[发明专利]一种基于5G网联的AUV水下寻物方法及系统

权利要求书

1.一种基于5G网联的AUV水下寻物方法，其特征在于：包括以下步骤：

步骤S1：构建对搜索水域的水下三维地图，以及建立基站数据库，所述基站数据库包括若干需要搜索的目标物图像；

步骤S2：将所述水下三维地图通过栅格法结合神经元网络算法进行划分，得到水下机器人路径规划区域；

在步骤S2中，神经元网络算法中神经元活性变化规律如公式(3)表示：

其中，u_k为神经元网络中神经元k的活性值；u_l是与神经元k相邻的神经元l的活性值；参数A、B、D为正常数，-A反映神经元k的活性值u_k的衰减速率；B和D分别是u_k的上下限值，即u_k∈[-D，B]；I_k表示神经元k的外部输入信号，当I_k＞0表示激励信号，当I_k＜0表示抑制信号；表示能对神经元k产生激励信号的神经元限定在与其位置距离不超过的周边神经元区域内，即周边26个神经元；

w_kl表示神经元k与l之间的神经元连接权系数，如公式(4)表示：

其中，|kl|表示神经网络中神经元k与神经元l的距离，μ为常系数；

步骤S3：在所述水下机器人路径规划区域内标记多个可疑点三维坐标位置；

步骤S4：在可疑点三维坐标位置获取第一可疑物图像，并对所述第一可疑物图像进行图像处理，得到第二可疑物图像；

在步骤S4中，具体包括以下子步骤：

步骤S41：对所述第一可疑物图像进行预处理，得到预处理后的第一可疑物图像；

步骤S42：对预处理后的第一可疑物图像进行精细化处理，得到第二可疑物图像；

在步骤S42中，具体包括以下步骤：

步骤S421：初始化迭代次数F，第一系数向量a_c的最大长度L_cmax，第二系数向量a_t的最大长度L_tmax，松弛系数λ，以及第一阈值δ_c和第二阈值δ_t，其中，δ_c＝λ*L_cmax，δ_t＝λ*L_tmax，并对预处理后的第一可疑物图像X进行F次迭代；

步骤S422：若图像高频信号X_t保持不变，更新图像低频信号X_c，计算图像低频信号更新后剩余部分X‘_c，其中，X‘_c＝X-X_c；

计算第一系数向量a_c，其中，为X‘_c的稀疏表示，并通过软阈值法确定第一系数向量a_c，通过设置阈值为δ_c处理第一系数向量a_c，得到处理后的第一系数通过变换重构X_c，得到重构图像低频信号X″_c，其中，T_c为X_c的稀疏表示结构信息；

步骤S423：若图像低频信号X_c保持不变，更新图像高频信号X_t，计算图像高频信号更新后剩余部分X‘_t＝X-X_t；

计算第二系数向量a_t，其中，为X‘_t的稀疏表示，并通过软阈值法确定第二系数向量a_t，通过设置阈值为δ_t处理第二系数向量a_t，得到处理后的第二系数通过变换重构X_t，得到重构图像高频信号X″_t，其中，T_t为X_t的稀疏表示结构信息；

步骤S424：更新第一阈值δ_c，使δ_c＝δ_c-λ，若δ_c＜λ算法结束；或者更新第二阈值δ_t，使δ_t＝δ_t-λ，若δ_t＜λ算法结束；

步骤S425：对重构图像低频信号X″_c的灰度图像进行尺度Retinex增强，输入高斯环绕尺度c，在离散条件下，积分转换为求和，确定尺度参数λ_R数值；

步骤S426：由公式(1)计算得到X_r(x，y)；

对于单尺度，输入图像为S(x，y)，亮度图像为L(x，y)，反射图像为R(x，y)；

其中X_r(x，y)为第一输出图像，*为卷积操作符，F(x，y)为中心围绕函数，c为高斯环绕尺度且∫∫F(x，y)dxdy＝1；

步骤S427：将X_r(x，y)从对数域转换到实数域，进行线性拉伸得到第二输出图像X_cR(x，y)，即增强后的低频结构图像X_cR，并以Double形式存储；

步骤S428：使用K-SVD算法进行降噪处理，选择滑动因子s＝1，尺度为的窗口，对输入尺度为采集图像I，按块迭代策略得到向量集合其中，y_i是第i个迭代块向量，M为迭代块向量的个数，满足N为输入图像中像素块的总个数，n为输入图像中像素块的个数；

步骤S429：通过随机采样的方法对向量集合Y进行采样，并将采样的块向量提取到训练样本集合其中，y′_i是第i个训练样本，M′是训练样本数目，且0＜M′≤M；

步骤S4210：对训练样本集合Y′进行基于稀疏K-SVD方法的字典训练，获得稀疏字典

步骤S4211：按照公式将稀疏字典带入获得训练字典其中，A为基础字典；

步骤S4212：对得到的训练字典使用OMP-cholesky算法稀疏编码对所有重叠块的向量集合Y，得到稀疏矩阵R_ij为图像重叠块提取操作符；由公式得到Y的估计降噪后的高频纹理图像由公式(2)所得：

步骤S4213：对增强后的低频结构图像X_cR与降噪后的高频纹理图像进行加性操作，得到水下图像L(x，y)，即第二可疑物图像；

步骤S5：将所述第二可疑物图像与需要搜索的目标物图像进行比对，若所述第二可疑物图像与需要搜索的目标物图像一致，则代表搜索成功；若所述第二可疑物图像与需要搜索的目标物图像不一致，则代表搜索不成功。