一种前视声呐图像目标分割方法、系统和电子设备技术方案

本发明专利技术提出一种前视声呐图像目标分割方法、系统和电子设备，所述方法包括：步骤一：对于采集得到的前视声呐目标图像，利用数学形态学重建方法进行预处理；步骤二：使用添加距离约束项的水平集算法对预处理后的图像进行分割，得到最终目标边界分割结果；该方法以传统的C

【技术实现步骤摘要】
一种前视声呐图像目标分割方法、系统和电子设备


[0001]本专利技术属于图像处理
，特别是涉及一种前视声呐图像目标分割方法、系统和电子设备。

技术介绍

[0002]水下小目标边界分割算法是近年来水下图像处理过程的热点问题，也是目标检测过程中的重要步骤。该部分的分割精度直接影响到后续目标识别相关步骤的准确度，直接关系到对水下目标种类的判别。前视声呐常用于对水下目标的检测与识别，因此，保证前视声呐图像中目标边界分割的准确率至关重要。
[0003]由于前视声呐采集的图像具有信噪比低、亮度不均衡、目标边界模糊等缺点，这导致传统的水平集分割方法对前视声呐图像的处理效果往往达不到预期效果。
[0004]因此，亟需对水平集算法进行优化，以保证对前视声呐图像分割效果的高精度。

技术实现思路

[0005]本专利技术目的是为了解决现有技术中的问题，实现对前视声呐图像中目标边界的高精度分割，提出了一种前视声呐图像目标分割方法、系统和电子设备。
[0006]本专利技术根据以下方案实现，本专利技术提出一种前视声呐图像目标分割方法，所述方法包括：
[0007]步骤一：对于采集得到的前视声呐目标图像，利用数学形态学重建方法进行预处理；
[0008]步骤二：使用添加距离约束项的水平集算法对预处理后的图像进行分割，得到最终目标边界分割结果；
[0009]在分割过程中，将目标的轮廓变化曲线作为零水平集隐含在水平集函数中，即将目标轮廓投影到三维曲面的零水平集，将要研究的问题转化为最小化能量泛函的问题，通过水平集算法迭代得到目标的边界，其公式形式为：
[0010][0011]式中ε
CV
为能量泛函，Ω为声呐图像域，H(x)为Heaviside函数，为水平集函数，c1和c2分别为演化曲线的内外区域均值，图像内各点位置用I(x,y)表示，μ、λ1、λ2为常数，α为权重系数，
▽
H为梯度，该能量泛函的第一项为长度约束项，该项的作用是优化演化曲线，使得演化曲线的弧长最小；第二项和第三项的作用是对演化曲线进行引导，使其逐渐趋近于目标轮廓；第四项为距离约束项，其作用为使得在演化过程中水平集函数始终保持着Heaviside函数的特性；水平集函数具有：当点(x,y)在演化曲线C内部时，水平集函数当点(x,y)在演化曲线C外部时，水平集函数当点(x,y)在演化曲线
上时，水平集函数即水平集函数为符号距离函数。
[0012]进一步地，在步骤二中，
[0013]依据拉格朗日定理求解水平集函数得到下式的形式：
[0014][0015]其中，t为时间，为依据拉格朗日定理求解得到的水平集函数，Δ为旋度，为狄克拉函数，u0＝I(x,y)表示图像内各点位置；
[0016]对上式进行离散化即使用差分代替微分可得：
[0017][0018]式中，代表第n次迭代过程中零水平集曲线所包含面积，Δt为时间步长，n为迭代次数，为对应水平集函数的离散形式；
[0019]以第n+1、n、n
‑
1次迭代的零水平集曲线所包含的面积为判断因子，只有当次迭代的零水平集包含面积分别与前两次面积的差值分别小于不同阈值且前两次面积差也小于某一阈值时，认为迭代结束；
[0020]即
[0021]其中，θ1，θ2，θ3均为阈值；
[0022]水平集算法迭代结束后得到目标的外边界轮廓。
[0023]进一步地，在获得目标的外边界轮廓后，调整水平集算法中的面积加权项，对目标的内边界应用水平集算法进行分割处理，经过二次水平集算法分割处理后，得到目标轮廓。
[0024]进一步地，所述形态学重建的预处理方法包括开运算重建和闭运算重建，其中，开运算重建是先对图像进行腐蚀重建，再进行膨胀重建；闭运算重建是先对图像进行膨胀重建，再进行腐蚀重建。
[0025]进一步地，腐蚀重建和膨胀重建分别是测地腐蚀和测地膨胀在经过一定次数的迭代得到的，是测地腐蚀和测地膨胀趋于稳定的结果。
[0026]进一步地，所述测地膨胀是将图像A的膨胀结果和图像B做“或”运算；所述腐蚀重建是将图像A的腐蚀结果和图像B做“与”运算。
[0027]本专利技术提出一种前视声呐图像目标分割系统，所述系统包括：
[0028]预处理模块：用于对于采集得到的前视声呐目标图像，利用数学形态学重建方法进行预处理；
[0029]图像分割模块：用于使用添加距离约束项的水平集算法对预处理后的图像进行分割，得到最终目标边界分割结果；
[0030]在分割过程中，将目标的轮廓变化曲线作为零水平集隐含在水平集函数中，即将目标轮廓投影到三维曲面的零水平集，将要研究的问题转化为最小化能量泛函的问题，通过水平集算法迭代得到目标的边界，其公式形式为：
[0031][0032]式中ε
CV
为能量泛函，Ω为声呐图像域，H(x)为Heaviside函数，为水平集函数，c1和c2分别为演化曲线的内外区域均值，图像内各点位置用I(x,y)表示，μ、λ1、λ2为常数，α为权重系数，
▽
H为梯度，该能量泛函的第一项为长度约束项，该项的作用是优化演化曲线，使得演化曲线的弧长最小；第二项和第三项的作用是对演化曲线进行引导，使其逐渐趋近于目标轮廓；第四项为距离约束项，其作用为使得在演化过程中水平集函数始终保持着Heaviside函数的特性；水平集函数具有：当点(x,y)在演化曲线C内部时，水平集函数当点(x,y)在演化曲线C外部时，水平集函数当点(x,y)在演化曲线上时，水平集函数即水平集函数为符号距离函数。
[0033]本专利技术还提出一种电子设备，所述电子设备包括：
[0034]至少一个处理器；以及，
[0035]与所述至少一个处理器通信连接的存储器；其中，
[0036]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的前视声呐图像目标分割方法。
[0037]本专利技术提出的前视声呐图像目标边界分割方法是基于传统的水平集分割方法实现的，与传统方法相比，本专利技术所述方法添加了一个分割预处理步骤，避免其陷入过分割或者误分割的情况，保证边界分割的精确度，同时解决了水平集算法对初始轮廓敏感的问题，减弱了初始轮廓对最终分割结果的影响。增强了该算法的适用性。同时，对不同目标进行分割时，无需调整初始分割位置。本专利技术所述方法更加适用于处理前视声呐水下采集到的图像。
附图说明
[0038]图1为本专利技术所述前视声呐图像目标分割方法的流程图；
[0039]图2为前视声呐采集图像之一示意图；
[0040]图3为前视声呐采集图像之二示意图；
[0041]图4为使用本专利技术所述方法处理图像的前后对比图之一；
[0042]图5为使用本专利技术所述方法处理图像的前后对比图之二。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前视声呐图像目标分割方法，其特征在于：所述方法包括：步骤一：对于采集得到的前视声呐目标图像，利用数学形态学重建方法进行预处理；步骤二：使用添加距离约束项的水平集算法对预处理后的图像进行分割，得到最终目标边界分割结果；在分割过程中，将目标的轮廓变化曲线作为零水平集隐含在水平集函数中，即将目标轮廓投影到三维曲面的零水平集，将要研究的问题转化为最小化能量泛函的问题，通过水平集算法迭代得到目标的边界，其公式形式为：式中ε
CV
为能量泛函，Ω为声呐图像域，H(x)为Heaviside函数，为水平集函数，c1和c2分别为演化曲线的内外区域均值，图像内各点位置用I(x,y)表示，μ、λ1、λ2为常数，α为权重系数，H为梯度，该能量泛函的第一项为长度约束项，该项的作用是优化演化曲线，使得演化曲线的弧长最小；第二项和第三项的作用是对演化曲线进行引导，使其逐渐趋近于目标轮廓；第四项为距离约束项，其作用为使得在演化过程中水平集函数始终保持着Heaviside函数的特性；水平集函数具有：当点(x,y)在演化曲线C内部时，水平集函数当点(x,y)在演化曲线C外部时，水平集函数当点(x,y)在演化曲线上时，水平集函数即水平集函数为符号距离函数。2.根据权利要求1所述的方法，其特征在于：在步骤二中，依据拉格朗日定理求解水平集函数得到下式的形式：其中，t为时间，为依据拉格朗日定理求解得到的水平集函数，Δ为旋度，为狄克拉函数，u0＝I(x,y)表示图像内各点位置；对上式进行离散化即使用差分代替微分可得：式中，代表第n次迭代过程中零水平集曲线所包含面积，Δt为时间步长，n为迭代次数，为对应水平集函数的离散形式；以第n+1、n、n
‑
1次迭代的零水平集曲线所包含的面积为判断因子，只有当次迭代的零水平集包含面积分别与前两次面积的差值分别小于不同阈值且前两次面积差也小于某一阈值时，认为迭代结束；即其中，θ1，θ2，θ3均为阈值；水平集算法迭代结束后得到目标的外边界轮廓。3.根据权利要求2所述的方法，其特征在于：在获得目标的外边界轮廓后，调整水平集算法中的面积加权项，对目标的内边界应用水平集算法进行分割处理，经过二次水平集算
法分割处理后，得到目标轮...

【专利技术属性】
技术研发人员：周天，张博鸣，于晓阳，徐超，陈宝伟，杜伟东，李海森，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：