專利名稱：基于圖像頻域方向模板目標檢測的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種數(shù)字圖像處理技術(shù)。具體地說是一種目標檢測方法。
背景技術(shù)：
判斷側(cè)掃聲納圖像目標有無是數(shù)字圖像處理技術(shù)的重要內(nèi)容之一。在數(shù)字圖像處 理的應(yīng)用領(lǐng)域中，經(jīng)常需要對目標區(qū)域進行判斷分析，首先就需要判斷目標的有無。由于水 聲成像環(huán)境的復(fù)雜性，水聲圖像目標有無的判斷是數(shù)字圖像處理技術(shù)的難題之一。文獻[1]中運用高階統(tǒng)計量的方法來判斷側(cè)掃聲納圖像中有無目標。高階統(tǒng)計量 不僅可以自動抑制高斯噪聲的影響，而且也能抑制對稱分布噪聲的影響，高階循環(huán)統(tǒng)計量 則能自動抑制任何平穩(wěn)(高斯或非高斯)噪聲的影響。高階統(tǒng)計量能夠大大超越功率譜和 相關(guān)函數(shù)的原因在于高階統(tǒng)計量包含了二階統(tǒng)計量沒有的大量信息。一般而言，聲納圖 像中如果沒有目標，圖像即為大范圍的連續(xù)區(qū)域；如果有目標存在，則會出現(xiàn)小范圍的連續(xù) 區(qū)域和目標與背景之間的躍變，在圖像的高階譜中就會反應(yīng)成幅度與相位的變化。因此使 用高階譜可以在避免了噪聲的干擾的同時，判斷目標有無。該文獻中利用圖像的雙譜，對雙 譜的幅度大小設(shè)置閾值，來判斷圖像中目標的有無情況。文獻中需要設(shè)定雙譜幅度硬性閾 值，來判斷圖像中的目標有無；而雙譜幅度會應(yīng)圖像的大小，圖像中目標亮區(qū)和目標暗區(qū)的 大小，而變化較大。因此需要結(jié)合實際的情況合理設(shè)置閾值。文獻[2]利用頻域相關(guān)和貝 葉斯概率理論分別實現(xiàn)了存在背景噪聲等因素影響下紅外圖像中的目標實時檢測和定位。與本發(fā)明相關(guān)的參考文獻包括[1]劉晨晨.高分辨率聲納成像圖像識別技術(shù)研究.哈爾濱工程大學(xué)博士學(xué)位論 文· 2006 71-78 頁；[2]Shaik, J ;Iftekharuddin, K.Μ. Detection and tracking of targets in infrared images usingBayesian techniques. Optics and Laser Technology,ν 41,η 6, ρ 832-42，S印t.2009。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種對于判斷和提取紋理較強的側(cè)掃聲納圖像中感興趣 區(qū)域(目標)有較好的效果的基于圖像頻域方向模板目標檢測的方法。本發(fā)明的目的是這樣實現(xiàn)的本發(fā)明的基于圖像頻域方向模板目標檢測的方法具體包括如下步驟1.對原始圖像進行預(yù)處理，濾波去噪；2.將側(cè)掃聲納圖像分解32X32像素大小的子圖像；為了盡可能保證每一個子圖 像包含完整的目標特征，水平方向有8像素的重合，垂直方向有8像素的重合；3.將子圖像進行歸一化，然后做二維離散傅里葉變換(2-DFT)；4.分別用水平方向、垂直方向、45°方向、135°方向的頻域模板，提取相應(yīng)的頻譜 fn息；
5.根據(jù)水平方向、垂直方向、45°方向、135°方向的頻譜信息，做二維離散傅里葉 反變換(2-IDFT)，得到各個方向的投影；6.計算子圖像各方向的投影能量；7.對子圖像各方向的投影能量求和，判斷目標有無，并粗略給出目標位置信息。本發(fā)明運用傅里葉分析工具，對側(cè)掃聲納圖像在四個方向上進行投影分解，根據(jù) 投影結(jié)果判斷是否有目標存在，在有目標存在的情況下粗略估計圖像的感興趣區(qū)域(目 標)的位置，對于判斷和提取紋理較強的側(cè)掃聲納圖像中感興趣區(qū)域(目標)有較好的效 果。該發(fā)明方法能依據(jù)需要檢測目標的尺寸，調(diào)整頻域模板的大小，使得檢測效果不會因檢 測目標大小的變化而發(fā)生改變。較一般的目標檢測方法而言，該發(fā)明方法的計算量相對較 小，同時還能夠粗略給出目標的位置信息，這樣更有利于后續(xù)處理。


圖1為原圖像預(yù)處理的結(jié)果。圖2為預(yù)處理圖像分解成32X32像素的子圖像，且水平方向和垂直方向均有8像
素重合。圖3為各子圖像的標號。圖4為水平方向模板、垂直方向模板、45°方向模板、135°方向模板。圖5為原圖像的水平投影。圖6為原圖像的垂直投影。圖7為原圖像的45°方向投影。圖8為原圖像的135°方向投影。圖9的表1為圖2分解的各個子圖像在四個方向上的投影能量、投影能量的和以 及目標有無的判斷結(jié)果。圖10為該發(fā)明方法的整體流程框圖。
具體實施例方式下面結(jié)合附圖舉例對本發(fā)明做更詳細地描述1.對原始圖像進行預(yù)處理，目的是濾波去噪得到圖1。2.將圖1分解32X32像素大小的子圖像，如圖2所示，各子圖像的編號如圖3所 示。為了盡可能保證每一個子圖像包含完整的目標特征，水平方向有8像素的重合，垂直方 向有8像素的重合。3.將子圖像進行歸一化，然后做二維離散傅里葉變換(2-DFT)，在具體實施時用 二維快速傅里葉變換代替2-DFT。歸一化處理首先求出32 X 32像素大小子圖像的像素均值，然后將32 X 32像素大 小子圖像中的每一個像素都除以其像素均值。一個大小為MXN的圖像函數(shù)f (X，y)的二維離散傅里葉變換由式(1)給出
1 Μ-\ Μ-\,、F (ρ)=丄 Σ Σ / (χ, yyj2^IM+vylN)⑴
MJS x = 0 y=0其中u = 0，l，2，…M-l，ν = 0，1，2，-N-I0
4.將圖4所示的模板分別與二維離散傅里葉變換結(jié)果F(u，ν)相乘，提取出水平 方向、垂直方向、45°方向、135°方向的頻譜信息。5.根據(jù)水平方向、垂直方向、45°方向、135°方向的頻譜信息，做一維離散傅里葉 反變換(I-IDFT)，得到各個方向的投影，如圖5，6，7，8所示。在具體實施時采用一維快速傅 里葉反變換代替1-IDFT。一維離散傅里葉反變換由表達式(2)給出 其中，χ= 0，1，2，—M-I06.計算子圖像各方向的投影能量。32X32像素大小子圖像在各個方向上的投影實際上是一維數(shù)據(jù)，各個方向上的投 影能量為 (3)式中E為能量；x(k)為一維數(shù)據(jù)下標為k處的數(shù)值。各方向模板中都剔除掉了直流分量，即令F(0，0) = 0，使得子圖像中沒有目標時， 投影能量值較小。計算出來所有32X32像素大小子圖像在各個方向上的投影能量如表1 第2列至第5列所示。7.對子圖像各方向的投影能量求和，判斷目標有無，并粗略給出目標位置信息。對子圖像在各個方向上的投影能量進行求和，如表1第6列所示。從求和的結(jié)果 可以看到當子圖像中存在目標時，其投影能量的和相對沒有目標要大很多，因此可以設(shè)定 門限從而判定在該子圖像中是否存在目標。各子圖像中目標有無的判斷結(jié)果示于表1第7 列，從有目標的子圖像編號可以粗略地估計出目標位于圖像的右下角。
權(quán)利要求
一種基于圖像頻域方向模板目標檢測的方法，其特征是(1)對原始圖像進行預(yù)處理，濾波去噪；(2)將側(cè)掃聲納圖像分解32×32像素大小的子圖像；水平方向有8像素的重合，垂直方向有8像素的重合；(3)將子圖像進行歸一化，然后做二維離散傅里葉變換；(4)分別用水平方向、垂直方向、45°方向、135°方向的頻域模板，提取相應(yīng)的頻譜信息；(5)根據(jù)水平方向、垂直方向、45°方向、135°方向的頻譜信息，做二維離散傅里葉反變換，得到各個方向的投影；(6)計算子圖像各方向的投影能量；(7)對子圖像各方向的投影能量求和，判斷目標有無，并粗略給出目標位置信息。
全文摘要
本發(fā)明提供的是一種基于圖像頻域方向模板目標檢測的方法。包括對原始圖像進行預(yù)處理，濾波去噪；將側(cè)掃聲納圖像分解32×32像素大小的子圖像；將子圖像進行歸一化，然后做二維離散傅里葉變換；提取相應(yīng)的頻譜信息；做二維離散傅里葉反變換，得到各個方向的投影；計算子圖像各方向的投影能量；對子圖像各方向的投影能量求和，判斷目標有無，并粗略給出目標位置信息。本發(fā)明運用傅里葉分析工具，利用水平方向、垂直方向、135°方向和45°方向直線模板，對側(cè)掃聲納圖像在四個方向上進行投影分解，根據(jù)投影結(jié)果判斷是否有目標存在，粗略估計圖像的感興趣區(qū)域的位置，對于判斷和提取紋理較強的側(cè)掃聲納圖像中感興趣區(qū)域有較好的效果。
文檔編號G06T5/00GK101866488SQ20101020361
公開日2010年10月20日 申請日期2010年6月21日 優(yōu)先權(quán)日2010年6月21日
發(fā)明者卞紅雨, 沈鄭燕, 羅明愿 申請人:哈爾濱工程大學(xué)