本发明属于三维声纳图像建模领域，具体涉及一种基于点云平均背景差的三维声纳图像建模方法。
背景技术：
我国是沿海大国，可持续发展必然越来越多地依赖海洋。另外海洋因其战略上的重要地位和经济上的巨大潜力，也越来越受到人们的重视。全面发展海洋科学技术的重要性不言而喻。
作为海洋科学技术的一个重要分支，水声探测在开发海洋资源的事业中得到了广泛的应用，水声成像技术已经成为大规模水下探测的重要手段，在蛙人的探测及跟踪、水雷和水雷类目标的识别监测、水下遥控航行器及水下自动航行器的避障及导航等多方面具有广阔的应用前景。
三维声纳系统能够获得距离、水平、垂直三维空间的目标信息，具有图像清晰、可视性好等特点，但是水下环境复杂，又受到采集环境、噪声影响，如何根据大量的数据进行三维重建，准确识别并建立目标的数学模型，实现在复杂水下环境中便捷快速的搜索和监控，具有较大的技术难度。
相对于要监控的前景目标，背景在较长时间内具有一定的稳定性和重复性，通过建立当前环境的背景模型，将背景模型和当前图像进行比较，减去已知的背景信息，可以大致得到所求的前景目标。因此，发明一种基于点云平均背景差的三维声纳图像建模方法具有重要的工程实用价值。
技术实现要素：
鉴于上述，本发明提供了一种基于点云平均背景差的三维声纳图像建模方法，该方法能够快速识别背景中的前景目标，建立对应的数学模型供后续处理，处理速度快，并且能够随环境变化自动更新背景模型。
一种基于点云平均背景差的三维声纳图像建模方法，包含以下步骤：
(1)获取声纳数据，将每帧声纳数据对应的三维声纳范围图像信息转换为全局坐标下的点云数据，该点云数据组成图像的像素；
(2)将一系列连续帧图像中相同位置的像素的平均值u(x,y,z)作为背景模型中相同位置的像素，得到背景模型，并根据每帧图像中的像素确定用于确定背景标准的阈值th；
(3)根据背景模型和阈值th对当前帧图像i(x,y,z)进行检测，得到输出图像；
(4)利用当前帧图像i(x,y,z)对背景模型和阈值th进行更新。
所述的步骤(2)的具体步骤为：
(2-1)对于一系列连续帧图像中不存在点云数据的位置，统一标定为空，得到预处理的图像集；
(2-2)计算预处理的图像集中所有图像相同位置的像素的平均值u(x,y,z)作为背景模型中相同位置的像素，得到背景模型；
(2-3)计算相邻两帧图像相同位置的像素差绝对值f(t)(x,y,z)，并求得所有像素差绝对值的平均值udiff(x,y,z)，所用公式为：
f(t)(x，y，z)＝|it(x，y，z)-it-gap(x，y，z)|
其中，it(x,y,z)表示t时刻图像中坐标(x,y,z)处的像素值，gap表示两帧图像之间的时间间隔，it-gap(x，y，z)表示t-gap时刻图像中坐标(x，y，z)处的像素值，m为图像的总帧数；
(2-4)求取所有像素差的标准差diffstd(x，y，z)，所用公式为：
(2-5)根据所有像素差的平均值udiff(x，y，z)和所有像素差的标准差diffstd(x，y，z)确定阈值th，所用公式为：
th＝udiff(x，y，z)+β×diffstd(x，y，z)
其中，β为阈值系数，一般设置为2。
所述的步骤(3)的具体过程为：利用当前帧图像的像素i(x，y，z)减去背景模型中相同位置的像素u(x，y，z)，得到像素差d(x，y，z)，并将该像素差d(x，y，z)与阈值th进行比较，得到输出图像output(x，y，z)，如下：
其中，0表示点(x，y，z)认为是背景的一部分，不输出，1表示点(x，y，z)不同于背景模型，于输出图像中进行显示，输出图像为二值图像。
所述的步骤(4)的具体步骤为：
(4-1)利用当前帧图像i(x，y，z)将背景模型的像素u(x，y，z)更新为u′(x，y，z)，具体所用公式为：
u′(x，y，z)＝(1-α)×u(x，y，z)+α×i(x，y，z)
(4-2)利用当前帧图像i(x，y，z)将阈值th更新为th′，具体所用公式为：
u′diff(x，y，z)＝(1-α)×udiff(x，y，z)+α×d(x，y，z)
diff′std(x，y，z)
＝(1-α)×diffstd(x，y，z)+α×|d(x，y，z)-u′diff(x，y，z)|
th′＝u′diff(x，y，z)+β×diff′std(x，y，z)
其中，α为学习率，且0＜α＜1，α越大，对背景变化的适应速度越快。
相较于现有的技术，本发明具有以下有益的技术效果：
(1)在建立背景模型后，本发明能够快速识别出前景目标并进行相应的数学建模，对于背景变化不大的水下环境场景效果很好。
(2)该方法具有较强的鲁棒性，能够根据环境的改变自动更新背景模型，减少由于环境的突变带来的不确定因素，增强目标识别的可靠性。
(3)该方法简单，在建立背景模型后能够快速高效地建模，对于运动目标的识别具有较高的准确性。
附图说明
图1为本发明基于点云平均背景差的三维声纳图像建模方法的流程图。
具体实施方式
为了更为具体地描述本发明，下面结合附图1及具体实施方式对本发明的技术方案进行详细说明。
如图1所示，本发明基于点云平均背景差的三维声纳图像建模方法，包括：
s01，获取声纳数据，将每帧声纳数据对应的三维声纳范围图像信息转换为全局坐标下的点云数据，该点云数据组成图像的像素。
s02，对于一系列连续帧图像中不存在点云数据的位置，统一标定为空，得到预处理的图像集。
s03，计算预处理的图像集中所有图像相同位置的像素的平均值u(x,y,z)作为背景模型中相同位置的像素，得到背景模型。
s04，计算相邻两帧图像相同位置的像素差f(t)(x,y,z)，并求得所有像素差的平均值udiff(x,y,z)，所用公式为：
f(t)(x，y，z)＝|it(x，y，z)-it-gap(x，y，z)|
其中，it(x,y,z)表示t时刻图像中坐标(x,y,z)处的像素值，gap表示两帧图像之间的时间间隔，it-gap(x,y,z)表示t-gap时刻图像中坐标(x,y,z)处的像素值，m为图像的总帧数。
s05，求取所有像素差的标准差diffstd(x,y,z)，所用公式为：
s06，根据所有像素差的平均值udiff(x,y,z)和所有像素差的标准差diffstd(x,y,z)确定阈值th，所用公式为：
th＝udiff(x，y，z)+β×diffstd(x，y，z)
其中，β为阈值系数，设置为2。
s07，利用当前帧图像的像素i(x,y,z)减去背景模型中相同位置的像素u(x,y,z)，得到像素差d(x,y,z)，并将该像素差d(x,y,z)与阈值th进行比较，得到输出图像output(x,y,z)，如下：
其中，0表示该点认为是背景的一部分，不输出，1表示该点不同于背景模型，在输出图像中进行显示，输出图像为二值图像。
s08，利用当前帧图像i(x，y，z)将背景模型的像素u(x，y，z)更新为u′(x，y，z)，具体所用公式为：
u′(x，y，z)＝(1-α)×u(x，y，z)+α×i(x，y，z)
s09，利用当前帧图像i(x，y，z)将阈值th更新为th′，具体所用公式为：
u′diff(x，y，z)＝(1-α)×udiff(x，y，z)+α×d(x，y，z)
diff′std(x，y，z)
＝(1-α)×diffstd(x，y，z)+α×|d(x，y，z)-u′diff(x，y，z)|
th′＝u′diff(x，y，z)+β×diff′std(x，y，z)
其中，α为学习率，且0＜α＜1。
利用上述方法能够很快速地识别出前景目标，并进行相应的数学建模，且能根据环境的改变自动更新背景模型，减少由于环境的突变带来的不确定因素，增强目标识别的可靠性。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。