本發(fā)明涉及一種基于像素點分層的聲納圖像目標檢測方法。

背景技術(shù)：
聲納圖像目標檢測的目的是從復(fù)雜海底混響背景中提取出目標和陰影區(qū)域，并盡量保留圖像原始邊緣信息，它是圖像分析的關(guān)鍵步驟。只有在聲納圖像準確分割的基礎(chǔ)上，才能對水下目標進行特征提取和參數(shù)測量，使得更高層次的聲納圖像分析和識別成為可能。但是由于水下聲場環(huán)境的復(fù)雜性和聲納設(shè)備成像的非線性，所采集到的水下聲納圖像具有對比度低、成像質(zhì)量差、受噪聲污染嚴重等特點。傳統(tǒng)的基于邊緣信息或統(tǒng)計信息的目標檢測方法難以取得高精度、魯棒性強的檢測結(jié)果。圖像分層一般用于大容量圖像的處理以及對彩色圖像的處理等。分層方法也是多種多樣，如利用傅里葉變換進行頻域圖像分層，利用小波變換對圖像不同方向的細節(jié)進行分層以及利用經(jīng)驗?zāi)Ｊ蕉喑叨确椒▽D像分成不同細節(jié)層等。與本發(fā)明最相關(guān)的現(xiàn)有技術(shù)是“基于圖像頻域方向模板目標檢測的方法”專利(公開號CN101866488A)，其采用的是通過傅里葉變換將圖像變換到頻域，然后在水平方向、垂直方向、45°和135°方向上對側(cè)掃聲納圖像進行分解，然后根據(jù)投影結(jié)果判斷是否有目標存在。其方法適用于具有較強紋理特征的側(cè)掃聲納圖像，對于包含小目標的聲納圖像其方法完全失效。

技術(shù)實現(xiàn)要素：
本發(fā)明目的在于提供一種基于像素點分層的聲納圖像目標檢測方法，能夠檢測出沒有陰影、輪廓不清晰且無明顯紋理特征的聲納圖像小目標。實現(xiàn)本發(fā)明目的技術(shù)方案：一種基于像素點分層的聲納圖像目標檢測方法，其特征在于:步驟1：從聲納設(shè)備讀取原始聲納圖像；步驟2：將聲納圖像的灰度級線性映射到0-255范圍內(nèi)；步驟3：根據(jù)目標灰度平均值om與背景灰度平均值gm的差異度確定閾值p，對聲納圖像進行初始分割；步驟4：聲納圖像閾值分割后，形成面積大小不等的區(qū)域，標記各個8連通域；步驟5：篩選被標記的區(qū)域；步驟6：將篩選出的圖像分層；步驟7：找出各個區(qū)域的中心點；設(shè)目標外接矩形長邊為a，以該中心點為中心，分割出a*a大小的圖像，并將這些圖像標號，標記為z1，z2，z3，…zn；步驟8：求取可能性系數(shù)q，m，n：q由人工確定；m＝各層中每個類中像素點的個數(shù)；n＝亮點數(shù)/區(qū)域面積，其中，亮點數(shù)為各個層中每個類中包含的亮點個數(shù)，區(qū)域面積為該類的最小外接圓的面積；步驟9：計算各區(qū)域最小外接矩形和橢圓的形態(tài)學特征，對各區(qū)域進行篩選；步驟10：根據(jù)可能性系數(shù)和目標形態(tài)學特征檢測并分割出目標區(qū)域；步驟11：輸出目標被標記的聲納圖像。步驟6中，第一層c1為灰度值g大于om的像素點的集合；第二層c2為灰度值g為om-gm<g<om的像素點的集合；第三層c3為灰度值g在gm<g<om-gm之間的像素點的集合；分別處理各層的圖像；灰度值在gm以下的像素點直接濾除，不做處理。步驟10中，設(shè)目標可能性為T，T∈{t1，t2，t3，…tn}，t1，t2，t3，…tn為圖像z1，z2，z3，…zn對應(yīng)的目標可能性，計算公式如下，式中，j＝1,2,…,n，n為分割出的區(qū)域個數(shù)。ci表示圖像的層數(shù)，qi、ni、mi為可能性系數(shù)，其中，ni＝亮點數(shù)/區(qū)域面積，所說的亮點數(shù)為ci層中每個類 中包含的亮點個數(shù)，區(qū)域面積為該類的最小外接圓的面積；mi為ci層中每個類中像素點的個數(shù)；qi由人工設(shè)定；若T>TTH，TTH為根據(jù)實際目標的特點確定的閾值,則為目標，反之則不是目標。步驟9中，計算各個區(qū)域的最小外接矩形的長寬比LW，如果LW>LWTH，則去掉這個區(qū)域；計算各個區(qū)域的最小外接橢圓的偏心率e，如果e>eTH，則去掉這個區(qū)域，其中LWTH和eTH是根據(jù)目標真實目標的尺寸確定的閾值。步驟5中，去掉面積過大的區(qū)域和面積過小的區(qū)域，去掉沒有包含灰度值g大于目標灰度平均值om的點的區(qū)域。本發(fā)明具有的有益效果：本發(fā)明根據(jù)聲納圖像噪聲多，分辨率低等特點提出的基于像素點的目標檢測方法，即將聲納圖像看作是一群像素點的集合，然后結(jié)合深度圖像的特點，人為給聲納圖像添加“深度”信息，即將圖像分層，并為各層數(shù)據(jù)配以系數(shù)表征這個“深度”。本發(fā)明尤其適用于目標尺寸小，目標輪廓不清晰的聲納目標檢測。本發(fā)明充分利用了聲納圖像的特點，經(jīng)實驗證明，與現(xiàn)有高精度聲納圖像目標檢測方法相比，本發(fā)明在保證高精度聲納圖像目標檢測前提下，計算量小、對聲納圖像目標的檢測更加快速。附圖說明圖1是本發(fā)明方法流程框圖；圖2是實例1原始聲納圖像；圖3是實例1的初始分割聲納圖；圖4是實例1的像素點分層圖(g>om)；圖5是實例1的像素點分層圖(om-gm<g<om)；圖6是實例1的像素點分層圖(gm<g<om-gm)；圖7是實例1的像素點分層圖(g<gm)；圖8是實例1的去掉面積不符合要求后的圖像；圖9是實例1的中間處理圖像；圖10是實例1的分割后的目標圖像；圖11是實例1的檢測出的目標標記圖；圖12是實例2的原始聲納圖像；圖13是實例2的初始分割聲納圖；圖14是實例2的像素點分層圖(g>om)；圖15是實例2的像素點分層圖(om-gm<g<om)；圖16是實例2的像素點分層圖(gm<g<om-gm)；圖17是實例2的像素點分層圖(g<gm)；圖18是實例2的去掉面積不符合要求后的圖像；圖19是實例2的中間處理圖像；圖20是實例2的分割后的目標圖像；圖21是實例2的檢測出的目標標記圖。具體實施方式如圖1所示，本發(fā)明基于像素點分層的聲納圖像目標檢測方法包括如下步驟：步驟1：從聲納設(shè)備讀取原始聲納圖像；步驟2：將聲納圖像的灰度級線性映射到0-255范圍內(nèi)；步驟3：初始閾值分割：選擇5*5的模板對聲納圖像進行中值濾波?？紤]到聲納圖像噪聲比較大，若采用3*3的模板濾波效果并不明顯，而采用7*7或更大鄰域的模板會延長聲納圖像處理的時間，并且使得本來就不清晰的目標更加模糊。因此采用5*5的模板對聲納圖像進行濾波，得到的濾波后的圖像效果比較理想。根據(jù)目標灰度平均值om與背景灰度平均值gm的差異度確定閾值p，進行初始分割。步驟4：標記區(qū)域：聲納圖像閾值分割后，轉(zhuǎn)化成二值圖像L，形成面積大小不等的區(qū)域。用數(shù)字標記L的各個8連通域，從1開始標記，其中，區(qū)域的像素值為區(qū)域本身的標號。步驟5：篩選被標記的區(qū)域；去掉面積過大的區(qū)域和面積過小的區(qū)域。去掉沒有包含灰度值g大于目標灰度平均值om的點的區(qū)域。找出亮目標區(qū)g>om的像素個數(shù)n的最小值n0，即 n0＝min{n}。如果當前區(qū)域包含的灰度值om以上的像素點少于n0個則去掉這個區(qū)域。g表示圖像F某一點(x,y)的灰度值，om為目標灰度平均值，gm為背景灰度平均值，om和gm均為經(jīng)驗值。具體方法為，選取大于某個閾值th的像素點，求取這些像素點的灰度平均值，作為目標的像素點平均值。由于目標區(qū)域灰度平均值比背景區(qū)域灰度平均值高，th用一個估計值表示。gm可以用類似的方法得到。步驟6：將篩選出的圖像分層；第一層c1為灰度值g大于om的像素點的集合；第二層c2為灰度值g為om-gm<g<om(gm為背景灰度平均值)的像素點的集合；第三層c3為灰度值g在gm<g<om-gm之間的像素點的集合；分別處理各層的圖像。灰度值在gm以下的像素點主要包含背景噪聲，直接濾除，不做處理。步驟7：找出各個區(qū)域的中心點；設(shè)目標外接矩形長邊為a，以該中心點為中心，分割出a*a大小的圖像，并將這些圖像標號，標記為z1，z2，z3，…zn；步驟8：求取可能性系數(shù)q，m，n：定義一個系數(shù)q＝q1，q2，q3，表征各個層中的點是目標的可能性大小；定義一個系數(shù)m＝m1，m2，m3，…，表征亮點數(shù)越多，是目標的可能性越大；定義一個系數(shù)n＝n1，n2，n3，…，表征亮點越密集，是目標的可能性越大。其中，q，m，n均為大于0的實數(shù)。q由人工確定；m＝各層中每個類中像素點的個數(shù)；n＝亮點數(shù)/區(qū)域面積。其中，亮點數(shù)為各個層中每個類中包含的亮點個數(shù)，區(qū)域面積為該類的最小外接圓的面積。步驟9：計算各區(qū)域最小外接矩形和橢圓的形態(tài)學特征，對各區(qū)域進行篩選；計算各個區(qū)域的最小外接矩形的長寬比LW。如果LW>LWTH，則去掉這個區(qū)域；計算各個區(qū)域的最小外接橢圓的偏心率e。如果e>eTH，則去掉這個區(qū)域。其中閾值LWTH和eTH是根據(jù)目標真實目標的尺寸確定的閾值。檢測不同的目標需要設(shè)定不同的閾值。步驟10：根據(jù)可能性系數(shù)和目標形態(tài)學特征檢測并分割出目標區(qū)域；設(shè)目標可能性為T，T∈{t1，t2，t3，…tn}，t1，t2，t3，…tn為圖像z1，z2，z3，…zn對應(yīng)的目標可能性，計算公式如下，式中，j＝1,2,…,n，n為分割出的區(qū)域個數(shù)。ci表示圖像的層數(shù)，qi、ni、mi為可能性系數(shù)，其中，ni＝亮點數(shù)/區(qū)域面積，所說的亮點數(shù)為ci層中每個類中包含的亮點個數(shù)，區(qū)域面積為該類的最小外接圓的面積；mi為ci層中每個類中像素點的個數(shù)；qi由人工設(shè)定；若T>TTH，TTH為根據(jù)實際目標的特點確定的閾值,則為目標，反之則不是目標。步驟11：輸出目標被標記的聲納圖像。若原始聲納圖像包含經(jīng)緯度信息，還可輸出目標的經(jīng)緯度信息。