深部异常体边界识别与分步增强方法、系统、介质及设备与流程

本公开属于图像处理领域，具体涉及一种深部异常体边界识别与分步增强方法、系统、介质及设备。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

基于磁梯度张量数据的边界识别技术广泛应用在军用方面或民用方面，比如，地下未爆炸物探测、矿藏资源勘查等方面。磁梯度张量数据是磁场矢量分量的梯度，具有多参量、抗干扰能力强、分辨率高等优点，能更丰富准确地描述出异常体的各种信息。边界识别是位场数据解释中的重要任务，单独对某个张量数据进行处理，易忽略有用信息，使得数据解释不够充分，综合利用多个分量的组合，能够反映磁异常体更多信息，可以更好地处理和解释数据。

针对深部异常体，据发明人了解，传统常用的边界识别方法，如张量不变法、信号解析法、theta图法、tilt梯度法等，识别后多存在边界发散、变形和模糊的问题，不能够清晰准确识别出深部异常体边界，而近些年来采用垂向高阶导数的边界识别方法又会带来噪声放大等问题。

技术实现要素：

本公开为了解决上述问题，提出了一种深部异常体边界识别与分步增强方法、系统、介质及设备，本公开针对深部异常体边界识别不够清晰和高阶垂向导数带来噪声干扰等问题，提出分步增强方法，能够通过避免运算高阶导数，以及采用边界识别算法逐渐增强的三个步骤，可同时识别出不同深度目标体边界，且对于深部异常体，能够有效抑制边界的发散和变形，具有较好的应用前景。

根据一些实施例，本公开采用如下技术方案：

一种深部异常体边界识别与分步增强方法，包括以下步骤：

根据待识别对象的磁场三分量数据和磁梯度张量数据，通过反正切运算，得到深部异常体边界的初步识别结果；

利用磁梯度张量数据分量，并利用反正切运算改进后的边界识别方法进行抑制深部异常体边界的变形；

利用图像处理中伽马变换的思想，根据不同取值选择性的增强阴影区域对比度或者高亮区域对比度，进行参数可调的图像增强，进一步凸显目标体边界，得到最终的识别结果。

作为可能的实施例，对含有深部异常体的模型空间，分别得到其磁场矢量b在空间里沿三个方向x，y，z的三个分量数据的平面图，进而得到三个分量在三个方向上的一阶梯度，构成磁梯度张量的数据平面图。

作为可能的实施例，利用磁场三分量数据中的z轴分量和磁梯度张量数据中的z方向分量在目标中心位置解释突出的特点，通过反正切运算，识别出初步的深部异常体边界。

作为可能的实施例，利用磁场x轴分量的磁梯度张量数据中的x方向分量，以及磁场y轴分量的磁梯度张量数据中的y方向分量，通过反正切运算，描述出目标体在方向边界处信息。

作为可能的实施例，图像处理中伽马变换为非线性变换，根据伽马参数的不同取值来选择性的增强阴影区域对比度或者高亮区域对比度。

作为可能的实施例，利用图像处理中伽马变换的思想，通过改变伽马参数的取值，对磁异常数据进行非线性变换，通过拉伸或压缩强异常与弱异常区域，改善图像显示效果，突出边界位置处异常，从而达到识别要求，得到最终的结果。

一种深部异常体边界识别与分步增强系统，包括：

快速边界识别模块，被配置为根据磁场三分量数据和磁梯度张量数据，通过反正切运算，得到深部异常体边界的初步识别结果；

抑制变形模块，被配置为利用磁梯度张量数据分量，并利用反正切运算改进后的边界识别方法进行抑制深部异常体边界的变形；

图像增强模块，被配置为利用图像处理中伽马变换的思想，根据不同取值选择性的增强阴影区域对比度或者高亮区域对比度，进行参数可调的图像增强，进一步凸显目标体边界，得到最终的识别结果。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种深部异常体边界识别与分步增强方法。

一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种深部异常体边界识别与分步增强方法。

与现有技术相比，本公开的有益效果为：

对含有深部异常体的模型，本公开提出了一种边界识别的分步增强方法，共分为三步。第一步利用快速边界识别算法可识别出深部异常目标体的边界；第二步利用改进方法，可抑制深部异常体边界发散，且避免计算高阶垂向导数带来的噪声放大问题；第三步利用图像处理中伽马变换的思想，实现参数可调的图像增强算法，能够改善图像视觉效果，凸显目标体边界，从而达到边界识别要求。

应用范围广泛，可应用于矿藏、石油等资源勘察及地质构造等研究，也可应用于地下未爆弹或水雷等爆炸物探测以及反潜作战等军事方面。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为模型体在x,y,z三个方向上的磁场分量图；

图2为模型体磁梯度张量图；

图3(a)-(d)为传统常用的四种边界识别方法结果图；

图4为本公开快速边界识别算法zz结果图；

图5(a)-(b)为本公开抑制边界变形的改进算法ezz结果图及其空间图；

图6为伽马变换曲线图；

图7(a)-(f)为本公开参数可调的图像增强算法fezz结果图；

图8(a)、图8(b)为对比例的识别结果图；

图9为本公开的流程示意图。

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

为方便本领域技术人员理解技术方案，在此进行名词解释如下：

异常体是指引起物探异常的地质体。如引起重力异常的不同密度体、引起磁异常的磁性体、引起电法异常的具有电性差异的地质体等，统称为异常体。

而深部异常体是指引起较小变化的弱异常体，一般处于地下较深层位置。

本公开提供一种深部异常体边界识别的分步增强方法，具体来说是针对深部磁异常体识别会出现边界发散、变形和模糊的问题，提出分步增强算法，通过避免运算高阶导数，以及采用边界识别算法逐渐增强的三个步骤，可同时识别出不同深度目标体边界，且对于深部异常体，能够有效抑制边界的发散和变形，可应用于矿藏、石油等资源勘察及地质构造等研究，也可应用于地下未爆弹或水雷等爆炸物探测以及反潜作战等军事方面。

如图9所示，具体包括以下步骤：

(1)根据磁场三分量数据中的bz分量和磁梯度张量数据中的bzz分量，通过反正切运算，实现深部异常体边界的快速识别。

(2)利用磁梯度张量数据中的bxx和byy分量，并改进边界识别算法，避免计算垂向高阶导数带来噪声放大问题，实现抑制深部异常体边界的变形。

(3)利用图像处理中伽马变换的思想，实现参数可调的图像增强算法，能够提高图像视觉效果，凸显目标体边界，从而达到边界识别要求。

步骤(1)中，具体内容包括：

(1-1)仿真模型为：场源空间为长度-50m到+50m的立方体,场源内存在两个20m的立方体物体，磁化强度均为1a/m，中心水平位置分别为(-20m,20m)和(20m,-20m)，埋深分别为15m和20m,地磁倾角为90°，地磁偏角为0°，目标体的磁化方向与地磁方向一致。

(1-2)设bx,by,bz为磁场矢量b在模型空间里的三个分量，bx在x，y，z方向的一阶梯度分别为bxx,bxy,bxz，by在x，y，z方向的一阶梯度分别为byx,byy,byz，bz在x，y，z方向的一阶梯度分别为bzx,bzy,bzz，磁梯度张量可表示为g，

(1-3)利用bz和bzz这两个分量在目标中心位置解释突出的特点，通过反正切运算，识别出深部异常体边界，由于使用参量少，可实现快速边界识别。

步骤(2)中，具体包括：

(2-1)利用bxx和byy分量能够描述出目标体在方向边界处信息的特点，改进算法，且避免了计算垂向高阶导数带来噪声放大等问题，实现对边界变形的抑制。

步骤(3)中，具体包括：

(3-1)图像处理中伽马变换为非线性变换，其中r为输入图像的像素值，s为经过变换后输出图像的像素值，可以根据γ的不同取值来选择性的增强阴影区域对比度或者高亮区域对比度，从而显示更多的细节。

s＝cr^γ(3)

其中c和γ为正常数。

(3-2)利用图像处理中伽马变换的思想，通过改变γ的取值，对磁异常数据进行非线性变换，通过拉伸或压缩强异常与弱异常区域，改善图像显示效果，突出边界位置处异常，从而达到识别要求。

本实施例提供一种基于磁梯度张量数据的深部异常体边界识别与分步增强方法，包括：

对含有深部异常体的模型空间，分别得到其磁场矢量b在空间里沿三个方向x，y，z的三个分量bx,by,bz数据的平面图，如图1所示；以及三分量分别又在三个方向的一阶梯度，bx在x，y，z方向的一阶梯度分别为bxx,bxy,bxz，by在x，y，z方向的一阶梯度分别为byx,byy,byz，bz在x，y，z方向的一阶梯度分别为bzx,bzy,bzz，构成磁梯度张量的数据平面图，如图2所示。

利用传统常用的四种边界识别方法进行数据解释，如图3(a)-(d)所示，深部异常体存在边界发散、变形和模糊等问题。

分步增强的边界识别过程。

这是磁梯度张量数据解释的重要阶段。

(3-1)第一步，根据磁场三分量数据中的bz分量和磁梯度张量数据中的bzz分量对目标中心位置解释突出的特点，通过反正切运算，得到快速边界识别算法zz，由于使用参量少，可快速识别出较深目标体的边界，边界识别结果如图4。

(3-2)第二步，利用磁梯度张量数据中的bxx和byy分量对目标方向边界解释突出的特点，改进快速边界识别算法zz，得到抑制边界变形算法ezz，且避免了计算高阶垂向导数带来的噪声放大等问题，边界识别结果如图5(a)-(b)所示。

(3-3)第三步，利用图像处理中伽马变换的思想，根据γ的不同取值来选择性的增强阴影区域对比度或者高亮区域对比度，从而显示更多的细节，如图6所示。改进第二步抑制边界变形算法ezz，对磁异常数据进行非线性变换，通过拉伸或压缩强异常与弱异常区域，实现参数可调的图像增强算法fezz，能够改善图像视觉效果，提高图像对比度，突出边界位置处异常，从而达到边界识别要求，边界识别结果如图7(a)-(f)所示，而根据对比现有采用边界识别方法，其中图8(a)为nr法，图8(b)bda法采用的高阶垂向导数的方法识别，可发现采用参数可调的图像增强算法fezz，对深部异常体边界变形、发散等问题的抑制作用较强，边界识别结果较好。

相应的，提供产品实施例如下：

一种深部异常体边界识别与分步增强系统，包括：

快速边界识别模块，被配置为根据磁场三分量数据和磁梯度张量数据，通过反正切运算，得到深部异常体边界的初步识别结果；

抑制变形模块，被配置为利用磁梯度张量数据分量，并利用反正切运算改进后的边界识别方法进行抑制深部异常体边界的变形；

图像增强模块，被配置为利用图像处理中伽马变换的思想，根据不同取值选择性的增强阴影区域对比度或者高亮区域对比度，进行参数可调的图像增强，进一步凸显目标体边界，得到最终的识别结果。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种深部异常体边界识别与分步增强方法。

一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种深部异常体边界识别与分步增强方法。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。