一种复杂背景下声学图像中的目标提取方法与流程

本发明属于图像处理领域，尤其涉及一种复杂背景下声学图像中的目标提取方法。

背景技术：

由于声学图像自带的噪声比较大，光学图像中基于特征点匹配进行目标提取的算法不适用于声学图像，因此常用的针对声学图像的目标提取手法主要有两大类，第一种是经典背景去除手法，即选择合适的图像阈值，对大于阈值的像素点判断为有效目标，小于阈值的像素点判断为背景；第二种是利用图像差分法，即将前后两幅声学图像做差分运算，差分结果就是有效目标。上述两类方法对于背景固定或者图像信噪比较高的声学图像具有很强的适用性，但当声学图像背景是移动的时候，背景实时改变，或者图像信噪比低，例如图像中有大量干扰的时候，常规的目标提取算法就不能很好解决上述问题。

技术实现要素：

本发明的目的是针对上述不足，提供一种复杂背景下声学图像中的目标提取方法。

为了达到上述目的，本发明所采用的技术方案如下：一种复杂背景下声学图像中的目标提取方法，具体包括如下步骤：

步骤一，利用Sobel算子进行声学图像f(x,y)的边缘检测，得到梯度图像G(x,y)，计算公式如下：

其中，G_x、G_y分别为声学图像在x轴、y轴的梯度幅值，计算如下：

G_x＝{f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)}-{f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)}

G_y＝{f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)}-{f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)}

其中，x表示声学图像中像素点的横坐标，y表示声学图像中像素点的纵坐标；

步骤二，利用3σ准则选取梯度图像G(x,y)的阈值T，进行二值化处理，得到二值化图像B(x,y)，计算如下：

步骤三，对二值化图像B(x,y)进行一次膨胀处理，得到图像b(x,y)，具体计算公式为：

b(x,y)＝b(x-1,y)＝b(x+1,y)＝b(x,y-1)＝b(x,y+1)＝1,if B(x,y)＝1

步骤四，利用深度优先搜索算法对膨胀处理后的图像b(x,y)进行目标搜索，对图像的搜索顺序按照从上到下、从左到右，记录下目标在图像中有效像素点的位置(x,y)，及其组成的有效区域S＝{(x,y)|(x,y)∈S}；

步骤五，根据搜索到的目标有效区域S进行目标中心坐标(x_c,y_c)计算，确立目标在图像中的最终位置，计算如下：

其中m_u,v(u,v∈{0,1})计算如下：

其中的(x,y)是目标有效区域S内的像素点坐标位置，对应的像素值为f(x,y)。

进一步地，所述声学图像是由双频识别声呐采集的水下图像。

进一步地，所述声学图像中的目标有效区域S所包含的像素点个数少于100，多于10。

进一步地，所述步骤二中选取阈值T的具体过程如下：

梯度图像中的每一个像素点的像素值G(x,y)服从均值为μ，方差为σ²的高斯分布，即G(x,y)～N(μ,σ²)，根据3σ准则，G(x,y)落在区间[-3σ,3σ]之外的概率小于0.3％，因此阈值T＝μ+β×3σ，其中β为阈值调节系数，μ和σ²的计算如下：

其中N是梯度图像中所有像素点的总个数。

本发明的有益效果如下：本发明针对传统声学图像中目标提取手法的不足，提出一种基于边缘检测的提取算法，通过求取声学图像的梯度幅值，利用3σ准则选取合适的阈值进行图像二值化，为了防止目标分裂进行一次形态学中的膨胀处理，最后利用深度优先搜索算法进行目标提取，并利用加权平均确立目标的中心坐标位置。本发明提供的方法可以有效解决复杂背景下的声学图像中目标提取问题，例如背景移动或者信噪比低等环境下。

附图说明

图1是本发明方法的流程图；

图2是本发明中深度优先搜索算法流程图；

具体实施方式

下面结合具体实施例及附图对本发明做进一步详细说明，但本发明不仅局限于次。

利用双频识别声呐通过走航调查方式获取水下鱼群的声学图像，然后利用本发明的方法对其中的鱼体进行目标提取。图1是复杂背景下声学图像目标提取的算法流程图，主要实现过程阐述如下：

步骤一，利用Sobel算子进行声学图像f(x,y)的边缘检测，得到梯度图像G(x,y)，计算公式如下：

其中，G_x、G_y分别为声学图像在x轴、y轴的梯度幅值，计算如下：

G_x＝{f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)}-{f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)}

G_y＝{f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)}-{f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)}

其中，x表示声学图像中像素点的横坐标，y表示声学图像中像素点的纵坐标；

步骤二，利用3σ准则选取梯度图像G(x,y)的阈值T，进行二值化处理，得到二值化图像B(x,y)，计算如下：

对于阈值T的计算过程如下：

梯度图像中的每一个像素点的像素值G(x,y)服从均值为μ，方差为σ²的高斯分布，即G(x,y)～N(μ,σ²)，根据3σ准则，G(x,y)落在区间[-3σ,3σ]之外的概率小于0.3％，因此阈值T＝μ+β×3σ，其中β为阈值调节系数，本例中β取值为1.1，μ和σ²的计算如下：

其中N是梯度图像中所有像素点的总个数。

步骤三，对二值化图像B(x,y)进行一次“十型”膨胀处理，得到图像b(x,y)，具体计算公式为：

b(x,y)＝b(x-1,y)＝b(x+1,y)＝b(x,y-1)＝b(x,y+1)＝1,if B(x,y)＝1

步骤四，对膨胀处理后的图像b(x,y)按照从上到下、从左到右的顺序进行目标搜索，当检测到位置(x₀,y₀)所对应的值为1时，利用深度优先搜索算法对该位置展开目标搜索，如图2所示，具体描述如下：

(1)将坐标(x₀,y₀)压栈；

(2)判断当前栈是否为空，若空表示此次深度优先搜索结束，执行第(8)步；

(3)取出栈顶元素(x,y)；

(4)判断该元素的上方位置(x-1,y)是否有效即元素值为1，并且未被访问，则将该坐标压栈；

(5)判断该元素的右侧位置(x,y+1)是否有效即元素值为1，并且未被访问，则将该坐标压栈；

(6)判断该元素的下方位置(x+1,y)是否有效即元素值为1，并且未被访问，则将该坐标压栈；

(7)判断该元素的左侧位置(x,y-1)是否有效即元素值为1，并且未被访问，则将该坐标压栈；

(8)栈顶指针减一；

(9)记录下本次搜索的有效区域，即所有曾经入栈的坐标位置，统计有效区域所包含的像素点个数，如果素点个数少于100且多于10，则判定此目标是有效的，并把该有效区域记为S＝{(x,y)|(x,y)∈S}.

步骤五，根据搜索到的目标有效区域S进行目标中心坐标(x_c,y_c)计算，确立目标在图像中的最终位置，计算如下：

其中m_u,v(u,v∈{0,1})计算如下：

其中的(x,y)是目标有效区域S内的像素点坐标位置，对应的像素值为步骤一中的f(x,y)。

基于上述流程，就可以获取声学图像的有效目标即鱼体在声学图像中的具体位置，为后续的数据处理提供便利。