基于统计的声纳图像水下物体检测方法和系统技术方案

本发明专利技术涉及海洋探测及测绘技术领域，公开一种基于统计的声纳图像水下物体检测方法和系统，包括：采集声纳检测图像，提取声纳检测图像中的高光区域；在高光区域周围的感兴趣区域中提取阴影区域，分别对高光区域和阴影区域进行分布参数估计，对分布参数估计的结果进行加权计算，根据加权计算结果得到水下物体检测结果。本发明专利技术实现对声纳图像中海床土体在空间上的非均匀性的检测分析、且检测精度高。且检测精度高。且检测精度高。

【技术实现步骤摘要】
基于统计的声纳图像水下物体检测方法和系统


[0001]本专利技术涉及海洋探测及测绘
，尤其是指一种基于统计的声纳图像水下物体检测方法和系统。

技术介绍

[0002]声呐作为一种导航和测距设备，被广泛应用在水下目标探测等领域。在实际应用中，使用声纳检测水下物体得到的图像非常复杂。例如在检测和分析沉船等物体时，测量船的移动会增加图像的复杂度和错误率，这会增加水下测量的成本；因此，使用计算机进行辅助探测的需求越来越多。
[0003]检测水下物体的常见场景为：使用自主式水下航行器(AUV)对目标区域进行勘测，并通过机器学习技术自主检测物体。但是，AUV勘测到的声纳图像中的目标检测往往很复杂，一方面是因声纳图像的动态背景导致的，另一方面是因水温不均匀使得作为AUV位置函数的物体外观形状发生变化导致的。同时，在复杂的目标声纳检测图像的情况下，通常还没有用于搜索对象的模板、以及此类对象的位置和形状也不确定，因此，单纯使用机器学习技术无法实现对水下物体的有效检测。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中的不足，提供一种基于统计的声纳图像水下物体检测方法和系统，可以实现对声纳图像中海床土体在空间上的非均匀性的检测分析、且检测精度高。
[0005]为解决上述技术问题，本专利技术提供了一种基于统计的声纳图像水下物体检测方法，包括：
[0006]S1：采集声纳检测图像，提取所述声纳检测图像中的高光区域；
[0007]S2：在所述高光区域周围的感兴趣区域中提取阴影区域；
[0008]S3：分别对所述高光区域和所述阴影区域进行分布参数估计，对分布参数估计的结果进行似然比检验和加权计算，根据加权计算结果得到水下物体检测结果。
[0009]在本专利技术的一个实施例中，所述声纳检测图像通过合成孔径声纳采集得到。
[0010]在本专利技术的一个实施例中，提取所述声纳检测图像中的高光区域，具体为：
[0011]对所述声纳检测图像去噪，使用四阶矩阵映射从去噪后的声纳检测图像中提取地图，对提取到的地图进行分割，对分割后的地图进行高亮过滤得到高光区域。
[0012]在本专利技术的一个实施例中，所述使用四阶矩阵映射从去噪后的声纳检测图像中提取地图，具体为：
[0013]使用预设的四阶矩阵的无偏估计代替去噪后的声纳检测图像中每个像素的值，将得到四阶矩阵图作为提取的地图。
[0014]在本专利技术的一个实施例中，所述对提取到的地图进行分割，具体为使用四区域分割法对提取到的地图进行分割。
[0015]在本专利技术的一个实施例中，所述高亮过滤时使用的方法为基于非局部均值的散斑滤波。
[0016]在本专利技术的一个实施例中，所述高光区域周围的感兴趣区域，具体为：
[0017]获取每个高光区域的中心位置，围绕每个所述高光区域的中心位置得到所述高光区域周围的感兴趣区域。
[0018]在本专利技术的一个实施例中，在所述高光区域周围的感兴趣区域中提取阴影区域，具体为：
[0019]将使用四区域分割法得到的分割后的地图中的所有区域的周围的感兴趣区域作为训练集，使用所述训练集训练支持向量机模型；
[0020]将所述高光区域周围的感兴趣区域作为测试集输入训练完成的支持向量机模型中进行分类得到阴影区域。
[0021]在本专利技术的一个实施例中，所述对分布参数估计的结果进行似然比检验和加权计算，根据加权计算结果得到水下物体检测结果，具体为：
[0022]对所述高光区域的分布参数估计结果和所述阴影区域的分布参数估计结果进行似然合成并进行似然比检验，对所述高光区域和所述阴影区域经过似然比检验后的结果进行加权计算；
[0023]若加权计算结果大于预设阈值则将似然比检验结果作为水下物体检测结果。
[0024]本专利技术还提供了一种基于统计的声纳图像水下物体检测系统，包括数据采集模块、高光区域提取模块、阴影区域提取模块和水下物体检测模块，
[0025]所述数据采集模块采集声纳检测图像，
[0026]所述高光区域提取模块提取所述声纳检测图像中的高光区域，
[0027]所述阴影区域提取模块在所述高光区域周围的感兴趣区域中提取阴影区域，
[0028]所述水下物体检测模块分别对所述高光区域和所述阴影区域进行分布参数估计，对分布参数估计的结果进行似然比检验和加权计算，根据加权计算结果得到水下物体检测结果。
[0029]本专利技术的上述技术方案相比现有技术具有以下优点：
[0030]本专利技术通过预设参数避免了对用户定义的参数或训练数据的依赖程度，通过在高光区域和阴影区域的基础上进行似然比检验，充分考虑了自主式水下航行器距海床的高度、声纳系统与被检测物体之间的距离、预期物体高度的上限以及通过阻尼因子对声纳图像中潜在物体的预期空间分布，从而将检测方案调整为已探索的海洋环境，实现了对声纳图像中海床土体在空间上的非均匀性的检测分析，并且检测精度高。
附图说明
[0031]为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步详细的说明，其中：
[0032]图1是本专利技术的流程图，
[0033]图2是本专利技术的结构图。
具体实施方式
[0034]下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。
[0035]参照图1和图2所示，本专利技术公开了一种基于统计的声纳图像水下物体检测方法，包括以下步骤：
[0036]S1：使用合成孔径声纳(Synthetic Aperture Sonar,SAS)采集声纳检测图像，提取所述声纳检测图像中的高光区域。
[0037]将声纳检测图像中的亮点特征为强反射均匀的区域作为高光区域。本专利技术中的高光检测使用低复杂度的分割从背景中分离高光，然后对声纳检测图像进行高阶统计变换，主要由四个阶段组成：
[0038]S1
‑
1：对所述声纳检测图像去噪。
[0039]S1
‑
2：使用四阶矩阵映射从去噪后的声纳检测图像中提取地图，具体为：
[0040]使用预设的四阶矩阵的无偏估计代替去噪后的声纳检测图像中每个像素的值，将得到四阶矩阵图作为提取的地图；
[0041]S1
‑
3：对提取到的地图进行分割，具体为使用四区域分割法对提取到的地图进行分割，分割依据高亮、背景和阴影三个明显特征标签，四区域分割的结果也被插入到阴影检测的过程中，作为阴影检测的初始解。
[0042]S1
‑
4：使用基于非局部均值的散斑滤波对分割后的地图进行高亮过滤得到高光区域。由于高光区域的强度不均匀，因此选择基于非局部均值的散斑滤波可以保留准确的图像边缘，同时减少图像的非均匀性。
[0043]S2：在所述高光区域周围的感兴趣区域中提取阴影区域。
...

【技术保护点】

【技术特征摘要】
1.一种基于统计的声纳图像水下物体检测方法，其特征在于，包括：S1：采集声纳检测图像，提取所述声纳检测图像中的高光区域；S2：在所述高光区域周围的感兴趣区域中提取阴影区域；S3：分别对所述高光区域和所述阴影区域进行分布参数估计，对分布参数估计的结果进行似然比检验和加权计算，根据加权计算结果得到水下物体检测结果。2.根据权利要求1所述的基于统计的声纳图像水下物体检测方法，其特征在于：所述声纳检测图像通过合成孔径声纳采集得到。3.根据权利要求1所述的基于统计的声纳图像水下物体检测方法，其特征在于：提取所述声纳检测图像中的高光区域，具体为：对所述声纳检测图像去噪，使用四阶矩阵映射从去噪后的声纳检测图像中提取地图，对提取到的地图进行分割，对分割后的地图进行高亮过滤得到高光区域。4.根据权利要求3所述的基于统计的声纳图像水下物体检测方法，其特征在于：所述使用四阶矩阵映射从去噪后的声纳检测图像中提取地图，具体为：使用预设的四阶矩阵的无偏估计代替去噪后的声纳检测图像中每个像素的值，将得到四阶矩阵图作为提取的地图。5.根据权利要求3所述的基于统计的声纳图像水下物体检测方法，其特征在于：所述对提取到的地图进行分割，具体为使用四区域分割法对提取到的地图进行分割。6.根据权利要求3所述的基于统计的声纳图像水下物体检测方法，其特征在于：所述高亮过滤时使用的方法为基于非局部均值的散斑滤波。7.根据权利要求1所述的基于统计的声纳图像水下物体检测方法，其特征在于：所述高光区域周围的感兴趣区域，具体为：获取每个高光...

【专利技术属性】
技术研发人员：袁亚飞，刘春敏，
申请(专利权)人：苏州艾秒科技有限公司，
类型：发明
国别省市：