[发明专利]一种侧扫声呐影像的阴影判别方法

说明书

本发明涉及侧扫声呐的技术领域，具体是涉及一种侧扫声呐影像的阴影判别方法，使用了曲线分析与灰度峰值比相结合的方式进行筛选判读，其包括如下步骤：S1、读取侧扫声呐影像；S2、生成统计曲线；S3、灰度峰值点筛除；S4、选取灰度对比值；S5、定义阴影灰度峰值；S6、峰值比判断。本发明可以对侧扫声呐的侧扫影像是否有阴影进行判别，避免阴影部分影响进一步的影像分割过程。

技术领域

本发明涉及侧扫声呐的技术领域，尤其是涉及一种侧扫声呐影像的阴影判别方法。

背景技术

侧扫声呐图像在水下目标搜寻和障碍物探测等领域有着广泛的应用。尤其是由于近年来重要战略航道鱼雷、水雷等布设密度加大的原因，侧扫声呐图像分割与目标识别的需求也越来越旺盛。

申请公布号为CN110675410A的发明专利公开了一种基于选择性搜索算法的侧扫声呐沉船目标非监督探测方法，包括：对侧扫声呐条带瀑布图像进行预处理；根据侧扫声呐基本特征，基于先验知识将条带瀑布图像分为水柱区，目标区(阴影区)和纯海底背景区，并基于选择性搜索策略分割侧扫声呐瀑布图像为上述区域；定义若干相似性测度，计算各区域的相似性测度并取加权值作为最终测度值；输出沉船目标检测结果。

上述技术方案中涉及到了将图像分为水柱区、目标区（阴影区）和纯海底背景区，这样划分的目的是当侧扫声呐影像有阴影时，会对分割结果产生严重影响。因此有必要在影像分割前，对侧扫声呐影像是否含有阴影进行判别。但是目前并未专门针对侧扫声呐影像的阴影判别的算法，为提高批量判别效率，有必要研发侧扫声呐影像阴影自动判别算法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种侧扫声呐影像的阴影判别方法。

为了实现上述目的，本发明采用了如下技术方案：

一种侧扫声呐影像的阴影判别方法，使用了曲线分析与灰度峰值比相结合的方式进行筛选判读，其包括如下步骤：

S1、读取侧扫影像：读取侧扫声呐影像，然后进行灰度统计；

S2、生成统计曲线：根据S1的灰度统计结果生成灰度统计曲线，并获得灰度曲线上的各个峰值点；

S3、峰值点筛除：对S2得到的峰值点进行筛选，剔除干扰峰值点，保留有效峰值点E，所述有效峰值点E包括有效横坐标X和有效纵坐标Y，其中X代表灰度值，Y代表灰度统计数的峰值；

S4、选取灰度对比值：从灰度值区间[35,75]中选取灰度对比值M；

S5、定义阴影灰度峰值：通过S4中的灰度对比值M与所有有效峰值E的有效横坐标X进行对比，存在以下几种情况：

若所有有效横坐标X≥灰度对比值M，则判别侧扫影像无阴影；

若一部分有效横坐标X≥灰度对比值M，其余有效横坐标X＜灰度对比值M，则剔除前一部分有效横坐标X，选取后一部分有效横坐标X中的最大值，将此有效横坐标X对应的有效纵坐标Y定义为P1，选取统计曲线中所有峰值最大的有效纵坐标Y定义为P2；

S6、峰值比判断：将S4得到的峰值数值进行占比分析，所述占比分析依据的数学公式为：

R=P1÷P2

其中，R为阴影灰度峰值占比数，P1为S5中最大值的有效横坐标X对应的有效纵坐标Y，即灰度小于灰度对比值M的最大峰值，P2为S5中得到的统计曲线中的最大峰值；

判断R的数值大小，存在以下几种情况：

若R＞0.1，则判别侧扫影像有阴影；

若R≦0.1，则判别侧扫影像无阴影。

优选的，所述S2中，获得灰度峰值点采用信号处理法。