技术特征：
1.一种浅地层剖面声呐图像海底线自动识别的方法，其特征在于，所述方法包括：采集浅地层剖面的声呐图像；将所述浅地层剖面的声呐图像表示为图像函数：i(x,y)其中，x为水平方向，y为垂直方向，i表示图像函数；根据所述图像函数获取所述声呐图像的边缘响应特征；对所述边缘响应特征降噪，获得降噪边缘响应特征；根据所述降噪边缘响应特征确定边缘响应特征函数，所述边缘响应特征函数为：其中，r
x
为x方向的梯度，r
y
为y方向的梯度，r为边缘响应特征；基于卷积函数交换律转化所述边缘响应特征函数，构建所述声呐图像的边缘响应特征卷积模板；利用所述边缘响应特征卷积模板对所述边缘响应特征进行非极大值抑制，得到所述边缘响应特征的二值图；采用水平密度聚类算法聚类所述二值图，得到边缘特征链集合；在同一时序段内，从所述特征链集合中重复筛选最长链，并去除与选择的所述最长链有时序重叠的短链；根据趋势原则修复所述最长链之间的缺省部分，得到完整海底线。2.如权利要求1所述的方法，其特征在于，所述根据趋势原则修复最长链之间的缺省部分还包括：当聚类后的长链发生断开时，根据相邻链之间的末端趋势进行短时海底线缺失修复。3.如权利要求1所述的方法，其特征在于，根据所述降噪边缘响应值确定边缘响应特征函数步骤之前还包括：通过高斯函数对所述声呐图像降噪。4.如权利要求1所述的方法，其特征在于，所述利用所述边缘响应特征卷积模板对所述边缘响应特征进行非极大值抑制还包括：根据所述梯度r
x
和r
y
计算所述边缘响应特征的梯度方向角度；对所述声呐图像的每个像素中心的邻域按预设角度均分为预设数量的方向区域；将所述像素中心的边缘响应值，与所述梯度方向角度对应的所述方向区域内的边缘响应值进行比较，确定像素位置是否为极大值。5.如权利要求4所述的方法，其特征在于，所述确定像素位置是否为极大值还包括：若所述像素中心的边缘响应值不小于所述方向邻域内的最大边缘响应值，则所述像素中心的非极大抑制结果为1。6.如权利要求4所述的方法，其特征在于，所述确定像素位置是否为极大值还包括：若所述像素中心的边缘响应值小于所述方向邻域内的最大边缘响应值，则所述像素中心的非极大抑制结果为0。7.如权利要求1所述的方法，其特征在于，所述边缘响应值为所述图像函数在海底线处沿梯度方向的一阶导数极大值。
8.如权利要求1所述的方法，其特征在于，所述根据所述图像函数，获取所述边缘响应值还包括：通过第一表达式：其中，表示图像函数i(x，y)分别在x，y方向的求偏导操作；构建所述图像函数在x和y方向的一阶偏导数向量，所述一阶偏导数向量的模为边缘响应值。9.如权利要求1所述的方法，其特征在于，采用水平密度聚类算法聚类所述二值图，得到边缘特征链集合还包括:设置长轴沿水平方向分布且纵轴沿垂向分布的长条状搜索邻域；设置所述长条状搜索邻域的邻域参数，对所述细化响应边缘特征进行水平密度聚类，得到所述边缘特征链集合。10.一种浅地层剖面声呐图像海底线自动识别的系统，其特征在于，所述系统包括存储模块和执行模块，所述存储模块用于存储如权利要求1-8任一所述的一种浅地层剖面声呐图像海底线自动识别的方法，所述执行模块用于调取所述存储模块中的方法并执行所述方法的具体步骤。
技术总结
本发明提供了一种浅地层剖面声呐图像海底线自动识别的方法和系统，方法综合考虑了浅地层剖面声呐图像上的海底线的边缘特征属性和空间分布属性，利用特定的边缘特征提取算子凸显浅地层剖面图像上的边缘特征，采用带有水平方向倾向的极大值抑制方法细化边缘特征，并基于密度聚类算法和特定的搜索策略，实现了浅地层剖面图像海底线的自动准确识别与跟踪。克服了传统阈值法和时序滤波算法抗噪性低、难以处理持续性水体干扰问题，可在航、高效、高可靠自动识别和跟踪浅地层剖面图像的海底线特征。自动识别和跟踪浅地层剖面图像的海底线特征。自动识别和跟踪浅地层剖面图像的海底线特征。
技术研发人员：查文富 王爱学 万一峰 邹礼荣 吴昊 毕文焕 吴振磊 黄晶晶 车远超 王彬 黄淼 康路遥 张莹 张亮 罗荣
受保护的技术使用者：长江武汉航道工程局 武汉大学
技术研发日：2021.09.09
技术公布日：2022/1/21