本發(fā)明屬于目標(biāo)檢測領(lǐng)域，具體涉及一種水下聲納圖像的小目標(biāo)檢測方法。

背景技術(shù)：

水下聲納系統(tǒng)除了需要勝任極端工作環(huán)境，還需具有高效的目標(biāo)檢測和識別能力，能夠準(zhǔn)確分辨沉底小目標(biāo)和水中小目標(biāo)。然而，由于聲納系統(tǒng)在某時(shí)刻接收的回波，是水下各反射聲波的矢量和，系統(tǒng)記錄的回波幅值呈抖動變化，形成聲圖時(shí)相應(yīng)的產(chǎn)生斑點(diǎn)噪聲，影響對聲圖的解釋。雖然隨著成像聲納技術(shù)日趨成熟，側(cè)掃聲納可提供高分辨率圖像，但是與光學(xué)圖像相比，側(cè)掃聲納圖像仍然具有成像質(zhì)量差、目標(biāo)與背景之間對比度低等問題。特別是對于水下小目標(biāo)檢測問題，由于信道噪聲和散射噪聲的影響，使得現(xiàn)有的目標(biāo)檢測技術(shù)很難達(dá)到滿意的結(jié)果。

利用圖像處理技術(shù)和模式識別技術(shù)從水下聲納數(shù)據(jù)中檢測小目標(biāo)自上世紀(jì)90年代以來已取得了長足進(jìn)步。這些方法大體上可分為兩類：有監(jiān)督方法和無監(jiān)督方法。其中有監(jiān)督方法需要大量訓(xùn)練數(shù)據(jù)，算法性能高度依賴訓(xùn)練數(shù)據(jù)的性質(zhì)。這類方法主要包括K-近鄰神經(jīng)網(wǎng)絡(luò)、最佳辨識濾波分類器、貝葉斯分類器、主成分分析等。另一方面，無監(jiān)督方法無需特別的訓(xùn)練數(shù)據(jù)，適用于相當(dāng)寬范圍的輸入數(shù)據(jù)，并不針對特別訓(xùn)練數(shù)據(jù)優(yōu)化。此類方法包括馬爾可夫隨機(jī)場、統(tǒng)計(jì)蛇模型、形態(tài)學(xué)處理等技術(shù)。此外，為了進(jìn)一步提高算法性能，也有學(xué)者將各種不同的檢測/識別技術(shù)相融合，主要采用的融合技術(shù)包括：將各種算法的檢測/識別結(jié)果采用邏輯融合(如布爾與、或運(yùn)算)、對數(shù)似然比測試算法、線性加權(quán)融合等等。

本發(fā)明利用具有較強(qiáng)抗噪能力的形態(tài)學(xué)變換——占有率擊中-擊不中變換(Percentage Occupancy Hit-or-Miss Transform,POHMT)，實(shí)現(xiàn)一種快速、準(zhǔn)確的側(cè)掃聲納圖像小目標(biāo)檢測算法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于占有率擊中-擊不中變換(Percentage Occupancy Hit-or-Miss Transform,POHMT)的水下聲納圖像的小目標(biāo)檢測方法。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

(1)初始化：令二值化閾值th＝0.8，陰影方向?yàn)棣榷?，令I(lǐng)₀＝I，其中I為H×W像素的輸入聲納圖像矩陣；

(2)令SE₁表示目標(biāo)模板，SE₁是尺寸為3×3像素的正方形模板，令SE₀表示背景模板，SE₀是尺寸為25×25像素的正方形模板的邊緣區(qū)域；

(3)計(jì)算圖像I₀的亮度均值，用m₀表示，令t＝m₀…255，對于每一個(gè)t，計(jì)算二值圖像B_t：

其中，h＝1…H,w＝1…W；

(4)分別計(jì)算前景模板匹配率poFore和背景模板匹配率poBack

poFore(t)＝conv(B_t,SE₁)/9

poBack(t)＝conv(1-B_t,SE₀)/96

其中，t＝m₀…255，conv(.)表示卷積運(yùn)算，對于固定的t值，poFore(t)和poBack(t)均為H×W矩陣；

(5)計(jì)算圖像I₀的占有率擊中-擊不中變換poHMT

$poHMT=\underset{t=m\mathrm{0....255}}{max}\left\{\min \right\{poFore\left(t\right),poBack\left(t\right)\left\}\right\}$

其中，min{.}為最小值函數(shù)，min{poFore(t),poBack(t)}表示對于一個(gè)固定的t值，取前poFore(t)和poBack(t)二者之中較小的一個(gè)；max{.}為最大值函數(shù)；poHMT為H×W矩陣；

(6)將步驟(5)的poHMT做二值化處理

其中，h＝1…H,w＝1…W，poHMT(h,w)表示二維矩陣poHMT在(h,w)處的取值，poBW為二值矩陣，poBW(h,w)表示poBW在(h,w)處的取值；

(7)利用形態(tài)學(xué)膨脹、腐蝕運(yùn)算去除poBW中的細(xì)小噪聲點(diǎn)；

(8)令poBW₁表示去噪之后的poBW，利用8-連接區(qū)域標(biāo)記方法標(biāo)記poBW₁中的連通區(qū)域，分別記錄各連通區(qū)域的外接矩形的位置、長、寬；

(9)令I(lǐng)₀＝255-I，執(zhí)行步驟(3)～步驟(7)，并用poBW₀表示去噪之后的poBW，利用8-連接區(qū)域標(biāo)記方法標(biāo)記標(biāo)記poBW₀中的連通區(qū)域，分別記錄各連通的外接矩形框的位置、長、寬；

(10)以poBW₁中的一個(gè)連通區(qū)域R₁的外接矩形為依據(jù)，確定出搜索區(qū)域，；將此搜索區(qū)域映射到poBW₀的相應(yīng)區(qū)域，并用RS表示poBW₀中的這個(gè)搜索區(qū)域；

(11)在poBW₀的RS區(qū)域中進(jìn)行搜索，如果能夠找到一個(gè)連通區(qū)域R₀，則將poBW₁中的連通區(qū)域R₁標(biāo)記為目標(biāo)，同時(shí)刪除區(qū)域R₀；否則，如果在poBW₀的RS中不存在連通區(qū)域，則將poBW1中的連通區(qū)域R₁標(biāo)記為非目標(biāo)。

(12)重復(fù)步驟(10)～步驟(11)，檢查poBW₁中的下一個(gè)連通區(qū)域，直至遍歷poBW₁的所有連通區(qū)域。

本發(fā)明的有益效果在于：1)所提出的目標(biāo)檢測模板簡單；2)檢測速度快；3)抗噪聲能力強(qiáng)；4)無需訓(xùn)練數(shù)據(jù)。

附圖說明

圖1是側(cè)掃聲納圖像中的目標(biāo)及其陰影示意圖；

圖2是目標(biāo)模板示意圖；

圖3是背景模板示意圖；

圖4是搜索區(qū)域示意圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步描述。

本發(fā)明提出一采用的技術(shù)方案是：1)初始化：設(shè)置檢測閾值、確定目標(biāo)和背景模板尺寸、設(shè)置陰影方向；2)對原聲納圖像進(jìn)行POHMT運(yùn)算，并將運(yùn)算結(jié)果做二值化處理，得到目標(biāo)二值圖像；3)對原聲納圖像做反色處理；4)對反色之后的聲納圖像做POHMT運(yùn)算，并將運(yùn)算結(jié)果做二值化處理，得到陰影二值圖像；5)利用目標(biāo)二值圖像、陰影二值圖像以及陰影方向，標(biāo)記出小目標(biāo)。

設(shè)I為輸入聲納圖像矩陣，尺寸為H×W像素，I(h,w)表示(h,w)位置處圖像的亮度，其中h＝1,2,…,H,w＝1,2,…,W；并且圖像I中包含多個(gè)高亮度目標(biāo)區(qū)域，每個(gè)目標(biāo)均具有相應(yīng)的低亮度陰影區(qū)域，如圖1所示。

本發(fā)明所提出的目標(biāo)檢測方法的具體實(shí)現(xiàn)步驟如下：

步驟1，初始化：令二值化閾值th＝0.8，陰影方向?yàn)棣榷?，令I(lǐng)₀＝I。

步驟2，令SE₁表示目標(biāo)模板，這里SE₁是尺寸為3×3像素的正方形模板，如圖2所示；令SE₀表示背景模板，這里SE₀是尺寸為25×25像素的正方形模板的邊緣區(qū)域，如圖3所示，圖3中，灰色區(qū)域的大小為23×23像素，其像素值為0，邊緣白色區(qū)域的像素值為1。

步驟3，計(jì)算圖像I₀的亮度均值，用m₀表示；令t＝m₀…255，對于每一個(gè)t，根據(jù)公式(1)計(jì)算二值圖像B_t：

其中，h＝1…H,w＝1…W。

步驟4，利用公式(2)計(jì)算前景模板匹配率poFore，利用公式(3)計(jì)算背景模板匹配率poBack：

poFore(t)＝conv(B_t,SE₁)/9 (2)

poBack(t)＝conv(1-B_t,SE₀)/96 (3)

其中，t＝m₀…255，conv(.)表示卷積運(yùn)算，對于固定的t值，poFore(t)和poBack(t)均為H×W矩陣。

步驟5，利用公式(4)計(jì)算圖像的占有率擊中-擊不中變換poHMT：

$poHMT=\underset{t=m\mathrm{0....255}}{max}\left\{\min \right\{poFore\left(t\right),poBack\left(t\right)\left\}\right\}---\left(4\right)$

其中，min{.}為最小值函數(shù)，min{poFore(t),poBack(t)}表示對于一個(gè)固定的t值，取poFore(t)和poBack(t)二者之中較小的一個(gè)；max{.}為最大值函數(shù)；poHMT為H×W矩陣。

步驟6，利用公式(5)將步驟5的poHMT做二值化處理

其中，h＝1…H,w＝1…W，poHMT(h,w)表示二維矩陣poHMT在(h,w)處的取值，poBW為二值矩陣，poBW(h,w)表示poBW在(h,w)處的取值，

步驟7，利用形態(tài)學(xué)膨脹、腐蝕運(yùn)算去除poBW中的細(xì)小噪聲點(diǎn)。

步驟8，令poBW₁表示去噪之后的poBW，利用8-連接區(qū)域標(biāo)記方法標(biāo)記poBW₁中的連通區(qū)域，分別記錄各連通區(qū)域的外接矩形的位置、長、寬。

步驟9，令I(lǐng)₀＝255-I，執(zhí)行步驟3～步驟7，并用poBW₀表示去噪之后的poBW，利用8-連接區(qū)域標(biāo)記方法標(biāo)記標(biāo)記poBW₀中的連通區(qū)域，分別記錄各連通區(qū)域的外接矩形框的位置、長、寬。

步驟10，以poBW₁中的一個(gè)連通區(qū)域R₁的外接矩形為依據(jù)，確定搜索區(qū)域，如圖4所示，其中w＝5，l＝5×w₀，w₀為連通區(qū)域R₁的外接矩形寬度。將此搜索區(qū)域映射到poBW₀的相應(yīng)區(qū)域，并用RS表示poBW₀中的這個(gè)搜索區(qū)域。

步驟11，在poBW₀的RS區(qū)域中進(jìn)行搜索，如果能夠找到一個(gè)連通區(qū)域(假設(shè)用R₀表示這個(gè)連通區(qū)域)，則將poBW₁中的連通區(qū)域R₁標(biāo)記為目標(biāo)，同時(shí)刪除區(qū)域R₀；否則，如果在poBW₀的RS中不存在連通區(qū)域，則將poBW1中的連通區(qū)域R₁標(biāo)記為非目標(biāo)。

步驟12，重復(fù)步驟10～步驟11，檢查poBW₁中的下一個(gè)連通區(qū)域，直至遍歷poBW₁的所有連通區(qū)域。