[发明专利]一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法

说明书

本发明公开了一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法，包括对侧扫声呐图像进行预处理，使其能够与实际的海底景象信息对应；将大量侧扫声呐图像进行标注获取侧扫声呐图像语义分割的数据集；搭建语义分割神经网络，并对语义分割神经网络进行训练；训练完成的语义分割网络对需要进行匹配拼接的侧扫声呐图像进行分割，利用分割后的图像进行模板匹配获得两张侧扫声呐图像的相对位置信息；最后根据获得相对位置信息对预处理之后的侧扫声呐图像进行融合拼接。通过本发明的方法，可以解决目前侧扫声呐图像匹配方法无法对地形崎岖不平海底的侧扫声呐图像进行匹配的问题。

技术领域

本发明涉及一种侧扫声呐图像匹配拼接方法，特别是一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法，属于侧扫声呐图像处理领域。

背景技术

侧扫声呐以其分辨率高、能得到连续、清晰的二维海底地貌图像等突出的特点被广泛应用于如海底地貌勘探、水下目标探测，如海底沉船、失事飞机探测、海底底质调查等相关海洋项目之中。

侧扫声呐获得的图像并不是整个海底的地貌图像，而是根据时间顺序扫描而成的条带图像，无法直观表达地理信息，此外受侧扫声呐的成像范围或目标大小影响，兴趣目标可能存在于不同的声呐条带图像中。为了达到制作完整的海底地貌图、识别与跟踪兴趣目标等目的，需要采用图像匹配技术将侧扫声呐条带图像拼接成完整地貌图。

现有方法中侧扫声呐图像匹配方法可以分为基于角点的匹配方法、基于SIFT、SURF、非线性尺度空间为代表的特征点匹配方法以及基于块匹配方法进行匹配这三类方法。这些侧扫声呐图像匹配算法只适合处理图像中特征明显、特征稳定不变、特征较多的侧扫声呐图像。但是当海底地形不平坦(实际中的海底大多不平坦)，侧扫声呐扫描崎岖的海底，由于从不同扫测方向和不同航线扫测相同位置的海山、海沟、洋中脊等有区域特征的海底，所获得的声呐图像相应区域的形状特征也不相同，所以图像特征只能保证大体相似，这就导致直接利用模板匹配或者利用特征点匹配方法如SIFT、SURF、KAZE、ORB等常用的图像匹配方法将无法对这类侧扫声呐图像完成匹配。

综上，侧扫声呐图像在海洋探测中得到广泛应用，实际海底地形大部分情况则是不平坦的地形，但是目前的匹配方法却无法对海底崎岖的侧扫声呐图像进行匹配。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法，该发明旨在完成因海底地形崎岖不平海底的侧扫声呐图像中特征发生明显变化的图像匹配。

为解决上述技术问题，本发明给出一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法，包括以下步骤：

步骤1：将侧扫声呐数据进行解析获取原始侧扫声呐图像；

步骤2：对原始侧扫声呐图像进行预处理，包括：斜距校正、速度校正、灰度校正；

步骤3：构建侧扫声呐图像数据集：对侧扫声呐图像集进行数据标注，将侧扫声呐图像数据中具有明显区域特征图像标注为一类，包括：海山、海沟、洋中脊，其他平坦区域为另外一类，得到标注后的数据集；

步骤4：搭建语义分割神经网络，使用步骤3中标注后的数据集对网络进行训练，得到侧扫声呐图像的神经网络分割模型；

步骤5：用训练好的神经网络模型对待匹配拼接的两帧侧扫声呐图像进行分割，对分割后的图像进行模板匹配，从而获取两张侧扫声呐图像的相对位置；

步骤6：结合步骤5获取的待匹配侧扫声呐图像相对位置信息，对步骤5待匹配拼接的两帧侧扫声呐图像进行泊松融合，对泊松融合之后的图像再利用最大值融合方法进行融合获得最终的侧扫声呐图像。

本发明还包括：

1.步骤2所述斜距校正包括：

首先对侧扫声呐图像进行海底基线提取，考虑海底地形的侧扫声呐斜距模型的计算公式为：