[发明专利]一种自适应窄带水平集的声纳图像检测方法

摘要

本发明属于图像处理技术领域，具体涉及是一种检测声纳图像的自适应窄带水平集的声纳图像检测方法。本发明包括采用各向异性的二阶邻域分布特性MRF模型的参数来描述声纳图像的纹理特征，完成声纳图像的平滑去噪处理；由块方式的k‑均值聚类算法确定声纳图像的初始分割求出代表每个窗口的三元样本，即均值、标准差、灰度最小值；初步判断目标高亮区和阴影区的大致位置，并自适应初始化零水平集函数基于自适应窄带水平集进行声纳图像检测。本发明根据声纳图像海底混响噪声严重的特点，提出设置窄带区域，完成了局部寻优，避免了已有水平集方法的全局搜索，使海底混响噪声的影响降到最小，检测结果周围噪声干扰小，提高了检测速度和精度。

主权项

一种自适应窄带水平集的声纳图像检测方法，其特征在于：(1)采用各向异性的二阶邻域分布特性MRF模型的参数来描述声纳图像的纹理特征，完成声纳图像的平滑去噪处理；(2)由块方式的k‑均值聚类算法确定声纳图像的初始分割：选择m×m的窗口，将原始声纳图像分成n个互不重叠的m×m窗口，求出代表每个窗口的三元样本，即均值、标准差、灰度最小值；(3)初步判断目标高亮区和阴影区的大致位置，并自适应初始化零水平集函数：(3.1)去除图像中含有的孤立区；(3.2)自适应初始化零水平集函数；(4)基于自适应窄带水平集进行声纳图像检测：利用简化Mumford‑Shah模型的C‑V两相和Vese‑Chan多相窄带水平集方法进行声纳图像检测，得到目标高亮区和阴影区；所述步骤(1)包括：(1.1)声参数估计：声纳图像海底混响区的分布为Gamma分布GY(y；γ,λ)，目标高亮区的分布为正比例分布ZY(y；z)来，阴影区的分布为威布尔分布WY(y；min,C,α)；y为图像各像素点的灰度值；γ为形状参数；λ为尺度参数；Γ(·)为Gamma函数；形状参数γ估计：尺度参数λ估计：对于图像中所有的像素有q＝1,2；M为图像所包含的像素总个数，正比例分布的概率密度为：y≥155为图像各像素点的灰度值；参数z的估计值为：y≥155为图像各像素点的灰度值；M为图像所包含的像素总个数；威布尔分布的概率密度为：y＞min为图像各像素点的灰度值；C＞0为形状参数；α＞0为尺度参数；由最大似然估计，得到参数估计值：为图像灰度序列中的最小像素值；yi为像素点的灰度值；M为图像所含像素的总个数；(1.2)空间邻域MRF模型参数估计：声纳图像f在平面Ω上具有与邻域系统η相关的MRF性，f中的一个位置s，其二阶邻域系统为建立的空间邻域MRF模型参数β(i,j)：Ts矩阵为：fs+(i,j)是声纳图像f中的一个位置s的二阶邻域内像素点的像素值β(i,j)用最小二乘法可求得参数的估计值为：(1.3)平滑去噪：将平滑去噪声纳图像f用一个与二阶对称邻域系统相关的分布特性MRF模型来描述：对于声纳图像中的每一个像素点，分别计算服从海底混响区、阴影和目标高亮区的分布，对于每一个像素点的计算结果，取最大的值作为FB的值；所述步骤(2)包括：(2.1)设聚类数为q，选q个窗口的三元样本作为初始聚类中心，将其他窗口的三元样本归类到与它欧氏距离最小的聚类中心所代表的类上；(2.2)通过求每个类所有窗口三元样本的均值，更新聚类中心，并重新聚类；(2.3)重复步骤(2.2)，直到聚类中心不变；所述步骤(3)包括：在块方式的k‑均值聚类算法确定声纳图像的阴影区或者目标高亮区和阴影区后，采用数学形态学开操作去除孤立区，得到二值图像结果，对二值图像上目标的边缘点用灰度值255标记，其它用灰度值0标记，得到标记结果图，根据标记结果重新扫描整幅图像，当遇到白色的点时，将这个点周围(2×range)×range矩阵区域的白色去除，记录这个区域的坐标位置，通过坐标位置和矩阵的长宽确定圆的中心坐标位置和圆的半径，依次扫描直到整幅图像结束确定圆的个数，即自适应确定初始水平集函数；所述步骤(4)包括：根据零水平集建立窄带区域，然后根据迭代方程求水平集函数值，判断是否收敛，如果收敛结束迭代，得到检测结果；否则重新建立窄带区域，简化Mumford‑Shah模型的C‑V两相窄带水平集方法的窄带函数为r为窄带区域宽度的一半，(x,y)表示图像空间上的二维连续坐标，欧拉‑拉格朗日方程为Vese‑Chan多相水平集的窄带方法为r为窄带区域宽度的一半，+为逻辑运算或，欧拉‑拉格朗日方程为(xC,yC)是闭合曲线C上的二维连续坐标，φ是根据初始闭合曲线C构造的符号距离函数，即φ(xC,yC)＝0，设表示图像平面，是平滑去噪后的声纳图像，有n个水平集函数i＝1,2,…,n，δ(·)是狄拉克函数，c是一个常数向量；且c＝(c11,c10,c01,c00)，曲线C内部的灰度平均值为ci，曲线C外部的灰度平均值为co，多相水平集方法的参数为μ＝1，ν＝0，λi＝λo＝1，