一种基于时变曲线模型的sas图像自动均衡方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，特别涉及一种基于时变曲线模型的SVS图像自动 均衡方法。
【背景技术】
[0002] 受声传播损失、吸收损失、水底后向散射强度、声纳发射和接收系统引起的声源级 波动等因素的影响，声纳图像强度(亮度）往往会有比较大的起伏。由于不同距离对应的虚 拟孔径长度不同，合成孔径声纳（Synthetic Aperture Sonar, SAS)图像的强度变化范围会 更大。声纳图像强度的不均衡问题对声纳图像的判读和处理造成很大的影响。一方面，由 于图像输出设备(显示屏、打印机等)的动态范围有限，SAS图像强度不均衡可能会造成重要 细节或目标丢失。另一方面，基于SAS图像的计算机辅助检测或分类方法（Computer Aided Detection/Classification，CAD/CAC)、目标自动检测和识别方法（Automatic Target Detection/Recognition, ATD/ATR)大都依赖目标与背景之间的强度差异，不均衡的声纳图 像会造成CAD/CAC和ATD/ATR方法失效。因此，图像均衡是声纳图像处理中的一个关键步 骤。现有声纳图像均衡处理方法中，大都采用光学图像处理中的通用均衡方法，如高斯均衡 等。这些均衡方法没有考虑声波传播、水底后向散射以及SAS成像等对声纳图像强度的影 响，因此应用效果不理想。
【发明内容】
[0003] 本发明的目的在于，为解决合成孔径声纳图像受外界环境因素的影响及不同距离 对应的虚拟孔径长度不同所导致图像不均衡的技术问题，本发明提供一种基于时变曲线模 型的SAS图像自动均衡方法，利用该自动均衡方法可以获得均衡的SAS图像。
[0004] 为实现上述目的，本发明提供一种基于时变曲线模型的SAS图像自动均衡方法， 所述的SAS图像自动均衡方法包括：
[0005] 步骤1)构建时变曲线模型，确定该时变曲线模型中待估计的参数；
[0006] 步骤2)定义图像像素集合和包含其内部的像素值，通过确定的方位向坐标处的 SAS图像获得时变曲线的观测量；
[0007] 步骤3)根据步骤1)中的待估计的参数和步骤2)中获得的观测量，利用非线性最 小二乘拟合的方法估计参数向量的最佳估计量，并根据该最佳估计量确定时变曲线的最优 估计；
[0008] 步骤4)根据步骤1)中的时变曲线模型和步骤3)中得到的最优估计求得时变曲 线，并利用该时变曲线计算得出均衡后的图像。
[0009] 作为上述技术方案的进一步改进，所述步骤1)中的时变曲线模型的对数表达形式 为：
[0010] - (1)
【主权项】
1. 一种基于时变曲线模型的SAS图像自动均衡方法，其特征在于，所述的SAS图像自动 均衡方法包括： 步骤1)构建时变曲线模型，确定该时变曲线模型中待估计的参数； 步骤2)定义图像像素集合和包含其内部的像素值，通过确定的方位向坐标处的SAS图 像获得时变曲线的观测量； 步骤3)根据步骤1)中的待估计的参数和步骤2)中获得的观测量，利用非线性最小 二乘拟合的方法估计参数向量的最佳估计量，并根据该最佳估计量确定时变曲线的最优估 计； 步骤4)根据步骤1)中的时变曲线模型和步骤3)中得到的最优估计求得时变曲线，并 利用该时变曲线计算得出均衡后的图像。
2. 根据权利要求1所述的基于时变曲线模型的SAS图像自动均衡方法，其特征在于，所 述步骤1)中的时变曲线模型的对数表达形式为：
其中，S1表示对数项系数，a3、Id1和b2表示线性项变化，a 2表示二次项变化，b3、C1和C2 表示常数项变化，a3、a2、bp C1、:T1和;T2均为待估计的参数，fwatOT、f apra￡和flg均表示TVC 变化规律的变化点。
3. 根据权利要求2所述的基于时变曲线模型的SAS图像自动均衡方法，其特征在于，所 述步骤2)中时变曲线的观测量通过下述计算公式求得：
gy(r) = median ID (7) 上式满足： 及 Υ = (Ymin+Ymax) /2 (9) 其中，gy(r)表示时变曲线的观测量，L表示图像像素集合，I[r，y]表示声呐图像，r表 示距离向坐标，y表示方位向坐标，median表示取中值操作。
4. 根据权利要求3所述的基于时变曲线模型的SAS图像自动均衡方法，其特征在于，所 述步骤3)中的参数向量可表示为： 另有：
其中表示参数向量，,表示最佳估计量，/「丨及.#·)表示误差的平方和，丨表示 时变曲线的待估计值，g(ri)表示时变曲线的观测量； 将最佳估计量/代入时变曲线模型f (r)中，即得时变曲线的最优估计f#(r)。
5. 根据权利要求4所述的基于时变曲线模型的SAS图像自动均衡方法，其特征在于，所 述步骤3)中最佳估计量/采用置信区间法求得，其步骤包括： 步骤301)在坐标点#的邻域J内采用的二阶泰勒展开近似f (豕『)，
其中，H表示函数￡(矣r)的二阶导数矩阵，囊表示函数￡(兵r)在坐标点!!处的梯度，q 表示的近似函数， 上式满足：iZ(A)= ￡(户) (H) 步骤302)根据局部最小准则和上述（10)式计算得出最佳步长f%该最佳步长S·表示 为：
其中，Λ表示邻域范围； 步骤303)将步骤302)中获得的最佳步长^求得+ 如果
^则接受丨+ ?*作为新的坐标点，同时增大邻域范围△;否则，缩小邻域 范围Δ ; 步骤304)重复执行上述步骤301)至步骤303)直至得到最佳估计量/ β
6. 根据权利要求4所述的基于时变曲线模型的SAS图像自动均衡方法，其特征在于，所 述步骤4)通过结合上述（1)式、（2)式和（3)式求得时变曲线，并利用该时变曲线通过下述 计算公式计算得出均衡后的图像：
f#(r)表示时变曲线的最优估计，Itl(r，y)表示均衡后的图像。
7. 根据权利要求6所述的基于时变曲线模型的SAS图像自动均衡方法，其特征在于，所 述的步骤4)中均衡后的图像I。(r，y)通过调整Weibull分布的尺度参数增强对比度，所有 图像数据均归一化到[01]之间，图像I tl(r，y)采用[01]之间的浮点数进行表示，用户期望 目标相对背景的信噪比优于S，则预期的背景强度表示为：
则有增强对比度后的图像变换为：
…… (14) 其中，νΠ (Λ表示图像Ici(I^y)的众数，其用于度量图像Itl(I^y)背景的强度。
【专利摘要】本发明提供了一种基于时变曲线模型的SAS图像自动均衡方法，以声传播模型、水底后向散射模型和SAS成像模型为基础推导了时变曲线（Time Variant Curve，TVC）模型的表达式，结合SAS图像的统计特征，推导出时变曲线观测量，并以该时变曲线观测量为基础，利用非线性最小二乘拟合方法完成时变曲线参数估计；最后基于时变曲线参数及其模型进行SAS图像的自动均衡，用湖海试数据对本发明的SAS图像自动均衡方法进行验证，结果表明推导的时变曲线模型表达式与试验数据具有较好的吻合度，有效地消除SAS图像的不均衡问题。
【IPC分类】G06T5-20, G06T5-00
【公开号】CN104751413
【申请号】CN201310727353
【发明人】刘维, 刘纪元, 黄海宁
【申请人】中国科学院声学研究所
【公开日】2015年7月1日
【申请日】2013年12月25日