亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法

文檔序號:10595085閱讀:479來源:國知局
一種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法
【專利摘要】本發(fā)明涉及的是數(shù)字圖像處理技術(shù)領(lǐng)域。具體涉及一種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法。本發(fā)明包括:對側(cè)掃聲納圖像進(jìn)行預(yù)處理;設(shè)定第一圖像灰度初始閾值T;對側(cè)掃聲納圖像進(jìn)行以閾值T進(jìn)行分割,得到有效點(diǎn);判斷有效點(diǎn)個數(shù)是否在理想計算范圍N以內(nèi),如果有效點(diǎn)個數(shù)在理想計算范圍N以內(nèi),執(zhí)行步驟(5),如果有效點(diǎn)個數(shù)不在理想計算范圍N以內(nèi),以S為速度提高閾值T,替代原有閾值,重新執(zhí)行步驟(3);得到有效點(diǎn)后,計算每個點(diǎn)的累積量。本發(fā)明提供了一種高效的分割出側(cè)掃聲納圖像中的目標(biāo)的方法,對于含有構(gòu)成海底強(qiáng)反射點(diǎn)的點(diǎn)狀噪聲和海底混響產(chǎn)生的云狀噪聲的側(cè)掃聲納圖像有著更好的分割效果,能夠更有效的分割出聚集點(diǎn)。
【專利說明】
-種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及的是數(shù)字圖像處理技術(shù)領(lǐng)域。具體設(shè)及一種利用點(diǎn)聚集特性的側(cè)掃聲 納目標(biāo)探測方法。
【背景技術(shù)】
[0002] 目標(biāo)探測是指確定單一圖像或序列圖像中是否有目標(biāo)并將感興趣的目標(biāo)區(qū)域和 不感興趣的背景區(qū)域分開的一種操作。它往往會利用已知的先驗(yàn)知識,計算相關(guān)的特征量, 并利用運(yùn)些特征量區(qū)分目標(biāo)與背景。目前水聲目標(biāo)探測技術(shù)被廣泛應(yīng)用于石油勘探、水下 地形觀察、深海管線探查、水下物體打拱、海洋漁業(yè)等領(lǐng)域。軍事方面,淺海地區(qū)水雷探測已 經(jīng)成了各國海軍的重大難題。而聲納系統(tǒng)可大范圍探測水下區(qū)域,因此水聲探測系統(tǒng)已經(jīng) 成了各國研究熱點(diǎn)。
[0003] 在淺海地區(qū)進(jìn)行水雷探測是十分困難的。水雷目標(biāo)小且常隱藏于一些人造障礙物 中。美國海面戰(zhàn)研中屯、在水雷目標(biāo)自動或半自動探測方面進(jìn)行了進(jìn)十年研究,利用非可交 換群諧波分析理論,研制出了能有效降低虛警概率的多算法融合水雷目標(biāo)探測系統(tǒng)。該系 統(tǒng)可W快速處理聲納圖像,提取可疑區(qū)域。
[0004] 目前國外學(xué)者已經(jīng)對水下目標(biāo)探測方法進(jìn)行了大量研究,得到了一些高效的基于 聲納圖像的目標(biāo)探測系統(tǒng)。而國內(nèi)的相應(yīng)研究還處于起步階段,還沒有成型的相應(yīng)產(chǎn)品。目 標(biāo)探測并提取的結(jié)果將會直接影響目標(biāo)識別的處理結(jié)果,因此對于目標(biāo)探測方法的研究是 有重要意義的。在處理實(shí)際側(cè)掃聲納圖像中,會遇到如下問題:
[0005] 1、側(cè)掃聲納圖像信噪比較低
[0006] 2、側(cè)掃聲納圖像中的待測目標(biāo)相對較小
[0007] 3、海底不規(guī)整或者有較多聲波強(qiáng)反射的巖石等較小物體 [000引 4、海底混響
[0009] W上問題可W更加形象的轉(zhuǎn)化為兩種高噪聲下的分割問題,一種是構(gòu)成海底強(qiáng)反 射點(diǎn)的點(diǎn)狀噪聲(structural noi Se ),一種是海底混響,我們運(yùn)里稱作云狀噪聲 (contamination region noise),運(yùn)兩種噪聲,現(xiàn)有的圖像增強(qiáng)算法仍然沒辦法完全有效 的去除運(yùn)兩種噪聲,因此要把精力放在分割算法上。主流的分割算法分為兩種,一種是傳統(tǒng) 通過各種優(yōu)化準(zhǔn)則設(shè)定灰度闊值的分割方法,例如傳統(tǒng)的闊值分割或者最大類間方差的分 割算法;另一種是通過設(shè)定平面閉合曲線,通過計算曲線內(nèi)外的像素灰度差值來控制曲線 的縮放,例如水平集分割方法或者無邊緣特性的動態(tài)輪廓分割算法。
[0010] 本發(fā)明主要提出的是一種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法。通過與文獻(xiàn)
[1]、文獻(xiàn)[2]所述方法進(jìn)行對比,證實(shí)了此方法在有效提取目標(biāo)的同時可W有效分割出待 測目標(biāo)。
[0011] 與本發(fā)明相關(guān)的參考文獻(xiàn)包括:
[0012] [1]劉衛(wèi)剛,胡錫梅基于有效點(diǎn)聚集度的指紋圖像分級分割算法.中北大學(xué)現(xiàn)代教 育技術(shù)與信息中屯、.2011
[0013] [2]吳一全改進(jìn)的二維化SU法闊值分割快速迭代算法.南昌航空大學(xué)無損檢測技 術(shù)教育部重點(diǎn)實(shí)驗(yàn)室.2011

【發(fā)明內(nèi)容】

[0014] 本發(fā)明的目的在于提供一種分割出的目標(biāo)更加完整的利用點(diǎn)聚集特性的側(cè)掃聲 納目標(biāo)探測方法。
[0015] 本發(fā)明的目的是運(yùn)樣實(shí)現(xiàn)的:
[0016] 利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法,包括如下步驟:
[0017] (1)對側(cè)掃聲納圖像進(jìn)行預(yù)處理;
[0018] (2)設(shè)定第一圖像灰度初始闊值T;
[0019] (3)對側(cè)掃聲納圖像進(jìn)行W闊值T進(jìn)行分割,得到有效點(diǎn);
[0020] (4)判斷有效點(diǎn)個數(shù)是否在理想計算范圍NW內(nèi),如果有效點(diǎn)個數(shù)在理想計算范圍 NW內(nèi),執(zhí)行步驟巧),如果有效點(diǎn)個數(shù)不在理想計算范圍N W內(nèi),WS為速度提高闊值T,替代 原有闊值,重新執(zhí)行步驟(3);
[0021] (5)得到有效點(diǎn)后,計算每個點(diǎn)的累積量;
[0022] (6)設(shè)定第二闊值來篩選出待測目標(biāo)的像素點(diǎn)。
[0023] 所述步驟(5)中計算每個點(diǎn)的累積量所使用的公式如下:
[0024]
[0025] 其中Ci為有效點(diǎn)i的累積量,距離約束函數(shù)Wij作為權(quán)值,Dij表示第i個有效點(diǎn)和第j 個有效點(diǎn)之間的歐氏距離。
[0026] 所述的第二闊值為所有點(diǎn)累積量的均值。
[0027] 本發(fā)明的有益效果在于:
[0028] 本發(fā)明提供了一種高效的分割出側(cè)掃聲納圖像中的目標(biāo)的方法,對于含有構(gòu)成海 底強(qiáng)反射點(diǎn)的點(diǎn)狀噪聲和海底混響產(chǎn)生的云狀噪聲的側(cè)掃聲納圖像有著更好的分割效果, 能夠更有效的分割出聚集點(diǎn),優(yōu)于傳統(tǒng)分割意義下的闊值判定分割,解決了無法去除運(yùn)兩 種噪聲的困擾,分割過程中利用了目標(biāo)的點(diǎn)累積量作為判斷依據(jù)有效地分割出待標(biāo)記的目 標(biāo),使得分割出的目標(biāo)更加完整,并且能夠排除其他噪聲亮點(diǎn),使得本方法的輸出結(jié)果更加 可觀。
【附圖說明】
[0029 ]圖1為算法流程圖;
[0030] 圖2為待檢測圖像1;
[0031] 圖3為待檢測圖像2;
[0032] 圖4為本文方法的處理結(jié)果,處理圖像為待檢測圖像1;
[0033] 圖5為本文方法的處理結(jié)果,處理圖像為待檢測圖像2;
[0034] 圖6為文獻(xiàn)1的處理結(jié)果,處理圖像為待檢測圖像1;
[0035] 圖7為文獻(xiàn)1的處理結(jié)果,處理圖像為待檢測圖像2;
[0036] 圖8為文獻(xiàn)2的處理結(jié)果,處理圖像為待檢測圖像1;
[0037] 圖9為文獻(xiàn)2的處理結(jié)果,處理圖像為待檢測圖像2。
【具體實(shí)施方式】
[0038] 下面結(jié)合附圖對本發(fā)明做進(jìn)一步描述。
[0039] 本發(fā)明提供了一種檢測側(cè)掃聲納中的目標(biāo)的方法,運(yùn)是一種利用點(diǎn)聚集特性對側(cè) 掃聲納圖像中可疑區(qū)域進(jìn)行篩選的目標(biāo)探測方法,是一種拓?fù)鋭?chuàng)新型分割算法。首先假設(shè) 待探測目標(biāo)在側(cè)掃聲納的聲回波強(qiáng)度上一直保持最強(qiáng)(即至少有一部分像素的灰度值為 255),在本發(fā)明中通過使用有效的N個點(diǎn)之間的距離,即聚集性,來給點(diǎn)賦W不同的值并累 計,當(dāng)所有有效點(diǎn)的相互之間的累積量計算完成后,每個點(diǎn)都會有屬于自己的累積量,聚集 在一起的點(diǎn),即歐氏距離較近的點(diǎn)的累積量就會比那些孤立的點(diǎn)大,隨后通過設(shè)定累計闊 值來分割出聚集特性強(qiáng)的,算法流程圖如圖1所示。
[0040] 利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法,其步驟包括:
[0041] (1)對側(cè)掃聲納圖像進(jìn)行預(yù)處理;
[0042] (2)設(shè)定第一圖像灰度初始闊值T;
[0043] (3)對側(cè)掃聲納圖像進(jìn)行W闊值T進(jìn)行分割,先得到有效點(diǎn);
[0044] (4)判斷有效點(diǎn)個數(shù)是否在理想計算范圍N'W內(nèi),滿足,執(zhí)行第五步,不滿足,WS 為速度提高闊值T,替代原有闊值,回到第=步;
[0045] (5)得到有效點(diǎn)后,計算每個點(diǎn)的累積量;
[0046] (6)設(shè)定第二闊值(通常設(shè)定為所有點(diǎn)累積量的均值)來篩選出聚集性高的點(diǎn),即 是待測目標(biāo)的像素點(diǎn)。
[0047] (7)利用兩幅側(cè)掃聲納圖像進(jìn)行實(shí)驗(yàn)分別與一種基于有效點(diǎn)聚集度的圖像分割算 法、改進(jìn)的二維化SU法闊值分割快速迭代算法進(jìn)行對比,證明了本方法在檢測效果相似的 條件下具有效的分割出待標(biāo)記的目標(biāo)。
[004引進(jìn)一步結(jié)合附圖,
[0049] (1)對側(cè)掃聲納圖像進(jìn)行預(yù)處理;
[0050] 待處理圖像原圖如圖1所示,是由側(cè)掃聲納獲得的聲納圖像。
[0051] 首先對圖像進(jìn)行預(yù)處理。首先把圖像轉(zhuǎn)換為灰度圖像,然后將其二值化,之后運(yùn)用 形態(tài)學(xué)開運(yùn)算對其進(jìn)行處理。
[0052] 開運(yùn)算是先腐蝕后膨脹的過程,用來消除小物體、在纖細(xì)點(diǎn)處分離物體、平滑較大 物體的邊界的同時并不明顯改變其面積。其運(yùn)用公式如下:
[0化3]
[0化4] Xb為開運(yùn)算后的圖像,X為原圖像,B為開運(yùn)算使用的結(jié)構(gòu)元素,0為腐蝕運(yùn)算符,思 為膨脹運(yùn)算符。
[0055] (2)設(shè)定第一圖像灰度初始闊值T;
[0056] W整幅圖像的灰度均值作為初始闊值T。
[0057] T=2f(i,j)/mXn
[0058] f(i,j)表示圖像的像素點(diǎn)的灰度值,m、n分別是圖像的行數(shù)與列數(shù),
[0059] 為整幅圖像的像素點(diǎn)個數(shù)。
[0060] (3)對側(cè)掃聲納圖像W闊值T進(jìn)行分割,先得到有效點(diǎn);
[0061] 將整幅圖像看成一個集合A,每個像素點(diǎn)的灰度值即為集合中的元素 a,表示為如 下公式:
[0062] A= {aii,ai2. . .amn}
[0063] B={bi,b2, . . . ,bk|b>T}
[0064] C=ki,C2, . . . ,ci|c<T}
[00 化]
[0066] m、n分別是圖像的行數(shù)與列數(shù),B表示A中大于灰度闊值T的像素點(diǎn)的集合,b為a中 大于灰度闊值T的元素,C表示A中小于灰度闊值T的像素點(diǎn)的集合,C為a中大于灰度闊值T的 兀素。
[0067] (4)判斷有效點(diǎn)個數(shù)是否在理想計算范圍N'W內(nèi),滿足,執(zhí)行第五步,不滿足,WS 為速度提高闊值T,替代原有闊值,回到第=步;
[0068] 范圍N'的值為300,S為常數(shù),取值范圍[1,5]。有效點(diǎn)個數(shù)若是滿足N',則執(zhí)行下一 步,若不滿足,根據(jù)本發(fā)明數(shù)據(jù)情況,WS = 2的速度進(jìn)行累加,提高闊值T,返回第=步重新 進(jìn)行闊值分割。累加公式為:
[0069] T = T+S
[0070] (5)得到有效點(diǎn)后,使用如下公式計算每個點(diǎn)的累積量
[0071]
[0072] 其中Cl為有效點(diǎn)i的累積量,距離約束函數(shù)Wu作為權(quán)值,Di康示第i個有效點(diǎn)和第j 個有效點(diǎn)之間的歐氏距離。首先假設(shè)待探測目標(biāo)在側(cè)掃聲納的聲回波強(qiáng)度上一直保持最強(qiáng) (即至少有一小部分像素的灰度是255),在本發(fā)明中通過使用有效的N個點(diǎn)之間的距離,即 聚集性,來給點(diǎn)賦W不同的值并累計。對于距離約束函數(shù),可W根據(jù)不同環(huán)境下尋找不同類 型目標(biāo)來設(shè)定,如果希望分割出具有點(diǎn)聚集性的目標(biāo),那就多為單調(diào)遞減函數(shù),或者更嚴(yán)謹(jǐn) 的使用先增后減的函數(shù),運(yùn)里有兩個個備選函數(shù)方案:
[0073] Wij = Q . Dij+^
[0074] Wij = Q . (Di廣目)2+6
[0075] 其中a<〇,0與肚勻?yàn)槠屏俊?br>[0076] (6)設(shè)定第二闊值(通常設(shè)定為所有點(diǎn)累積量的均值)來篩選出聚集性高的點(diǎn),即 是待測目標(biāo)的像素點(diǎn)。
[0077] 當(dāng)所有有效點(diǎn)的相互之間的累積量計算完成后,每個點(diǎn)都會有屬于自己的累積 量,W選擇為例,權(quán)值相對距離屬于單調(diào)遞減函數(shù)(原點(diǎn)處除外),那么聚集在一起的點(diǎn),即 歐氏距離較近的點(diǎn)的累積量C就會比那些孤立的點(diǎn)大,于是就可W通過設(shè)定合理的累積量 闊值來分割出聚集的點(diǎn)。
[0078] 文獻(xiàn)[1]、文獻(xiàn)[2]中分別描述的算法是一種基于有效點(diǎn)聚集度的圖像分割算法和 改進(jìn)的二維化SU法闊值分割快速迭代算法。將之實(shí)現(xiàn)后與本發(fā)明處理結(jié)果進(jìn)行比較,發(fā)現(xiàn) 在均能將目標(biāo)區(qū)域標(biāo)出的條件下,本發(fā)明的算法具有更少的虛警。
【主權(quán)項】
1. 一種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法,其特征在于:包括如下步驟: (1) 對側(cè)掃聲納圖像進(jìn)行預(yù)處理; (2) 設(shè)定第一圖像灰度初始閾值T; (3) 對側(cè)掃聲納圖像進(jìn)行以閾值T進(jìn)行分割,得到有效點(diǎn); (4) 判斷有效點(diǎn)個數(shù)是否在理想計算范圍N以內(nèi),如果有效點(diǎn)個數(shù)在理想計算范圍N以 內(nèi),執(zhí)行步驟(5),如果有效點(diǎn)個數(shù)不在理想計算范圍N以內(nèi),以S為速度提高閾值T,替代原 有閾值,重新執(zhí)行步驟(3); (5) 得到有效點(diǎn)后,計算每個點(diǎn)的累積量; (6) 設(shè)定第二閾值來篩選出待測目標(biāo)的像素點(diǎn)。2. 根據(jù)權(quán)利要求1所述的一種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法,其特征在于: 所述步驟(5)中計算每個點(diǎn)的累積量所使用的公式如下:其中Ci為有效點(diǎn)i的累積量,距離約束函數(shù)Wij作為權(quán)值,Dij表示第i個有效點(diǎn)和第j個有 效點(diǎn)之間的歐氏距離。3. 根據(jù)權(quán)利要求1所述的一種利用點(diǎn)聚集特性的側(cè)掃聲納目標(biāo)探測方法,其特征在于: 所述的第二閾值為所有點(diǎn)累積量的均值。
【文檔編號】G06T7/00GK105957084SQ201610297911
【公開日】2016年9月21日
【申請日】2016年5月6日
【發(fā)明人】卞紅雨, 陳奕名, 徐揚(yáng)
【申請人】哈爾濱工程大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1