【技术实现步骤摘要】
本专利技术涉及侧扫声呐图像增强，具体为一种基于边界约束的声呐图像统计增强算法。
技术介绍
1、侧扫声呐是利用回声测深原理探测海底地貌和水下物体的设备。又称旁侧声呐或海底地貌仪。其换能器阵装在船壳内或拖曳体中，走航时向两侧下方发射扇形波束的声脉冲，侧扫声呐图像在水下地质地貌勘测、目标搜寻、障碍物探测和三维模型反演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。高质量的侧扫声呐图像对水下鱼雷探测、敌方水下侦查设备识别等国防活动具有非常重要的意义。
2、目前，侧扫声呐图像分割区域都是从整体图像中截取出来的部分图像，导致图像分别率极低，对图像分割与目标识别造成了一定的困难。从侧扫声呐图像直接截取的图像，声呐图像的像素范围较为集中，图像分辨率差，截取的图像即使经过增益改正，但是效果仍然不理想，图像分辨率仍然较差。
3、本专利技术提出一种基于边界约束的声呐图像统计增强算法，该声呐图像统计增强算法系统基于边界约束，利用边缘检测算法提取声呐图像的边界信息，通过分析边界信息，确定目标区域并计算其统计特征，利用得到的统计特征对图像进行增强处理，将增强后的图像与原始图像进行融合，得到最终的增强图像。能够有效提升声呐图像的对比度和清晰度，提高目标检测和识别的准确性。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于边界约束的声呐图像统计增强算法，具备提高声呐图像清晰度和提高目标识别准确性等
2、为实现上述目的，本专利技术提供如下技术方案：一种基于边界约束的声呐图像统计增强算法，包括如下步骤：
3、步骤一、利用边缘检测算法提取声呐图像的边界信息；
4、步骤二、通过分析边界信息，确定目标区域并计算其统计特征；
5、步骤三、利用得到的统计特征对图像进行增强处理，采用自适应滤波法，对目标区域和背景区域进行不同程度的滤波；
6、步骤四、将增强后的图像与原始图像进行融合，得到最终的增强图像。
7、进一步，所述步骤一中边缘检测算法采用canny算子为核心，且canny算子用于滤波、增强和检测的多阶段边缘检测。
8、进一步，所述canny算子的具体步骤如下：
9、1）高斯滤波
10、首先需要过滤点图像可能存在的噪声，根据高斯公式生成一个滤波算子，然后将待处理的声呐图像的像素点及邻域声呐图像的像素点的灰度值与这个滤波算子进行卷积运算来实现加权平均运算；
11、2）计算梯度图像和角度图像
12、以高斯滤波器为基础来进行梯度计算；
13、3）梯度图像的非极大值抑制处理
14、将每个声呐图像的像素点与梯度相同的两个邻域声呐图像的像素点相比，如果梯度值不是这三个声呐图像的像素点中的极大值时就对这个声呐图像的像素点进行抑制，即令这个声呐图像的像素点为零；
15、4）双阈值算法检测并连接图像边缘
16、选取两个阈值，小于低阈值的声呐图像的像素点确定为假边缘；而大于高阈值的声呐图像的像素点将被确定为强边缘；通常这两个阈值的大小为1:2或1:3。
17、进一步，所述步骤二中进行边界信息分析的时候如下步骤：
18、1）分析需求，确定输入声呐图像的像素信息类型；
19、2）确认图像边界值的上点、离点和内点；
20、3）设计用例，覆盖有效等价类；
21、4）设计用例，覆盖无效等价类。
22、进一步，所述步骤二中计算统计特征采用算数平均值进行计算，所述步骤三中自适应滤波法通过分析图像的局部统计特征，动态调整增强参数。
23、进一步，所述自适应滤波法具体步骤如下：
24、1）设定窗口大小和阈值；
25、2）在图像上滑动窗口，计算窗口内声呐图像的像素统计特征的均值和方差；
26、3）根据统计特征和设定的阈值，动态调整窗口内声呐图像的像素增强参数；
27、4）根据调整后的增强参数，更新窗口内声呐图像的像素值。
28、进一步，所述步骤三中还需进行噪声抑制处理，用于去除图像中的噪声并提高图像质量，具体步骤如下：
29、1）定义滤波器的大小和类型：中值、均值或非局部均值；
30、2）将滤波器应用于声呐图像的每个像素，根据相邻像素的值计算滤波结果；
31、3）根据计算得到的滤波结果，更新原始声呐图像的像素值，去除噪声并提高图像质量。
32、进一步，所述步骤四中还需进行双边滤波，具体步骤如下：
33、1）定义高斯核的大小、标准差和空间权重参数；
34、2）对图像中的每个像素点，计算其空间距离和像素值之间的差异；
35、3）根据差异值和权重参数，计算像素的加权平均值；
36、4）根据计算得到的平均值，更新原始图像的像素值。
37、进一步，所述步骤四中将利用边缘检测算法生成的图像轮廓与声呐图像进行重合比对，最终确定声呐图像上的内容。
38、与现有技术相比，本申请的技术方案具备以下有益效果：
39、1、该基于边界约束的声呐图像统计增强算法，通过采用边缘检测算法，边缘检测算法在对图像的边缘进行检测时，先大概检测出声呐图像轮廓的一些像素点，然后通过一些连接规则将那些像素点连接起来，最后再检测并连接一些之前未被识别的边界点、去除检测到的虚假的像素点和边界点并形成一个整体的边缘，使得声呐图像处理后的图像更加清洗，识别度更高。
40、2、该基于边界约束的声呐图像统计增强算法，采用canny算子进行边缘化计算，能够准确的寻找到声呐图像的弱边缘点并形成精确的图像边缘，从而提高声呐图像的清晰度。
41、3、该基于边界约束的声呐图像统计增强算法，通过采用特征增强法，综合使用特征增强方法，进而提高声呐图像数据的可视化效果和模式识别性能，增加声呐图像质量。
本文档来自技高网...【技术保护点】
1.一种基于边界约束的声呐图像统计增强算法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤一中边缘检测算法采用Canny算子为核心，且Canny算子用于滤波、增强和检测的多阶段边缘检测。
3.根据权利要求2所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述Canny算子的具体步骤如下：
4.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤二中进行边界信息分析的时候如下步骤：
5.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤二中计算统计特征采用算数平均值进行计算，所述步骤三中自适应滤波法通过分析图像的局部统计特征，动态调整增强参数。
6.根据权利要求5所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述自适应滤波法具体步骤如下：
7.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤三中还需进行噪声抑制处理，用于去除图像中的噪声
8.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤四中还需进行双边滤波，具体步骤如下：
9.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤四中将利用边缘检测算法生成的图像轮廓与声呐图像进行重合比对，最终确定声呐图像上的内容。
...【技术特征摘要】
1.一种基于边界约束的声呐图像统计增强算法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤一中边缘检测算法采用canny算子为核心，且canny算子用于滤波、增强和检测的多阶段边缘检测。
3.根据权利要求2所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述canny算子的具体步骤如下：
4.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤二中进行边界信息分析的时候如下步骤：
5.根据权利要求1所述的一种基于边界约束的声呐图像统计增强算法，其特征在于：所述步骤二中计算统计特征采用算数平均值进行计算，所述步骤三中...
【专利技术属性】
技术研发人员：金丽玲，范勇刚，王砚梅，孙锋，何春良，李永恒，王源，
申请(专利权)人：海底鹰深海科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。