一种水下声纳图像的小目标检测方法与流程

本发明属于目标检测领域，具体涉及一种水下声纳图像的小目标检测方法。

背景技术：

水下声纳系统除了需要胜任极端工作环境，还需具有高效的目标检测和识别能力，能够准确分辨沉底小目标和水中小目标。然而，由于声纳系统在某时刻接收的回波，是水下各反射声波的矢量和，系统记录的回波幅值呈抖动变化，形成声图时相应的产生斑点噪声，影响对声图的解释。虽然随着成像声纳技术日趋成熟，侧扫声纳可提供高分辨率图像，但是与光学图像相比，侧扫声纳图像仍然具有成像质量差、目标与背景之间对比度低等问题。特别是对于水下小目标检测问题，由于信道噪声和散射噪声的影响，使得现有的目标检测技术很难达到满意的结果。

利用图像处理技术和模式识别技术从水下声纳数据中检测小目标自上世纪90年代以来已取得了长足进步。这些方法大体上可分为两类：有监督方法和无监督方法。其中有监督方法需要大量训练数据，算法性能高度依赖训练数据的性质。这类方法主要包括K-近邻神经网络、最佳辨识滤波分类器、贝叶斯分类器、主成分分析等。另一方面，无监督方法无需特别的训练数据，适用于相当宽范围的输入数据，并不针对特别训练数据优化。此类方法包括马尔可夫随机场、统计蛇模型、形态学处理等技术。此外，为了进一步提高算法性能，也有学者将各种不同的检测/识别技术相融合，主要采用的融合技术包括：将各种算法的检测/识别结果采用逻辑融合(如布尔与、或运算)、对数似然比测试算法、线性加权融合等等。

本发明利用具有较强抗噪能力的形态学变换——占有率击中-击不中变换(Percentage Occupancy Hit-or-Miss Transform,POHMT)，实现一种快速、准确的侧扫声纳图像小目标检测算法。

技术实现要素：

本发明的目的在于提供一种基于占有率击中-击不中变换(Percentage Occupancy Hit-or-Miss Transform,POHMT)的水下声纳图像的小目标检测方法。

本发明的目的是这样实现的：

(1)初始化：令二值化阈值th＝0.8，阴影方向为θ度，令I₀＝I，其中I为H×W像素的输入声纳图像矩阵；

(2)令SE₁表示目标模板，SE₁是尺寸为3×3像素的正方形模板，令SE₀表示背景模板，SE₀是尺寸为25×25像素的正方形模板的边缘区域；

(3)计算图像I₀的亮度均值，用m₀表示，令t＝m₀…255，对于每一个t，计算二值图像B_t：

其中，h＝1…H,w＝1…W；

(4)分别计算前景模板匹配率poFore和背景模板匹配率poBack

poFore(t)＝conv(B_t,SE₁)/9

poBack(t)＝conv(1-B_t,SE₀)/96

其中，t＝m₀…255，conv(.)表示卷积运算，对于固定的t值，poFore(t)和poBack(t)均为H×W矩阵；

(5)计算图像I₀的占有率击中-击不中变换poHMT

$poHMT=\underset{t=m\mathrm{0....255}}{max}\left\{\min \right\{poFore\left(t\right),poBack\left(t\right)\left\}\right\}$

其中，min{.}为最小值函数，min{poFore(t),poBack(t)}表示对于一个固定的t值，取前poFore(t)和poBack(t)二者之中较小的一个；max{.}为最大值函数；poHMT为H×W矩阵；

(6)将步骤(5)的poHMT做二值化处理

其中，h＝1…H,w＝1…W，poHMT(h,w)表示二维矩阵poHMT在(h,w)处的取值，poBW为二值矩阵，poBW(h,w)表示poBW在(h,w)处的取值；

(7)利用形态学膨胀、腐蚀运算去除poBW中的细小噪声点；

(8)令poBW₁表示去噪之后的poBW，利用8-连接区域标记方法标记poBW₁中的连通区域，分别记录各连通区域的外接矩形的位置、长、宽；

(9)令I₀＝255-I，执行步骤(3)～步骤(7)，并用poBW₀表示去噪之后的poBW，利用8-连接区域标记方法标记标记poBW₀中的连通区域，分别记录各连通的外接矩形框的位置、长、宽；

(10)以poBW₁中的一个连通区域R₁的外接矩形为依据，确定出搜索区域，；将此搜索区域映射到poBW₀的相应区域，并用RS表示poBW₀中的这个搜索区域；

(11)在poBW₀的RS区域中进行搜索，如果能够找到一个连通区域R₀，则将poBW₁中的连通区域R₁标记为目标，同时删除区域R₀；否则，如果在poBW₀的RS中不存在连通区域，则将poBW1中的连通区域R₁标记为非目标。

(12)重复步骤(10)～步骤(11)，检查poBW₁中的下一个连通区域，直至遍历poBW₁的所有连通区域。

本发明的有益效果在于：1)所提出的目标检测模板简单；2)检测速度快；3)抗噪声能力强；4)无需训练数据。

附图说明

图1是侧扫声纳图像中的目标及其阴影示意图；

图2是目标模板示意图；

图3是背景模板示意图；

图4是搜索区域示意图。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明提出一采用的技术方案是：1)初始化：设置检测阈值、确定目标和背景模板尺寸、设置阴影方向；2)对原声纳图像进行POHMT运算，并将运算结果做二值化处理，得到目标二值图像；3)对原声纳图像做反色处理；4)对反色之后的声纳图像做POHMT运算，并将运算结果做二值化处理，得到阴影二值图像；5)利用目标二值图像、阴影二值图像以及阴影方向，标记出小目标。

设I为输入声纳图像矩阵，尺寸为H×W像素，I(h,w)表示(h,w)位置处图像的亮度，其中h＝1,2,…,H,w＝1,2,…,W；并且图像I中包含多个高亮度目标区域，每个目标均具有相应的低亮度阴影区域，如图1所示。

本发明所提出的目标检测方法的具体实现步骤如下：

步骤1，初始化：令二值化阈值th＝0.8，阴影方向为θ度，令I₀＝I。

步骤2，令SE₁表示目标模板，这里SE₁是尺寸为3×3像素的正方形模板，如图2所示；令SE₀表示背景模板，这里SE₀是尺寸为25×25像素的正方形模板的边缘区域，如图3所示，图3中，灰色区域的大小为23×23像素，其像素值为0，边缘白色区域的像素值为1。

步骤3，计算图像I₀的亮度均值，用m₀表示；令t＝m₀…255，对于每一个t，根据公式(1)计算二值图像B_t：

其中，h＝1…H,w＝1…W。

步骤4，利用公式(2)计算前景模板匹配率poFore，利用公式(3)计算背景模板匹配率poBack：

poFore(t)＝conv(B_t,SE₁)/9 (2)

poBack(t)＝conv(1-B_t,SE₀)/96 (3)

其中，t＝m₀…255，conv(.)表示卷积运算，对于固定的t值，poFore(t)和poBack(t)均为H×W矩阵。

步骤5，利用公式(4)计算图像的占有率击中-击不中变换poHMT：

$poHMT=\underset{t=m\mathrm{0....255}}{max}\left\{\min \right\{poFore\left(t\right),poBack\left(t\right)\left\}\right\}---\left(4\right)$

其中，min{.}为最小值函数，min{poFore(t),poBack(t)}表示对于一个固定的t值，取poFore(t)和poBack(t)二者之中较小的一个；max{.}为最大值函数；poHMT为H×W矩阵。

步骤6，利用公式(5)将步骤5的poHMT做二值化处理

其中，h＝1…H,w＝1…W，poHMT(h,w)表示二维矩阵poHMT在(h,w)处的取值，poBW为二值矩阵，poBW(h,w)表示poBW在(h,w)处的取值，

步骤7，利用形态学膨胀、腐蚀运算去除poBW中的细小噪声点。

步骤8，令poBW₁表示去噪之后的poBW，利用8-连接区域标记方法标记poBW₁中的连通区域，分别记录各连通区域的外接矩形的位置、长、宽。

步骤9，令I₀＝255-I，执行步骤3～步骤7，并用poBW₀表示去噪之后的poBW，利用8-连接区域标记方法标记标记poBW₀中的连通区域，分别记录各连通区域的外接矩形框的位置、长、宽。

步骤10，以poBW₁中的一个连通区域R₁的外接矩形为依据，确定搜索区域，如图4所示，其中w＝5，l＝5×w₀，w₀为连通区域R₁的外接矩形宽度。将此搜索区域映射到poBW₀的相应区域，并用RS表示poBW₀中的这个搜索区域。

步骤11，在poBW₀的RS区域中进行搜索，如果能够找到一个连通区域(假设用R₀表示这个连通区域)，则将poBW₁中的连通区域R₁标记为目标，同时删除区域R₀；否则，如果在poBW₀的RS中不存在连通区域，则将poBW1中的连通区域R₁标记为非目标。

步骤12，重复步骤10～步骤11，检查poBW₁中的下一个连通区域，直至遍历poBW₁的所有连通区域。