[发明专利]一种利用点聚集特性的侧扫声纳目标探测方法

摘要

本发明涉及的是数字图像处理技术领域。具体涉及一种利用点聚集特性的侧扫声纳目标探测方法。本发明包括：对侧扫声纳图像进行预处理；设定第一图像灰度初始阈值T；对侧扫声纳图像进行以阈值T进行分割，得到有效点；判断有效点个数是否在理想计算范围N以内，如果有效点个数在理想计算范围N以内，执行步骤(5)，如果有效点个数不在理想计算范围N以内，以S为速度提高阈值T，替代原有阈值，重新执行步骤(3)；得到有效点后，计算每个点的累积量。本发明提供了一种高效的分割出侧扫声纳图像中的目标的方法，对于含有构成海底强反射点的点状噪声和海底混响产生的云状噪声的侧扫声纳图像有着更好的分割效果，能够更有效的分割出聚集点。

主权项

1.一种利用点聚集特性的侧扫声纳目标探测方法，其特征在于：包括如下步骤：(1)对侧扫声纳图像进行预处理；首先把图像转换为灰度图像，然后将其二值化，之后运用形态学开运算对其进行处理；运用公式如下：X_B为开运算后的图像，X为原图像，B为开运算使用的结构元素，Θ为腐蚀运算符，为膨胀运算符；(2)设定第一图像灰度初始阈值T；T＝∑f(i,j)/m×nf(i,j)表示图像的像素点的灰度值，m、n分别是图像的行数与列数；(3)对侧扫声纳图像进行以阈值T进行分割，得到有效点；对侧扫声纳图像以阈值T进行分割，先得到有效点；将整幅图像看成一个集合A，每个像素点的灰度值即为集合中的元素a，表示为如下公式：A＝{a₁₁,a₁₂...a_mn}；B＝{b₁,b₂,...,b_k|b≥T}；C＝{c₁,c₂,...,c_l|c＜T}；m、n分别是图像的行数与列数，B表示A中大于灰度阈值T的像素点的集合，b为a中大于灰度阈值T的元素，C表示A中小于灰度阈值T的像素点的集合，c为a中大于灰度阈值T的元素；(4)判断有效点个数是否在理想计算范围N以内，如果有效点个数在理想计算范围N以内，执行步骤(5)，如果有效点个数不在理想计算范围N以内，以S为速度提高阈值T，替代原有阈值，重新执行步骤(3)；范围N的值为300，S为常数，取值范围[1,5]；有效点个数若是满足N，则执行下一步，若不满足，根据本发明数据情况，以S＝2的速度进行累加，提高阈值T，返回第三步重新进行阈值分割。累加公式为：T＝T+S；(5)得到有效点后，计算每个点的累积量；所述步骤(5)中计算每个点的累积量所使用的公式如下：其中C_i为有效点i的累积量，距离约束函数W_ij作为权值，D_ij表示第i个有效点和第j个有效点之间的欧氏距离；对于距离约束函数，有两个个备选函数方案：W_ij＝α·D_ij+βW_ij＝α·(D_ij‑θ)²+β其中α＜0，θ与β均为偏移量。(6)设定第二阈值来筛选出待测目标的像素点。