[发明专利]一种侧扫声纳目标检测方法

摘要

本发明公开了一种侧扫声纳目标检测方法。使用本发明能够有效地降低来自水面或水中的散射等造成的图像噪声以及细小噪声，处理效率高，检测正确率高。本发明首先采用基于3×3窗口的加权平均模板对侧扫声纳的图像进行低通滤波，有效地去除了图像中由水面或水中散射等原因造成的散射噪声，为后续的处理减小了处理压力和复杂度；然后采用K均值算法将声纳图像的像素分类为目标类和阴影类两类，产生两类不同的图像，便于分别对目标和阴影进行后续处理，提高了处理效率；并且采用金字塔增、减采样算法去除图像中的细小噪声；最后采用疑似目标的面积、对应的疑似阴影面积和它们的面积比率三种判据进一步去除伪目标，提高了检测正确率。

主权项

1.一种侧扫声纳目标检测方法，其特征在于，包括如下步骤：步骤1，采用基于3×3窗口的加权平均模板对侧扫声纳原始图像进行低通滤波，得到声纳图像X2；步骤2，采用K均值聚类算法，将步骤1获得的声纳图像X2中的像素点分为目标类和阴影类，由目标类像素点生成目标图像，由阴影类像素点生成阴影图像；步骤3，对步骤2生成的目标图像，采用高斯5×5处理核的金字塔减采样算法进行运算，然后再使用高斯5×5处理核的金字塔增采样算法对减采样运算的结果图像进行运算，得到目标图像X_T；对步骤2生成的阴影图像，采用高斯5×5处理核的金字塔减采样算法进行运算，然后再使用高斯5×5处理核的金字塔增采样算法对减采样运算的结果图像进行运算，得到阴影图像X_S；步骤4，采用两个固定的分割阈值分别对步骤3获得的目标图像X_T和阴影图像X_S进行阈值分割，生成以0、1表示的二值黑白目标图像和阴影图像，获得多个疑是目标，以及与疑是目标相对应的疑是阴影；步骤5，针对步骤4获得的每一个疑是目标及其对应的疑是阴影，分别采用Teh‑Chin链逼近算法计算其轮廓，然后对疑是目标和疑是阴影进行矩形拟合，获得疑是目标的拟合矩形的中心坐标点T1_cen与拟合矩形的面积T1_objArea，获得疑是目标对应的疑是阴影的拟合矩形的中心坐标点S1_cen与拟合矩形的面积S1_objArea；步骤6，对步骤4获得的所有疑是目标进行判决，判断其是否满足如下条件：(1)疑是目标的拟合矩形的面积T1_objArea大于或等于设定的阈值A，且(2)疑是目标对应的疑是阴影的拟合矩形的面积S1_objArea大于或等于设定的阈值B，且(3)rate＝T1_objArea/S1_objArea大于或等于0.7；如同时满足上述3个条件，则该疑是目标为真实目标，该疑是目标拟合矩形的中心坐标点T1_cen为真实目标的坐标；否则，该疑是目标为虚假目标。