[发明专利]一种基于像素点分层的声纳图像目标检测方法

说明书

技术领域

本发明涉及一种基于像素点分层的声纳图像目标检测方法。

背景技术

声纳图像目标检测的目的是从复杂海底混响背景中提取出目标和阴影区域，并尽量保留图像原始边缘信息，它是图像分析的关键步骤。只有在声纳图像准确分割的基础上，才能对水下目标进行特征提取和参数测量，使得更高层次的声纳图像分析和识别成为可能。但是由于水下声场环境的复杂性和声纳设备成像的非线性，所采集到的水下声纳图像具有对比度低、成像质量差、受噪声污染严重等特点。传统的基于边缘信息或统计信息的目标检测方法难以取得高精度、鲁棒性强的检测结果。

图像分层一般用于大容量图像的处理以及对彩色图像的处理等。分层方法也是多种多样，如利用傅里叶变换进行频域图像分层，利用小波变换对图像不同方向的细节进行分层以及利用经验模式多尺度方法将图像分成不同细节层等。

与本发明最相关的现有技术是“基于图像频域方向模板目标检测的方法”专利(公开号CN101866488A)，其采用的是通过傅里叶变换将图像变换到频域，然后在水平方向、垂直方向、45°和135°方向上对侧扫声纳图像进行分解，然后根据投影结果判断是否有目标存在。其方法适用于具有较强纹理特征的侧扫声纳图像，对于包含小目标的声纳图像其方法完全失效。

发明内容

本发明目的在于提供一种基于像素点分层的声纳图像目标检测方法，能够检测出没有阴影、轮廓不清晰且无明显纹理特征的声纳图像小目标。

实现本发明目的技术方案：

一种基于像素点分层的声纳图像目标检测方法，其特征在于:

步骤1：从声纳设备读取原始声纳图像；

步骤2：将声纳图像的灰度级线性映射到0-255范围内；

步骤3：根据目标灰度平均值om与背景灰度平均值gm的差异度确定阈值p，对声纳图像进行初始分割；

步骤4：声纳图像阈值分割后，形成面积大小不等的区域，标记各个8连通域；

步骤5：筛选被标记的区域；

步骤6：将筛选出的图像分层；

步骤7：找出各个区域的中心点；设目标外接矩形长边为a，以该中心点为中心，分割出a*a大小的图像，并将这些图像标号，标记为z1，z2，z3，…zn；

步骤8：求取可能性系数p，m，n：p由人工确定；m＝各层中每个类中像素点的个数；n＝亮点数/区域面积，其中，亮点数为各个层中每个类中包含的亮点个数，区域面积为该类的最小外接圆的面积；

步骤9：计算各区域最小外接矩形和椭圆的形态学特征，对各区域进行筛选；

步骤10：根据可能性系数和目标形态学特征检测并分割出目标区域；

步骤11：输出目标被标记的声纳图像。

步骤6中，第一层c1为灰度值g大于om的像素点的集合；第二层c2为灰度值g为om-gm<g<om的像素点的集合；第三层c3为灰度值g在gm<g<om-gm之间的像素点的集合；分别处理各层的图像；灰度值在gm以下的像素点直接滤除，不做处理。

步骤10中，设目标可能性为T，T∈{t1，t2，t3，…tn}，t1，t2，t3，…tn为图像z1，z2，z3，…zn对应的目标可能性，计算公式如下，

tj=Σi=13ni×mi×pi×ci]]>