以边界l为中心的图像块的权值p：p＝α·C(l)+β·D(l)+γ·H(l)(1)；式中，C(l)为置信度，D(l)为数据项，H(l)为以边界l为中心点的图像块的灰度信息熵，α、β、γ均为系数，且α+β+γ＝1；步骤S24，在所述步骤S23计算得到的所有图像块的权值p中选择权值最大的图像块作为最优先修复的待修复块，然后在样本区域中寻找与该最优先修复的待修复块像素方差最小的样本块；步骤S25，将所述步骤S24中寻找到的样本块中的像素通过弱相关匹配到最优先修复的待修复块内，以修复该最优先修复的待修复块；以及步骤S26，更新待修复区域的边界，然后再重复执行所述步骤S21到步骤S25，直至修复待修复区域。在上述的基于周围变化的侧扫声呐图像纹理失真区域修复方法中，所述步骤S11包括：对侧扫声呐图像进行斜距改正以形成平距图像，假设该平距图像上最多允许连续n个像素重复，则将纹理失真区域定义为海底线周围距海底线距离为d0的图像范围，其中，d0满足以下公式(2)：式中，h为声呐仪器在测量获得侧扫声呐图像时与海底的垂直距离。在上述的基于周围变化的侧扫声呐图像纹理失真区域修复方法中，所述步骤S12包括以下步骤：步骤S121，设定一R×L的二维滑动窗口，对侧扫声呐图像进行遍历，并按照以下公式(3)计算得到侧扫声呐图像的各个由二维滑动窗口所限定区域中每个像素(x,y)的灰度横向梯度变化值gx以及灰度纵向梯度变化值gy，其中，R和L为自然数：式中，G(x,y)为像素(x,y)的灰度值；步骤S122，根据侧扫声呐图像的各个由二维滑动窗口所限定区域中每个像素(x,y)的灰度横向梯度变化值gx以及灰度纵向梯度变化值gy统计得到整体灰度横向梯度变化均值Egx以及整体灰度纵向梯度变化均值Egy；步骤S123，当侧扫声呐图像的一个由二维滑动窗口所限定区域中70％以上的像素满足以下公式(4)的条件时，将该区域定义为疑似的图像缺失区域；式中，λ为第一阈值系数，取值范围为0～1；步骤S124，根据以下公式(5)判断在所述疑似的图像缺失区域中每个像素(x,y)是否失真：式中，λ’为第二阈值系数，取值范围为0～1，E为每个像素(x,y)的灰度梯度均值，Emean为侧扫声呐图像去除水柱区异常值后的整体灰度梯度均值；以及步骤S125，将由步骤S124中找到的失真的像素合并所形成的区域定义为纹理失真区域。在上述的基于周围变化的侧扫声呐图像纹理失真区域修复方法中，在所述步骤S21中，将样本区域定义为海底线周围距海底线距离为d0～3d0的图像范围，其中，d0满足以下公式(2)：式中，h为声呐仪器在测量获得侧扫声呐图像时与海底的垂直距离。在上述的基于周围变化的侧扫声呐图像纹理失真区域修复方法中，在所述步骤S23中，设定以边界l为中心点的图像块的尺寸为R×L，并按照以下公式(6)计算该图像块的灰度信息熵H(l)：式中，f(i,j)为所述图像块在位置(i,j)熵值的灰度值，|f(i,j)|表示灰度值f(i,j)出现的频数，Pi,j为归一化后的灰度概率值。在上述的基于周围变化的侧扫声呐图像纹理失真区域修复方法中，所述步骤S25包括：遍历计算所述步骤S24中最优先修复的待修复块中的每个像素的周围像素与寻找到的样本块中的每个像素的周围像素的方差，并选取方差最小值所对应的样本块中的像素的灰度值作为方差最小值所对应的最优先修复的待修复块中的像素的灰度值。基于上述技术方案，本专利技术利用灰度共生矩阵描述纹理的统计特性，反映图像灰度关于方向本文档来自技高网...

【技术保护点】
1.一种基于周围变化的侧扫声呐图像纹理失真区域修复方法，其特征在于：所述修复方法包括以下步骤：/n步骤S1，自动搜索图像纹理失真区域，包括采用以下步骤S11或步骤S12实现侧扫声呐图像纹理失真区域的自动搜索；/n所述步骤S11，在侧扫声呐图像中先从上往下沿着海底线移动观察，然后在海底线周围从左往右移动观察，并根据观察到的海底线的异常变化搜索纹理失真区域；/n所述步骤S12，根据侧扫声呐图像的失真特征搜索纹理失真区域；以及/n步骤S2，修复侧扫声呐图像纹理失真区域，包括以下步骤：/n步骤S21，在所述步骤S1搜索到的所有纹理失真区域中，选择尺寸最大的纹理失真区域作为待修复区域，在侧扫声呐图像的所有纹理完整区域中选择位于所述待修复区域附近且与该待修复区域纹理最接近的纹理完整区域作为样本区域；/n步骤S22，根据侧扫声呐图像的分辨率以及图像纹理的复杂程度定义一修复模板的尺寸，利用该修复模板从上到下从左往右依次遍历待修复区域内的像素，包括：将待修复区域与样本区域进行模板匹配，并在样本区域内逐像素搜索，选择与待修复区域的位于修复模板内像素的方差最小的区域块，以该区域块直接替换待修复区域的相应位置；/n步骤S23，将待修复区域与样本区域的分界线划分为若干段边界l，并根据以下公式(1)计算得到若干个以边界l为中心的图像块的权值p：/np＝α·C(l)+β·D(l)+γ·H(l) (1)；/n式中，C(l)为置信度，D(l)为数据项，H(l)为以边界l为中心点的图像块的灰度信息熵，α、β、γ均为系数，且α+β+γ＝1；/n步骤S24，在所述步骤S23计算得到的所有图像块的权值p中选择权值最大的图像块作为最优先修复的待修复块，然后在样本区域中寻找与该最优先修复的待修复块像素方差最小的样本块；/n步骤S25，将所述步骤S24中寻找到的样本块中的像素通过弱相关匹配到最优先修复的待修复块内，以修复该最优先修复的待修复块；以及/n步骤S26，更新待修复区域的边界，然后再重复执行所述步骤S21到步骤S25，直至修复待修复区域。/n...

【技术特征摘要】
1.一种基于周围变化的侧扫声呐图像纹理失真区域修复方法，其特征在于：所述修复方法包括以下步骤：
步骤S1，自动搜索图像纹理失真区域，包括采用以下步骤S11或步骤S12实现侧扫声呐图像纹理失真区域的自动搜索；
所述步骤S11，在侧扫声呐图像中先从上往下沿着海底线移动观察，然后在海底线周围从左往右移动观察，并根据观察到的海底线的异常变化搜索纹理失真区域；
所述步骤S12，根据侧扫声呐图像的失真特征搜索纹理失真区域；以及
步骤S2，修复侧扫声呐图像纹理失真区域，包括以下步骤：
步骤S21，在所述步骤S1搜索到的所有纹理失真区域中，选择尺寸最大的纹理失真区域作为待修复区域，在侧扫声呐图像的所有纹理完整区域中选择位于所述待修复区域附近且与该待修复区域纹理最接近的纹理完整区域作为样本区域；
步骤S22，根据侧扫声呐图像的分辨率以及图像纹理的复杂程度定义一修复模板的尺寸，利用该修复模板从上到下从左往右依次遍历待修复区域内的像素，包括：将待修复区域与样本区域进行模板匹配，并在样本区域内逐像素搜索，选择与待修复区域的位于修复模板内像素的方差最小的区域块，以该区域块直接替换待修复区域的相应位置；
步骤S23，将待修复区域与样本区域的分界线划分为若干段边界l，并根据以下公式(1)计算得到若干个以边界l为中心的图像块的权值p：
p＝α·C(l)+β·D(l)+γ·H(l)(1)；
式中，C(l)为置信度，D(l)为数据项，H(l)为以边界l为中心点的图像块的灰度信息熵，α、β、γ均为系数，且α+β+γ＝1；
步骤S24，在所述步骤S23计算得到的所有图像块的权值p中选择权值最大的图像块作为最优先修复的待修复块，然后在样本区域中寻找与该最优先修复的待修复块像素方差最小的样本块；
步骤S25，将所述步骤S24中寻找到的样本块中的像素通过弱相关匹配到最优先修复的待修复块内，以修复该最优先修复的待修复块；以及
步骤S26，更新待修复区域的边界，然后再重复执行所述步骤S21到步骤S25，直至修复待修复区域。


2.根据权利要求1所述的基于周围变化的侧扫声呐图像纹理失真区域修复方法，其特征在于，所述步骤S11包括：
对侧扫声呐图像进行斜距改正以形成平距图像，假设该平距图像上最多允许连续n个像素重复，则将纹理失真区域定义为海底线周围距海底线距离为d0的图像范围，其中，d0满足以下公式(2)：



式中，h为声呐仪器在测量获得侧扫声呐图像时与海底的垂直距离。


3.根据权利要求1所述的基于周围变化的侧扫...

【专利技术属性】
技术研发人员：王国平，龚权华，夏显文，章剑果，栗海粟，杨三元，薛丹越，苏凯，陈奎良，董杰，
申请(专利权)人：中交三航上海新能源工程有限公司，中交第三航务工程局有限公司，
类型：发明
国别省市：上海;31