[发明专利]一种基于形状上下文方法的声纳目标识别方法

说明书

技术领域

本发明属于声纳目标识别领域，尤其涉及通过匹配特征目标和待测目标的上下文直方图进行目标识别的，一种基于形状上下文方法的声纳目标识别方法。

背景技术

形状上下文方法是一种图像轮廓特征提取方法，它侧重于提取轮廓中基准点与其他点的位置关系，能够体现以选取的轮廓点为基准点、轮廓其他点相对于基准点的结构特征，是一种表征目标宏观轮廓的特征提取方法，因为其具有对目标轮廓局部的变化不敏感性，因此适用于局部轮廓不断变化的声纳图像特征提取。

大多数研究者将形状上下文方法用于光学图像，其中Belnogie等提出了形状上下文的形状标书方法，为形状边缘上的点提供了含有“上下文”信息的丰富描述子；Mori等提出了一种广义形状上下文特征，利用各采样点的切向量来代替采样点；Roman-Rangel等提出了方向直方图形状上下文特征，引入直方图描述目标的形状；国内的韩敏等人提出了模糊形状上下文的方法，用于提高匹配精度。

传统的形状上下文方法的基准点选取方法可以归为三类：第一类是根据局部轮廓语义来确定，但是受载体位移和海洋噪声的影响，在相邻时刻，即使是相同角度和距离下捕获的同类目标图像，其局部轮廓细节都会有较大变化，因此第一类方法无法可靠的确定基准点；第二类是将所有轮廓点都作为基准点来进行遍历，这种确定基准点的方法计算量很大，不适用于需要考虑功耗因素的声纳设备要求。第三类是遍历方法的改进，主要思想是将轮廓点划分为若干区域，统计每个区域的轮廓点特征，最终还是需要循环匹配。例如文献1：韩敏，郑丹晨，基于模糊形状上下文特征的形状识别算法，自动化学报，Vol.38,No.1,201。探讨的是光学图像，给出了一种“基于循环位移的形状匹配方法”，匹配时首先固定测试目标B，然后将目标A进行有限次的旋转，最终寻找最优的循环匹配结果。这种方法的本质就是把轮廓点进行采样并循环遍历，采样的间隔是旋转的角度。其缺点是旋转时没有目的性和灵活性，匹配时计算量很大。文献2：胡正平，高亚男，基于角度扩展形状上下文描述的目标检测算法研究，信号处理，Vol.26,No.6,2010。提出了一种“角度扩展形状上下文描述”，匹配时首先确定目标轮廓的中心，将轮廓点划分为若干区域，然后统计相同区域的轮廓点，最终按区域进行循环匹配。这种方法与文献[1]的方法类似，缺点显而易见。文献3：田晓东，刘忠，基于形状相似度的水下目标识别算法，声学技术，Vol.26,No.3,2007。将匹配问题归结为图像的轮廓区域划分，相当于将文献2中区域内的轮廓点细分，虽然提高了匹配精度，但计算量更大。

发明内容

本发明的目的是提供一种匹配精度高、计算量小的，基于形状上下文方法的声纳目标识别方法。

本发明是通过以下技术方案实现的：

一种基于形状上下文方法的声纳目标识别方法，包括以下几个步骤：

步骤一：进行样本图像统计，利用形状上下文方法得到样本图像中每类目标的两个上下文直方图；

步骤二：读取待识别图像，利用形状上下文方法得到待识别目标的两个上下文直方图；

步骤三：将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色块的值分别进行匹配，利用最大匹配度进行目标识别；

所述的形状上下文方法为：

a、对样本图像或者待识别图像进行预处理，分割出目标区域的二值图像，通过开闭运算填补目标区域内孔洞；

b、提取目标区域的轮廓点；

c、计算任意两个轮廓点之间的距离，取最大值为目标区域轮廓的长轴，长轴的两个端点分别为第一端点P₁和第二端点P₂；

d、以第一端点P₁为基准点，以长轴的长度作为光栅的半径，构建以P₁为基准点极坐标光栅；同理构建以P₂为基准点极坐标光栅；

e、通过两个极坐标光栅把轮廓点映射到对应的光栅区域，得到两个上下文直方图，上下文直方图色块的值为对应光栅区域内包含的轮廓点数。

本发明一种基于形状上下文方法的声纳目标识别方法，还可以包括：

1、将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色块的值分别进行匹配的方法为：

步骤一：令样本图像中每类目标的两个上下文直方图为两个基准上下文直方图，将基准上下文直方图和待识别目标的上下文直方图进行二值化处理，即令有值的色块值设为1，无值色块值设为0，得到基准二值化直方图和待识别目标的二值化直方图；