一种基于高精度异源共视图像的侧扫声呐位置矫正方法技术

本发明专利技术公开了一种基于高精度异源共视图像的侧扫声呐位置矫正方法，包括：步骤S1，获取异源共视图像与侧扫声呐图像的精匹配特征点对；步骤S2，获取异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的精匹配特征点对；步骤S3，构建异源共视图像与侧扫声呐图像的刚性变换模型，并利用最小二乘法求解得到该刚性变换模型的旋转参数和平移参数；以及步骤S4，利用所述刚性变换模型的旋转参数和平移参数依次对侧扫声呐图像的每个像素进行旋转和平移变换，以实现对侧扫声呐图像位置的整体矫正。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。题。题。

【技术实现步骤摘要】
一种基于高精度异源共视图像的侧扫声呐位置矫正方法


[0001]本专利技术涉及一种基于高精度异源共视图像的侧扫声呐位置矫正方法。

技术介绍

[0002]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。
[0003]为避免测量船自身及行驶过程中产生的气泡干扰，侧扫声呐系统常采用拖曳作业模式，换能器是侧扫声呐系统测量的基准，其位置可借助超短基线定位系统来提供，但由于超短基线定位系统费用昂贵，许多测量者并未配备，而是根据测量船的船速、方位和位置以及拖缆的水平长度等推算换能器的位置，导致侧扫声呐成像的位置精度偏低，尤其在船速不稳、测量船转弯等情况下，换能器的推算位置严重降低，导致图像被拉伸或压缩，目标存在严重畸变，影响侧扫声呐图像对海底地貌特征的反映。目前，对此问题尚无很好的解决方案。

技术实现思路

[0004]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高精度异源共视图像的侧扫声呐位置矫正方法，以获取高质量海底地貌图像，并有效解决海上风电场建设和后续安全运行监测难题。
[0005]本专利技术所述的一种基于高精度异源共视图像的侧扫声呐位置矫正方法，包括以下步骤：
[0006]步骤S1，获取异源共视图像与侧扫声呐图像的精匹配特征点对；
[0007]步骤S2，采用k
‑
means++非监督分类方法分别对异源共视图像与侧扫声呐图像进行海底底质分类，并获取异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的精匹配特征点对；
[0008]步骤S3，基于所述异源共视图像与侧扫声呐图像的精匹配特征点对以及所述异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的精匹配特征点对，构建异源共视图像与侧扫声呐图像的刚性变换模型，并利用最小二乘法求解得到该刚性变换模型的旋转参数和平移参数；以及
[0009]步骤S4，利用所述刚性变换模型的旋转参数和平移参数依次对侧扫声呐图像的每个像素进行旋转和平移变换，以实现对侧扫声呐图像位置的整体矫正。
[0010]在上述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法中，所述步骤S1包括以下步骤：
[0011]步骤S11，基于SURF算法获取异源共视图像与侧扫声呐图像的粗匹配特征点对；以及
[0012]步骤S12，采用RANSAC算法剔除所述异源共视图像与侧扫声呐图像的粗匹配特征点对中误匹配的特征点对，以获得所述异源共视图像与侧扫声呐图像的精匹配特征点对。
[0013]在上述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法中，所述步骤S11包括以下步骤：
[0014]步骤S111，分别提取异源共视图像和侧扫声呐图像的特征点，并根据以下公式(1)分别计算异源共视图像的各个特征点与侧扫声呐图像的所有特征点之间的欧式距离d：
[0015][0016]式中，P1为异源共视图像中n维的特征向量，P2为侧扫声呐图像中n维的特征向量；以及
[0017]步骤S112，将异源共视图像的各个特征点以及与其欧式距离d最小的侧扫声呐图像中的特征点定义为异源共视图像与侧扫声呐图像的粗匹配特征点对。
[0018]在上述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法中，所述步骤S12包括以下步骤：
[0019]步骤S121，在所述异源共视图像与侧扫声呐图像的粗匹配特征点对中随机抽选4组匹配点对；
[0020]步骤S122，根据所述步骤S121中抽选的4组匹配点对计算获得变换矩阵M；
[0021][0022]式中，(x,y)为侧扫声呐图像中特征点的位置，(x
’
,y
’
)为异源共视图像中与侧扫声呐图像中特征点匹配的特征点的位置，s为尺度参数；
[0023]步骤S123，根据以下公式(3)依次计算异源共视图像与侧扫声呐图像的所有粗匹配特征点对与变换矩阵M的投影误差L：
[0024][0025]式中，(x
i
,y
i
)为侧扫声呐图像中第i个特征点的位置，(x
′
i
,y
′
i
)为异源共视图像中第i个特征点的位置；
[0026]若投影误差L小于预设阈值，则将对应的异源共视图像与侧扫声呐图像的粗匹配特征点对加入内点集I，并记录加入内点集I中的匹配点对的个数；
[0027]步骤S124，若当前内点集I中的匹配点对的个数大于最优内点集I
best
中的元素个数，则更新最优内点集I
best
＝I，同时判断迭代次数是否大于指定值，若是，则迭代结束，剔除内点集I外的所有粗匹配特征点对，并将内点集I内的粗匹配特征点对定义为异源共视图像与侧扫声呐图像的精匹配特征点对，否则，将迭代次数加1，并返回执行所述步骤S121。
[0028]在上述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法中，所述步骤S2
包括以下步骤：
[0029]步骤S21，采用k
‑
means++非监督分类方法初始化k个聚类中心，并随机生成k个聚类中心的位置u
k
；
[0030]步骤S22，计算侧扫声呐图像和异源共视图像中每个像素位置到各个聚类中心的欧式距离，并将各个像素划分到距离其最近的聚类中心所在的一类中；
[0031]步骤S23，根据以下公式(4)更新获得k个聚类中心的位置u
’
k
：
[0032][0033]式中，x
ki
为第k个聚类中心所在为一类中第i个像素的位置；
[0034]步骤S24，重复执行所述步骤S22至步骤S23，直至所有类的分布不再变化或者达到预设的最大迭代次数，则执行步骤S25；
[0035]所述步骤S25，基于SURF算法获取异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的粗匹配特征点对；以及
[0036]步骤S26，采用RANSAC算法剔除异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的粗匹配特征点对中误匹配的特征点对，以获得异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的精匹配特征点对。
[0037]在上述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法中，所述步骤S3包括：
[0038]根据以下公式(5)构建异源共视图像与侧扫声呐图像的刚性变换模型：
[0039][0040]式中，a、b为旋转参数，c、d为平移参数，(X1,Y1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高精度异源共视图像的侧扫声呐图像位置矫正方法，其特征在于：所述矫正方法包括以下步骤：步骤S1，获取异源共视图像与侧扫声呐图像的精匹配特征点对；步骤S2，采用k
‑
means++非监督分类方法分别对异源共视图像与侧扫声呐图像进行海底底质分类，并获取异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的精匹配特征点对；步骤S3，基于所述异源共视图像与侧扫声呐图像的精匹配特征点对以及所述异源共视图像的底质分类结果与侧扫声呐图像的底质分类结果的精匹配特征点对，构建异源共视图像与侧扫声呐图像的刚性变换模型，并利用最小二乘法求解得到该刚性变换模型的旋转参数和平移参数；以及步骤S4，利用所述刚性变换模型的旋转参数和平移参数依次对侧扫声呐图像的每个像素进行旋转和平移变换，以实现对侧扫声呐图像位置的整体矫正。2.根据权利要求1所述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法，其特征在于，所述步骤S1包括以下步骤：步骤S11，基于SURF算法获取异源共视图像与侧扫声呐图像的粗匹配特征点对；以及步骤S12，采用RANSAC算法剔除所述异源共视图像与侧扫声呐图像的粗匹配特征点对中误匹配的特征点对，以获得所述异源共视图像与侧扫声呐图像的精匹配特征点对。3.根据权利要求2所述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法，其特征在于，所述步骤S11包括以下步骤：步骤S111，分别提取异源共视图像和侧扫声呐图像的特征点，并根据以下公式(1)分别计算异源共视图像的各个特征点与侧扫声呐图像的所有特征点之间的欧式距离d：式中，P1为异源共视图像中n维的特征向量，P2为侧扫声呐图像中n维的特征向量；以及步骤S112，将异源共视图像的各个特征点以及与其欧式距离d最小的侧扫声呐图像中的特征点定义为异源共视图像与侧扫声呐图像的粗匹配特征点对。4.根据权利要求2所述的基于高精度异源共视图像的侧扫声呐图像位置矫正方法，其特征在于，所述步骤S12包括以下步骤：步骤S121，在所述异源共视图像与侧扫声呐图像的粗匹配特征点对中随机抽选4组匹配点对；步骤S122，根据所述步骤S121中抽选的4组匹配点对计算获得变换矩阵M；式中，(x,y)为侧扫声呐图像中特征点的位置，(x
’
,y
’
)为异源共视图像中与侧扫声呐图像中特征点匹配的特征点的位置，s为尺度参数；步骤S123，根据以下公式(3)依次计算异源共视图像与侧扫声呐图像的所有粗匹配特征点对与变换矩阵M的投影误差L：
式中，(x
i
,y
i
)为侧扫声呐图像中第i个特征点的位置，(x
′
i
,y
′
i
)为异源共视图像中第i个特征点的位置；若投影误差L小于预设阈值，则将对应的异源共视图像与侧扫声呐图像的粗匹配特征点对加入内点集I，并记录加入内点集I中的匹配点对的个数；步骤S124，若当前内点集I中的匹配点对的个数大于最优内点...

【专利技术属性】
技术研发人员：夏显文，龚权华，董杰，苏凯，刘璐，章剑果，栗海粟，陈奎良，高丹丹，
申请(专利权)人：中交三航上海新能源工程有限公司，
类型：发明
国别省市：