一种侧扫声呐影像的阴影判别方法技术

本发明专利技术涉及侧扫声呐的技术领域，具体是涉及一种侧扫声呐影像的阴影判别方法，使用了曲线分析与灰度峰值比相结合的方式进行筛选判读，其包括如下步骤：S1、读取侧扫声呐影像；S2、生成统计曲线；S3、灰度峰值点筛除；S4、选取灰度对比值；S5、定义阴影灰度峰值；S6、峰值比判断。本发明专利技术可以对侧扫声呐的侧扫影像是否有阴影进行判别，避免阴影部分影响进一步的影像分割过程。割过程。割过程。

【技术实现步骤摘要】
一种侧扫声呐影像的阴影判别方法


[0001]本专利技术涉及侧扫声呐的
，尤其是涉及一种侧扫声呐影像的阴影判别方法。

技术介绍

[0002]侧扫声呐图像在水下目标搜寻和障碍物探测等领域有着广泛的应用。尤其是由于近年来重要战略航道鱼雷、水雷等布设密度加大的原因，侧扫声呐图像分割与目标识别的需求也越来越旺盛。
[0003]申请公布号为CN110675410A的专利技术专利公开了一种基于选择性搜索算法的侧扫声呐沉船目标非监督探测方法，包括：对侧扫声呐条带瀑布图像进行预处理；根据侧扫声呐基本特征，基于先验知识将条带瀑布图像分为水柱区，目标区(阴影区)和纯海底背景区，并基于选择性搜索策略分割侧扫声呐瀑布图像为上述区域；定义若干相似性测度，计算各区域的相似性测度并取加权值作为最终测度值；输出沉船目标检测结果。
[0004]上述技术方案中涉及到了将图像分为水柱区、目标区（阴影区）和纯海底背景区，这样划分的目的是当侧扫声呐影像有阴影时，会对分割结果产生严重影响。因此有必要在影像分割前，对侧扫声呐影像是否含有阴影进行判别。但是目前并未专门针对侧扫声呐影像的阴影判别的算法，为提高批量判别效率，有必要研发侧扫声呐影像阴影自动判别算法。

技术实现思路

[0005]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种侧扫声呐影像的阴影判别方法。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：一种侧扫声呐影像的阴影判别方法，使用了曲线分析与灰度峰值比相结合的方式进行筛选判读，其包括如下步骤：S1、读取侧扫影像：读取侧扫声呐影像，然后进行灰度统计；S2、生成统计曲线：根据S1的灰度统计结果生成灰度统计曲线，并获得灰度曲线上的各个峰值点；S3、峰值点筛除：对S2得到的峰值点进行筛选，剔除干扰峰值点，保留有效峰值点E，所述有效峰值点E包括有效横坐标X和有效纵坐标Y，其中X代表灰度值，Y代表灰度统计数的峰值；S4、选取灰度对比值：从灰度值区间[35,75]中选取灰度对比值M；S5、定义阴影灰度峰值：通过S4中的灰度对比值M与所有有效峰值E的有效横坐标X进行对比，存在以下几种情况：若所有有效横坐标X≥灰度对比值M，则判别侧扫影像无阴影；若一部分有效横坐标X≥灰度对比值M，其余有效横坐标X＜灰度对比值M，则剔除前一部分有效横坐标X，选取后一部分有效横坐标X中的最大值，将此有效横坐标X对应的有
效纵坐标Y定义为P1，选取统计曲线中所有峰值最大的有效纵坐标Y定义为P2；S6、峰值比判断：将S4得到的峰值数值进行占比分析，所述占比分析依据的数学公式为：R= P1
÷
P2其中，R为阴影灰度峰值占比数，P1为S4中灰度小于灰度对比值M的最大峰值，P2为S4中得到的统计曲线中的最大峰值；判断R的数值大小，存在以下几种情况：若R＞0.1，则判别侧扫影像有阴影；若R≦0.1，则判别侧扫影像无阴影。
[0007]优选的，所述S2中，获得灰度峰值点采用信号处理法。
[0008]优选的，所述S3中，对灰度曲线上的各个峰值点的筛除采用显著性分析法，所述显著性分析法是读取每个峰值点的数据信息，所述数据信息包括横向坐标x
i
和纵向坐标y
i
，所述显著性分析法包括如下步骤：S3.1、确定每个峰值点的左穿越区域以及左区低点；S3.2、确定每个峰值点的右穿越区域以及右区低点；S3.3、计算每个峰值点的显著值H；S3.4、选取显著性对比值C；S3.5、平峰剔除：将显著值H与显著性对比值C进行对比，存在以下几种情况：若H≥C，则将该显著值H对应的峰值点保留；若H＜C，则将该显著值H对应的峰值点剔除。
[0009]优选的，所述显著性对比值C取值为40。
[0010]本专利技术的有益效果为：1.解决了现有技术无法判别侧扫影像中的阴影的难题，可以对侧扫声呐的影像进行阴影的有无判断，从而方便进行进一步的分割，避免因为阴影而导致影像分割失败。
[0011]2.判别过程中通过显著性分析将无效的峰值点进行了剔除，避免了无用数据的干扰，进一步提高了容错率。
[0012]3.判别过程所需计算少，可以快速批量进行侧扫图像的判别。
附图说明
[0013]图1为本专利技术提出的侧扫声呐影像的阴影判别方法的整体步骤图；图2为S3中显著性分析的整体步骤图；图3为显著性分析的曲线图例；图4为S5和S6的逻辑图；图5为实施例一中的第一幅侧扫影像；图6为第一幅侧扫影像的灰度统计曲线；图7为第一幅侧扫影像的灰度统计曲线经过显著性分析后的统计曲线；图8为实施例二中的第二幅侧扫影像；图9为第二幅侧扫影像的灰度统计曲线；图10为第二幅侧扫影像的灰度统计曲线经过显著性分析后的统计曲线；
图11为实施例三中的第三幅侧扫影像；图12为第三幅侧扫影像的灰度统计曲线；图13为第三幅侧扫影像的灰度统计曲线经过显著性分析后的统计曲线。
具体实施方式
[0014]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0015]实施例一本专利技术公开了一种侧扫声呐影像的阴影判别方法，这种方法基于曲线分析和灰度峰值比相结合。通过对侧扫影像进行分析得出灰度
‑
峰值统计曲线，然后进行综合分析，便可以判读出影像中是否存在阴影部分。
[0016]参照图1，本方法的整体步骤图，其包括如下的步骤：S1、读取侧扫影像：读取侧扫声呐生成的影像，从而开始进行后续的灰度统计；S2、生成统计曲线：根据S1的灰度统计结果生成灰度统计曲线，并获得灰度曲线上的各个峰值点。对于获得峰值点采用的是信号处理法，信号处理法是获取峰值点的有效方法，可以快速得到所有的峰值点，信号处理法为现有技术，再次不多赘述。生成出来的统计曲线，其X轴为灰度值，Y轴为灰度统计数峰值，这个峰值是当前灰度下像素点的个数；S3、峰值点筛除：对S2得到的灰度峰值点进行筛选，剔除干扰峰值点，保留有效峰值点E，每一个有效峰值点E都包括有效横坐标X和有效纵坐标Y；参照图2，需要注意的是，对于峰值点的筛除采用了显著性分析法，所谓显著性分析就是检验每个峰值点是否真正的代表了一个突出的峰值，而不是起伏不大，构成了一个平峰。显著性分析法具体包括以下几个步骤：S3.1、确定每个峰值点的左穿越区域以及左区低点。所谓左穿越区域就是该峰值点向左延伸出一条水平线，直到与统计曲线产生交点或者超出统计曲线。参照图3，图中存在两个峰值点，分别为m点和n点，m点向左延伸出水平线，不产生任何交点，此时m点的左区低点就是m点左侧曲线上的数值最小点，也就是图中的a点。n点向左延伸出水平线，会与曲线产生交点d，此时n点的左区低点就是从n点到d点之间曲线上的数值最小点，也就是图中的b点。
[0017]S3.2、确定每个峰值点的右穿越区域以及右区低点。右穿越点和右区低点的定义可以类比左穿越区域和左区低点，不再次叙述。m点的右区低点为b点，n点的右区低点为c点。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种侧扫声呐影像的阴影判别方法，其特征在于：使用了曲线分析与灰度峰值比相结合的方式进行筛选判读，其包括如下步骤：S1、读取侧扫影像：读取侧扫声呐影像，然后进行灰度统计；S2、生成统计曲线：根据S1的灰度统计结果生成灰度统计曲线，并获得灰度曲线上的各个峰值点；S3、峰值点筛除：对S2得到的峰值点进行筛选，剔除干扰峰值点，保留有效峰值点E，所述有效峰值点E包括有效横坐标X和有效纵坐标Y，其中X代表灰度值，Y代表灰度统计数的峰值；S4、选取灰度对比值：从灰度值区间[35,75]中选取灰度对比值M；S5、定义阴影灰度峰值：通过S4中的灰度对比值M与所有有效峰值E的有效横坐标X进行对比，存在以下几种情况：若所有有效横坐标X≥灰度对比值M，则判别侧扫影像无阴影；若一部分有效横坐标X≥灰度对比值M，其余有效横坐标X＜灰度对比值M，则剔除前一部分有效横坐标X，选取后一部分有效横坐标X中的最大值，将此有效横坐标X对应的有效纵坐标Y定义为P1，选取统计曲线中所有峰值最大的有效纵坐标Y定义为P2；S6、峰值比判断：将S4得到的峰值数值进行占比分析，所述占比分析依据的数学公式为：R= P1
÷
P2其中，R为阴影灰度峰值占比数，P...

【专利技术属性】
技术研发人员：刘大川，马龙，严晋，王文广，王雪，王晓丹，马治忠，杨德鹏，
申请(专利权)人：上海塔拉海洋技术有限公司，
类型：发明
国别省市：