【技术实现步骤摘要】
本专利技术属于水下探测，涉及一种水下目标探测及特征参量提取方法。
技术介绍
1、随着新型的高分辨率、高数据率声呐不断涌现以及精准高效的图像处理算法的提出，自主式水下航行器也能够进入到更为复杂的海域去执行人类难以完成的任务。由于声呐图像存在随机噪声多、图像边界不清晰、图像中目标可能存在分裂现象等问题，难以直接应用，所以需要对其采用图像处理技术，消除各种噪声干扰或探测场景引起的图像灰度变化，才能使其获得更直观、清晰的图像特征。目前，声呐环境目标处理技术主要研究内容包括图像去噪、图像增强、图像分割等。
2、声呐图像去噪要求在保留图像原始信息的前提下，去除图像中的噪声。在声呐图像去噪方面，常用的滤波方法主要包括空间滤波和频域滤波。空间滤波是直接对声呐图像的像素值进行处理，而频域滤波是通过处理像素在频域内的信息来达到目的。空间域去噪的主要方法有：标准滤波器、维纳滤波、lee滤波、forst滤波、双边滤波等。由于水下环境中的噪声多为椒盐噪声，所以对椒盐噪声有着优秀抑制效果的中值滤波就成为了处理声呐图像噪声的最广泛、最常用的方法。
3、声呐图像增强要求在保留原图像中特征信息同时，尽可能地增加前景与背景的对比度。声呐图像增强方法通常分为空间域和变换域两大类。常用的空间域增强方法包括：以线性变换、非线性变换(如幂次变换、指数变换等)为基础的灰度变换增强方法、基于灰度直方图的增强方法、基于模糊理论的增强方法、基于retinex的图像增强等。常用的变换域增强方法包括：傅氏变换、dct变换、小波变换以及基于多尺度的几何变换方法等
4、声呐图像分割是一种将目标从背景中提取的方法，目的是清晰划分各环境目标物的边界。声呐图像的分割相较于光学图像更为复杂，它与目标区域、背景和水下混响有着密切的关联。声呐图像背景大部分服从gamma分布以及weibull分布，目标声波反射区域服从线性方程分布。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供一种基于声呐图像的水下目标探测及特征参量提取算法，能够根据潜水器对环境目标识别的需求，实现对水下目标声呐图像的快速处理，提取目标的距离和角度特征参量，并提高水下目标声呐图像检测和特征参量提取的准确性。
2、本专利技术解决其技术问题所采用的技术方案包括以下步骤：
3、步骤1，采用直方图快速中值滤波算法，对目标图像进行去噪处理；
4、步骤2，采用灰度变换法，对去噪后的声呐目标图像进行增强处理；
5、步骤3，采用迭代阈值分割法，对水下目标声呐图像进行分割处理；
6、步骤4：对分割后的水下目标声呐图像进行形态学变换和连通域查找，标记出目标在图像中的位置，得到目标的几何参数，从而计算各目标相对于前视声呐的特征参量。
7、所述的步骤1中，对目标图像进行直方图快速中值滤波时，采用3×3滑动掩模滤波。
8、所述的步骤2中，设原图像有效的灰度范围为[0,125]，预设的变换后的灰度范围为[0,255]。
9、所述的步骤4在完成水下目标探测后，采用先腐蚀后膨胀的形态学开运算处理，将声呐图像变为二值图像，然后采用连通域查找的方式对水下目标进行标记。
10、所述的步骤4采用4-连通域模型进行连通域查找，并通过计算各目标物的外接矩的四个顶点与声呐的夹角的方法来获得近似的目标角度信息。
11、所述的步骤4通过计算各目标的外接矩的四个顶点与声呐的夹角的方法来获得近似的目标角度信息，求解角度时，第i个目标的第j个顶点与声呐所处位置(xs,ys)的夹角在求出四个顶点的角度后，第i个目标相对于声呐的左边界为右边界为
12、第i个目标相对于前视声呐的距离采取以下策略计算：
13、(1)求解出第i个目标的质心坐标(xi,yi)，并求出前视声呐与质心位置的距离后减去外接矩在y轴方向上投影长度t的一半，并将这个距离近似认定为检测到的目标物i距前视声呐的最近距离
14、(2)同时计算连通域的外接矩的四个顶点与声呐的距离
15、(3)上述两步结果的最小值即为声呐距离该目标的近似最近距离disi＝min{di,min(di,k)}。
16、本专利技术的有益效果是：
17、(1)在传统中值滤波算法的基础上，利用快速中值滤波算法，实现了对水下目标声呐图像的快速去噪处理。
18、(2)采用灰度变换法对去噪后的声呐图像进行增强，改善前视声呐图像中目标与背景的对比效果，消除无用的背景部分的灰度值、增加图像的对比度。
19、(3)针对目标声呐图像呈亮斑状且边缘轮廓不明显等特点，并结合潜水器对实时性的要求，采用迭代阈值分割法实现对目标图像的分割。
20、(4)对分割后的水下目标声呐图像进行形态学变换和连通域查找，标记出目标在图像中的位置，得到目标的轮廓、外接矩形、质心等几何参数，从而能计算各目标物相对于前视声呐的角度、距离等特征参量。
本文档来自技高网...【技术保护点】
1.一种基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，所述的步骤1中，对目标图像进行直方图快速中值滤波时，采用3×3滑动掩模滤波。
3.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，所述的步骤2中，设原图像有效的灰度范围为[0,125]，预设的变换后的灰度范围为[0,255]。
4.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，所述的步骤4在完成水下目标探测后，采用先腐蚀后膨胀的形态学开运算处理，将声呐图像变为二值图像，然后采用连通域查找的方式对水下目标进行标记。
5.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，所述的步骤4采用4-连通域模型进行连通域查找，并通过计算各目标物的外接矩的四个顶点与声呐的夹角的方法来获得近似的目标角度信息。
6.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于
7.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，第i个目标相对于前视声呐的距离采取以下策略计算：
...【技术特征摘要】
1.一种基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，所述的步骤1中，对目标图像进行直方图快速中值滤波时，采用3×3滑动掩模滤波。
3.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，所述的步骤2中，设原图像有效的灰度范围为[0,125]，预设的变换后的灰度范围为[0,255]。
4.根据权利要求1所述的基于声呐图像的水下目标探测及特征参量提取算法，其特征在于，所述的步骤4在完成水下目标探测后，采用先腐蚀后膨胀的形态学开运算处理，将声呐图像变为二值图像，然后采用连通域查找的方式对水下目标进行标记。<...
【专利技术属性】
技术研发人员：焦慧锋，毛昭勇，刘卫东，李乐，高立娥，
申请(专利权)人：西北工业大学，
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。