一種基于主動輪廓的聲吶圖像水雷目標(biāo)識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像的自動目標(biāo)識別領(lǐng)域，尤其涉及聲吶圖像的水雷目標(biāo)識別方法。
【背景技術(shù)】
[0002] 聲吶是測繪海底地貌的水下遙感設(shè)備，是海底測繪的有力工具。它的工作原理為： 聲脈沖從換能器發(fā)出，以球面波向遠(yuǎn)處傳播，海底產(chǎn)生的反向散射波陸續(xù)傳回?fù)Q能器，通過 圖示設(shè)備顯示回波信號，構(gòu)成一幅反映海底地質(zhì)特性的圖像。
[0003] 如圖1所示，聲吶圖像按灰度分布分為3個(gè)區(qū)域：回波區(qū)（目標(biāo)區(qū))、聲影區(qū)和背景 區(qū)?；夭▍^(qū)的回波較強(qiáng)，是圖像中較亮的區(qū)域，背景區(qū)回波弱，在圖像中較暗，無回波區(qū)形成 聲影區(qū)，是圖像中最暗的部分。聲吶圖像有以下特點(diǎn)：1、回波強(qiáng)度與結(jié)構(gòu)受到諸多因素的影 響而呈現(xiàn)強(qiáng)烈的變化。2、聲吶圖像一般噪聲大，邊緣差，形狀畸變比較嚴(yán)重，圖像強(qiáng)度不均 勻。3、一般情況下，聲影區(qū)的特征比較穩(wěn)定。
[0004] 聲吶圖像的目標(biāo)自動識別技術(shù)將數(shù)字圖像處理與模式識別技術(shù)應(yīng)用于水聲領(lǐng)域， 該研究領(lǐng)域在近幾年才得到重視和發(fā)展。由于水下成像環(huán)境的復(fù)雜性，而且不同成像聲吶 系統(tǒng)在分辨率等參數(shù)上存在差異，目標(biāo)所成的像受到目標(biāo)本身的特性影響較大。所以水聲 圖像的自動目標(biāo)識別還集中在理論研究上，離實(shí)際應(yīng)用尚有一定的距離。綜合國內(nèi)外的相 關(guān)文獻(xiàn)，目前應(yīng)用于聲吶圖像的識別算法主要有：匹配濾波算法、摩爾鄰域跟蹤算法、基于 分形的方法、水平集分割算法、馬爾可夫隨機(jī)場模型和基于譜聚類的聲吶圖像分割算法。其 中針對聲吶圖像水雷目標(biāo)識別的研究公開發(fā)表的較少，至今還沒有一種識別算法能夠很好 地識別水雷。
[0005] 由于聲吶圖像具有噪聲污染嚴(yán)重、強(qiáng)度不均勻、目標(biāo)邊界模糊的特點(diǎn)，如果采用一 般的方法很難達(dá)到較好的提取效果。主動輪廓法是一種基于全局的算法，受噪聲的影響較 小，因此本文研究基于主動輪廓模型的方法來識別目標(biāo)。主動輪廓模型主要分為兩類：基 于邊緣的和基于區(qū)域的。由于聲吶圖像中目標(biāo)的邊緣比較模糊，如果采用基于邊緣的輪廓 演化模型，在演化過程中很可能會發(fā)生邊緣泄露現(xiàn)象。因此采用基于區(qū)域的輪廓演化模型： Chan-Vese模型，簡稱C-V模型。在C-V模型的基礎(chǔ)上，加入水雷目標(biāo)的形狀特征和聲吶圖 像的灰度特征，得到一種基于多相水平集的形狀保持主動輪廓模型的識別方法。

【發(fā)明內(nèi)容】

[0006] 為解決聲吶圖像噪聲大、目標(biāo)邊緣模糊等特點(diǎn)對水雷識別的影響，本發(fā)明根據(jù)水 雷目標(biāo)在聲吶圖像中的形狀特征和灰度特征，采用Chan-Vese模型的演化思想，提出了一 種基于超橢圓形狀約束的多相水平集主動輪廓模型。
[0007] 本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：一種基于主動輪廓的聲吶圖像水雷 目標(biāo)識別方法，包括以下步驟：
[0008] 根據(jù)水雷目標(biāo)的形狀特征，在主動輪廓模型中引入超橢圓形狀約束的水平集函 數(shù)；
[0009] 根據(jù)聲吶圖像中目標(biāo)聲影區(qū)的特征，在主動輪廓模型中引入多相水平集函數(shù)，從 而將聲吶圖像分為三個(gè)區(qū)域：背景區(qū)、目標(biāo)區(qū)、聲影區(qū)；
[0010] 以目標(biāo)區(qū)和聲影區(qū)的灰度均值之差最小作為演化目標(biāo)，即水雷目標(biāo)聲影區(qū)的能量 函數(shù)最小；
[0011] 對多相水平集的超橢圓約束的主動輪廓模型使用梯度下降法求解，得到主動輪廓 模型的參數(shù)演化方程。
[0012] 所述超橢圓形狀約束的水平集函數(shù)為：
[0013]
【主權(quán)項(xiàng)】
1. 一種基于主動輪廓的聲吶圖像水雷目標(biāo)識別方法，其特征在于，包括以下步驟： 根據(jù)水雷目標(biāo)的形狀特征，在主動輪廓模型中引入超橢圓形狀約束的水平集函數(shù)； 根據(jù)聲吶圖像中目標(biāo)聲影區(qū)的特征，在主動輪廓模型中引入多相水平集函數(shù)，從而將 聲吶圖像分為三個(gè)區(qū)域：背景區(qū)、目標(biāo)區(qū)、聲影區(qū)； 以目標(biāo)區(qū)和聲影區(qū)的灰度均值之差最小作為演化目標(biāo)，即水雷目標(biāo)聲影區(qū)的能量函數(shù) 最??； 對多相水平集的超橢圓約束的主動輪廓模型使用梯度下降法求解，得到主動輪廓模型 的參數(shù)演化方程。
2. 根據(jù)權(quán)利要求1所述的一種基于主動輪廓的聲吶圖像水雷目標(biāo)識別方法，其特征在 于，所述超橢圓形狀約束的水平集函數(shù)為：
其中，（x〇, y〇)為超橢圓中心的坐標(biāo)，a、b分別為超橢圓的長軸和短軸，Θ為超橢圓的 旋轉(zhuǎn)角度。
3. 根據(jù)權(quán)利要求1所述的一種基于主動輪廓的聲吶圖像水雷目標(biāo)識別方法，其特征在 于，所述多相水平集函數(shù)引入的另一個(gè)水平集函數(shù)為：
其中，（x〇, y〇)為超橢圓中心的坐標(biāo)，a、b分別為超橢圓的長軸和短軸，Θ為超橢圓的 旋轉(zhuǎn)角度。
4. 根據(jù)權(quán)利要求2或3所述的一種基于主動輪廓的聲吶圖像水雷目標(biāo)識別方法，其特 征在于，所述三個(gè)區(qū)域的劃分具體為：當(dāng)供< 〇時(shí)表示聲吶圖像的背景區(qū)，當(dāng)？>>〇且灼>〇 時(shí)表示聲吶圖像的目標(biāo)區(qū)，當(dāng)免> 0且仍< O時(shí)表示聲吶圖像的聲影區(qū)。
5. 根據(jù)權(quán)利要求1所述的一種基于主動輪廓的聲吶圖像水雷目標(biāo)識別方法，其特征在 于，所述水雷目標(biāo)聲影區(qū)的能量函數(shù)為：
其中，C11為目標(biāo)區(qū)的灰度均值，C12為聲影區(qū)的灰度均值，C2為背景區(qū)的灰度均值， //(9)//(?)表達(dá)了目標(biāo)區(qū)域，//(的(1-//(釣))表達(dá)了聲影區(qū)域，（1-丑⑷))表達(dá)了背景區(qū)域， H⑷)表達(dá)了整個(gè)超橢圓的內(nèi)部區(qū)域。
6. 根據(jù)權(quán)利要求5所述的一種基于主動輪廓的聲吶圖像水雷目標(biāo)識別方法，其特征在 于，所述對多相水平集的超橢圓約束的主動輪廓模型使用梯度下降法求解，得到主動輪廓 模型的參數(shù)演化方程，包括以下步驟： 第一步：把P和奶當(dāng)作常量，方程（5)兩邊分別對cn、c12和C2進(jìn)行求導(dǎo)，第四項(xiàng)當(dāng)作常 數(shù)項(xiàng)不予考慮，：
第二步：把cn、C12和C2當(dāng)作常量，方程（5)兩邊分別對0和&進(jìn)行求導(dǎo)，并令#; = 〇，ψ ψ\ 〇Φ C C 'T I
其中，料Pt都是變量X(l、yQ、a、b、Θ這五個(gè)參數(shù)的函數(shù)； 第三步：將（5)式對X(l、y(l、a、b、Θ五個(gè)參數(shù)求偏微分，然后引入時(shí)間t，利用梯度下降 法，得到參數(shù)演化方程： 當(dāng)a〈b時(shí)，
當(dāng)a>b時(shí)，
在式（14)、（15)中，
為（3)式的水平集函數(shù)對上述五個(gè)參數(shù)求偏微分得到的偏微分方程，其中， A= (x-x〇) cos Θ + (y-y0) sin θ B=- (χ-χ〇) sin θ + (y-y0) cos θ 當(dāng)a〈b時(shí)，
當(dāng)a>b時(shí)，
為（4)式的水干集凼數(shù)對上還ii個(gè)翏數(shù)求偏微分得到的偏微分萬桎。
【專利摘要】本發(fā)明涉及圖像的自動目標(biāo)識別領(lǐng)域，尤其涉及聲吶圖像的水雷目標(biāo)識別方法。本發(fā)明包括提出超橢圓約束的主動輪廓模型、多相水平集的形狀約束主動輪廓模型、基于主動輪廓模型的聲吶圖像水雷目標(biāo)識別方法。本發(fā)明較一般目標(biāo)識別方法的優(yōu)點(diǎn)是：在噪聲大的聲吶圖像中仍能滿足識別水雷目標(biāo)的要求，在水雷目標(biāo)成像模糊的情況下仍能夠得到水雷目標(biāo)準(zhǔn)確的輪廓。
【IPC分類】G06K9-62
【公開號】CN104657736
【申請?zhí)枴緾N201310587459
【發(fā)明人】朱楓, 郝穎明, 李娟娟, 吳清瀟, 高雷
【申請人】中國科學(xué)院沈陽自動化研究所
【公開日】2015年5月27日
【申請日】2013年11月19日