[发明专利]基于模糊算法与分数阶微分算法的声呐图像增强方法

说明书

本发明公开了一种基于模糊算法与分数阶微分算法的声呐图像增强方法，实现了多波束前视声呐图像的增强。本发明基于经典模糊增强算法，提出一种新的模糊图像增强算法，使得在进行模糊增强运算时，计算难度大大降低。并且对于灰度值低的部分信息给与保留，增强之后的多波束前视声呐图像中所包含的信息不会减少。再此基础之上将经过前述的模糊增强算法所得到的声呐图像，应用分数阶微分算法进行锐化处理。锐化之后的声呐图像不仅清晰，而且各个信息之间的对比度得到增强。

技术领域

本发明涉及一种水下遥控机器人所携带的多波束声呐，尤其涉及一种基于模糊算法与分数阶微分算法的声呐图像增强方法，属于声呐图像处理领域。

背景技术

随着自动控制、电子计算机和电力电子技术的快速发展，水下机器人应用的越来越广泛。相比于光视觉、雷达、红外等其他探测手段，水声探测是目前水下探测最有效的方式。声呐可以对水下环境进行感知并实时处理，判断周围物体的位置、类型等信息。相比之下，光波和电磁波在水中传播不但衰减速度快，而且传播距离十分有限，只能在水文条件良好的情况下进行近距离探测，而在复杂的水下环境中作用有限，不能满足水下的实际需要。而声波在水下的传播距离较远，传播性能最好，适用于水文条件复杂多变的情况。因此，声波是水下远距离传播的首选载体，并且水声探测技术还具有抗电磁干扰能力强、隐蔽性好、目标定位精度高的特点。

随着现代光电技术的快速发展，声呐的成像精度得到了很大提高，目标探测距离也大大提升。因此，以声呐作为核心传感器，结合图像信息处理技术，可以建立一个大范围水下目标探测系统。

但是由于声信息传输信道水声信道具有复杂和多变的特性，以及声波本身的透射特性，使得前视声呐图像具有明显的自身特性。由于声学阴影和旁瓣效应，单个目标在前视声呐图像上可能分裂成多个亮斑，水中其它物体以及不平整的水下等区域会在声图像中形成弧线状的亮区。对于一个静止的目标来说，目标在声呐上的成像会由于扫描方向的不同而呈现出位置的不同。前视声呐图像的目标部分灰度级别一般相对较少，而背景部分灰度级别一般比较丰富。由于这些局限性，需要开展针对前视声呐的图像处理技术研究，并选取能有效区分各个目标的特征，才能对声呐图像进行有效目标识别。

声呐图像好坏可以说是一切工作的前提，由于多波束前视声呐所扫描形成的图像自身的局限性，以及水下环境的复杂性，因此对于声呐的去噪、特征增强显得格外重要。申请号为“201711036788.1”的专利文献公开了一种“基于深度学习技术的声呐图像目标识别方法”，由于采用深度学习的方法，需要大量的数据进行支撑，使得声呐图像的处理变得复杂。申请号为“200810064436.1”的专利文献公开了一种“基于分层MRF的声呐图像自适应分割方法”，但是此算法的可靠性需要大量的测试、图像处理的自适应性需要进一步提高。

发明内容

本发明的目的在于提供一种基于模糊算法与分数阶微分算法的声呐图像增强方法，应用于水下机器人声呐图像处理领域，运用基于ln函数的模糊增强算法，提高了对于声呐图像的处理速度，声呐图像增强效果得到增强，并在此基础之上对声呐图像运用分数阶微分算法进行锐化处理。

本发明的目的通过以下技术方案予以实现：

一种基于模糊算法与分数阶微分算法的声呐图像增强方法，包括以下步骤：首先进行声呐图像的模糊化处理，接着建立基于ln函数的模糊隶属度函数，然后确立模糊增强算子，在此基础上对基于ln函数的模糊隶属度函数进行模糊逆变换，最后进行分数阶微分运算。

本发明的目的还可以通过以下技术措施进一步实现：

前述基于模糊算法与分数阶微分算法的声呐图像增强方法，其中声呐图像的模糊化处理包括以下2个步骤：

步骤1：首先输入声呐图像，计算声呐图像中的像素灰度的最高值x_max和最低值x_min。