System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及锂电池,尤其涉及一种声呐图像优化方法、系统、设备及存储介质。
技术介绍
1、在复杂的水下环境中,光照度较低,光学设备的探测范围受到极大限制。同样条件下,声学设备基于收发超声波进行环境的感知,其不依赖光照,不易受干扰,并且探测范围远,更适合复杂的水下环境监测工作。利用多波束声呐对水下结构进行目标检测和三维重建,由于声呐噪声和多径声反射等噪声的影响,具有很大的挑战性,不能直观地展示水下环境。为此,专家学者们通过使用机器学习和图像处理技术对水下的目标检测和三维重建展开研究。
2、然而,利用机器学习的方法,需要一个包含大量真实声呐图像样本的数据集来训练网络模型,使模型能从图像中检测到结构目标,而未经训练的结构,甚至类似的结构,很可能无法被网络检测到。现有技术在进行图像处理的过程中,仅依靠常规处理方法,可能会出现杂波过多、处理时间久、二维图像特征不明显,以至于点云缺失、冗余或位置失准。
3、因此,现有技术中在进行声呐图像处理的过程中,存在图像特征可靠度不高的问题。
技术实现思路
1、有鉴于此,有必要提供一种声呐图像优化方法、系统、设备及存储介质,用以解决现有技术中在进行声呐图像处理的过程中,存在的图像特征可靠度不高的问题。
2、为了解决上述问题,本专利技术提供一种声呐图像优化方法,包括:
3、获取初始二维声呐图像;
4、对初始二维声呐图像依次进行双阈值分割增强处理、骨骼化处理、canny边缘特征提取和霍夫直线剔除处理,
5、对过滤二维声呐图像进行三维重建,得到声呐三维点云数据。
6、进一步地,对初始二维声呐图像进行双阈值分割增强处理,包括:
7、为初始二维声呐图像设置掩膜,基于掩膜得到初始二维声呐图像的有效图像像素;
8、设置亮度阈值,并根据亮度阈值确定有效图像像素对应初始二维声呐图像中的亮图集合;
9、设置亮图集合中的映射阈值,基于映射阈值确定灰度映射函数,并根据灰度映射函数对有效图像像素映射处理,得到二维增强声呐图像。
10、进一步地,对初始二维声呐图像进行骨骼化处理,包括:
11、对二维增强声呐图像的像素进行二值化处理,得到二值化图像;
12、对二值化图像进行骨骼线计算处理,得到二维骨骼化声呐图像。
13、进一步地,对初始二维声呐图像进行canny边缘特征提取,包括:
14、通过canny算子对二维骨骼化声呐图像进行边缘提取处理,突出显示二维增强声呐图像的边缘特征,得到二维边缘声呐图像。
15、进一步地,对初始二维声呐图像进行霍夫直线剔除处理,包括:
16、对二维边缘声呐图像进行概率霍夫直线处理,得到二维边缘声呐图像的线段集合;
17、设置第一线段长度阈值、第二线段长度阈值和特征线段;
18、根据第一线段长度阈值、第二线段长度阈值、特征线段和预设线段剔除关系对线段集合进行剔除处理,得到过滤二维声呐图像。
19、进一步地,预设线段剔除关系为:
20、
21、其中,lengthl为线段l的长度,q1为第一线段长度阈值,q2为第二线段长度阈值,&表示且关系,l1,l2,l3为线段l的特征线段,表示存在,l为l1,l2,l3中的任意一个。
22、进一步地,对过滤二维声呐图像进行三维重建,得到声呐三维点云数据,包括:
23、依次对过滤二维声呐图像进行空间转换、滤波处理、下采样处理和点云融合处理,得到声呐三维点云数据。
24、为了解决上述问题,本专利技术还提供一种声呐图像优化系统,包括:
25、初始二维声呐图像获取模块,用于获取初始二维声呐图像;
26、过滤二维声呐图像确定模块,用于对初始二维声呐图像依次进行双阈值分割增强处理、骨骼化处理、canny边缘特征提取和霍夫直线剔除处理,确定过滤二维声呐图像;
27、声呐三维点云数据获取模块,用于对过滤二维声呐图像进行三维重建,得到声呐三维点云数据。
28、为了解决上述问题,本专利技术还提供一种声呐图像优化设备,包括存储器和处理器,其中,
29、存储器,用于存储程序;
30、处理器,与存储器耦合,用于执行存储器中存储的程序,以实现如上文所述的声呐图像优化方法、系统、设备及存储介质中的步骤。
31、为了解决上述问题,本专利技术还提供一种计算机可读存储介质,用于存储计算机可读取的程序或指令,程序或指令被处理器执行时能够实现如上文所述的声呐图像优化方法、系统、设备及存储介质中的步骤。
32、采用上述实施例的有益效果是:本专利技术提供一种声呐图像优化方法、系统、设备及存储介质,该方法通过对初始二维声呐图像依次进行双阈值分割增强处理、骨骼化处理、canny边缘特征提取和霍夫直线剔除处理,其中,双阈值分割增强处理能够突出初始二维声呐图像的图像本质特征,以排除系统因素的干扰;骨骼化处理有助于提取线状特征,提高后续数据分析的准确性;canny边缘特征提取能够较好地保证图像的边缘特征完整性;霍夫直线剔除能够针对性去除图像中的无关线段,从而降低了后续计算复杂度;因此,上述图像处理步骤能够有效保证二维声呐图像特征的完整性,进而保证声呐三维点云数据的可靠度。
本文档来自技高网...【技术保护点】
1.一种声呐图像优化方法,其特征在于,包括:
2.根据权利要求1所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行双阈值分割增强处理,包括:
3.根据权利要求2所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行骨骼化处理,包括:
4.根据权利要求3所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行Canny边缘特征提取,包括:
5.根据权利要求4所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行霍夫直线剔除处理,包括:
6.根据权利要求5所述的声呐图像优化方法,其特征在于,所述预设线段剔除关系为:
7.根据权利要求1所述的声呐图像优化方法,其特征在于,所述对所述过滤二维声呐图像进行三维重建,得到声呐三维点云数据,包括:
8.一种声呐图像优化系统,其特征在于,包括:
9.一种声呐图像优化设备,其特征在于,包括存储器和处理器,其中,
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程
...【技术特征摘要】
1.一种声呐图像优化方法,其特征在于,包括:
2.根据权利要求1所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行双阈值分割增强处理,包括:
3.根据权利要求2所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行骨骼化处理,包括:
4.根据权利要求3所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行canny边缘特征提取,包括:
5.根据权利要求4所述的声呐图像优化方法,其特征在于,所述对所述初始二维声呐图像进行霍夫直线剔除处理,包括:
...【专利技术属性】
技术研发人员:宋利飞,李一,郭荣,王毓清,陈泽宇,
申请(专利权)人:武汉理工大学,
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。