[发明专利]一种侧扫声纳目标检测方法

说明书

本发明公开了一种侧扫声纳目标检测方法。使用本发明能够有效地降低来自水面或水中的散射等造成的图像噪声以及细小噪声，处理效率高，检测正确率高。本发明首先采用基于3×3窗口的加权平均模板对侧扫声纳的图像进行低通滤波，有效地去除了图像中由水面或水中散射等原因造成的散射噪声，为后续的处理减小了处理压力和复杂度；然后采用K均值算法将声纳图像的像素分类为目标类和阴影类两类，产生两类不同的图像，便于分别对目标和阴影进行后续处理，提高了处理效率；并且采用金字塔增、减采样算法去除图像中的细小噪声；最后采用疑似目标的面积、对应的疑似阴影面积和它们的面积比率三种判据进一步去除伪目标，提高了检测正确率。

技术领域

本发明涉及数字图像处理技术领域，具体涉及一种侧扫声纳目标检测方法。

背景技术

随着科学技术的发展和对自主式水下机器人的深入研究，声纳技术得到了突飞猛进的发展。对于成像声纳的关注和研究也快速成熟，已经有了接近光学图像质量的声全息成像试验系统、声速镜成像系统等，尽管这些成像系统得到的声图像质量较好，但是不适用于现实环境。实际应用中的水下开放式环境对于传感器的要求较高，需要准确的感知周围环境的真实信息。主动声纳(Active sonar)是自主式水下机器人使用最广泛的探测设备，侧扫声纳是其中一种。

虽然侧扫声纳图像与光学图像一样，在本质上都是能量的平面或空间分布图，但是因为水声信道具有复杂和多变的特性，以及声波本身具有的投射和散射特性，使得其图像与光学图像有很大的不同。水下环境的侧扫声纳图像主要有以下特点：(1)分辨率低，声纳探测装置发射的探测声波的波长一般较长，并且探测步进角度较大，相邻波束间不是连续变化的，有一定的间隔，造成声纳图像的分辨率较低；(2)噪声干扰严重，水声信道和海洋环境复杂多变，声波在传播过程中存在衰减、混响、散射的干扰，另外海洋环境中的其他声响也是声纳图像噪声的主要来源，目标往往被淹没在这些干扰中，难以检测；(3)多径现象，多径现象是声波在传播过程中的途径传播造成的，使得一个目标有多个返回值，从而在图像中产生重影现象，难以确定目标的真实位置；(4)旁瓣，声纳波束在形成时，除了在较窄的主瓣上形成极大值以外，其旁瓣会在较宽的范围内接受信号，因此，当某一回波较强时，其附近波束的同一距离上会形成一条回波亮线，即旁瓣干扰；(5)多普勒效应，当目标运动或者机器人运动时，发射和接收的声波会产生一定的偏移，同一目标在不同时刻的声纳图像上会得到不同的外形轮廓，因而造成目标的变形和失真。

侧扫声纳是对水中目标进行检测的重要设备，如何利用侧扫声纳图像对沉底水雷进行检测和识别是一项极具挑战的工作。

发明内容

有鉴于此，本发明提供了一种侧扫声纳目标检测方法，能够有效地降低来自水面或水中的散射等造成的图像噪声以及细小噪声，处理效率高，检测正确率高。

本发明的侧扫声纳目标检测方法，包括如下步骤：

步骤1，采用基于3×3窗口的加权平均模板对侧扫声纳原始图像进行低通滤波，得到声纳图像X2；

步骤2，采用K均值聚类算法，将步骤1获得的声纳图像X2中的像素点分为目标类和阴影类，由目标类像素点生成目标图像，由阴影类像素点生成阴影图像；

步骤3，对步骤2生成的目标图像，采用高斯5×5处理核的金字塔减采样算法进行运算，然后再使用高斯5×5处理核的金字塔增采样算法对减采样运算的结果图像进行运算，得到目标图像X_T；

对步骤2生成的阴影图像，采用高斯5×5处理核的金字塔减采样算法进行运算，然后再使用高斯5×5处理核的金字塔增采样算法对减采样运算的结果图像进行运算，得到阴影图像X_S；

步骤4，采用两个固定的分割阈值分别对步骤3获得的目标图像X_T和阴影图像X_S进行阈值分割，生成以0、1表示的二值黑白目标图像和阴影图像，获得多个疑是目标，以及与疑是目标相对应的疑是阴影；