[发明专利]一种侧扫声呐条带图像公共覆盖区图像融合方法及系统

权利要求书

1.一种侧扫声呐条带图像公共覆盖区图像融合方法，其特征在于，包括如下步骤：

1)对两幅侧扫声呐条带图像的公共覆盖区进行灰度统计，判断两幅侧扫声呐条带图像是否存在系统偏差；若存在系统偏差，对图像进行系统偏差消除；

2)根据分类算法对公共覆盖区的两幅侧扫声呐条带图像灰度进行分类，具体为：采用统计法，建立图像灰度共生矩阵P，根据图像灰度共生矩阵P计算各像素点纹理描述参数，包括角二阶矩ACM、相关系数COR、对比度CON和熵ENT，对各像素的纹理描述参数进行底质分类；

3)获得公共覆盖区每个像素的底质后，根据同名像素点的底质与周围像素底质一致性，计算图像融合后同名像素点的灰度值，实现两幅侧扫声呐条带图像公共覆盖区在同名像素点上的融合。

2.根据权利要求1所述的侧扫声呐条带图像公共覆盖区图像融合方法，其特征在于，所述步骤1)中判断两幅侧扫声呐条带图像中是否存在系统偏差的过程为：计算两幅侧扫声呐条带图像在公共覆盖区的灰度差值的平均值，灰度差值为每个同名像素的灰度差值；若灰度差值的平均值不超过预设允许误差，则表明两幅侧扫声呐条带图像无系统偏差；若灰度差值的平均值超过预设允许误差，则表明两幅侧扫声呐条带图像存在系统偏差；

定义两幅侧扫声呐条带图像在公共覆盖区灰度的差值的平均值为dG_mean，则

若dG_mean≤ε，则两幅侧扫声呐条带图像无系统偏差；

若dG_mean＞ε，则两幅侧扫声呐条带图像存在系统偏差，进行系统偏差消除，即G_1-m＝G_1-m-dG_mean；

其中，G_1-m、G_2-m分别为第m个格网在第一幅侧扫声呐条带图像和第二幅侧扫声呐条带图像中的像素，n为公共覆盖区像素的个数，ε为预设允许误差。

3.根据权利要求1所述的侧扫声呐条带图像公共覆盖区图像融合方法，其特征在于，所述步骤2)中底质分类的过程为采用K-means++算法进行分类，包括：

3.1)初始化类别数k，即建立k个聚类中心；

3.2)计算侧扫声呐条带图像中每个像素点灰度值到聚类中心的灰度偏差，并对每个像素点分类；

3.3)根据新的分类结果，再建立k个新的聚类中心，计算每个像素点灰度值到新的聚类中心的灰度偏差，重新对每个像素点分类；

3.4)重复步骤3.2)和3.3)，直至前后两次对应的聚类中心的灰度偏差小于设定阈值，得到最终分类结果。

4.根据权利要求1所述的侧扫声呐条带图像公共覆盖区图像融合方法，其特征在于，所述步骤3)还包括判断侧扫声呐条带图像中同名像素点的底质与周围像素底质的一致性；

若同名像素点的底质与周围像素底质一致，则满足：

其中，Sedim表示沉积物类型，δ1～δ4分别表示角二阶矩限差、相关系数限差、对比度限差和信息熵限差，下标为0的各纹理描述参数表示同名像素点的纹理描述参数，下标为i的各纹理描述参数表示同名像素点周围的像素的纹理描述参数。