水下障碍物图像识别方法、系统、电子设备以及计算机可读介质与流程

1.本公开涉及图像识别领域，尤其涉及一种水下障碍物图像识别方法及装置。


背景技术：

2.在海水中，因为水体剪切模量为零,不能传播横波,声波是唯一能在海水中远距离传播的能量形式。声波探测技术是目前海域探测的主要手段。采用声呐进行水下障碍物识别对水下作业至关重要。
3.但是声呐图像相对于光学图像而言，天生具有如下缺点：
4.(1)声纳图像分辨率低，图像整体偏暗，像素灰度值分布不均，大部分为背景区和混响区，目标区呈亮斑状，分布集中并且目标细节特征较少、轮廓模糊。
5.(2)水下环境复杂，声呐成像易受到混响、噪声以及水中悬浮物的影响，并且由于声波在传输过程中衰减严重，往往导致目标被噪声淹没。
6.(3)多途效应和旁瓣效应的影响，声呐图像上的目标可能会出现重影或者单个目标分裂成多个的情况，水中其他物体也会干扰目标的检测。
7.(4)在对声呐采集的回波数据进行成像处理的过程中不可避免会有信息损失。
8.(5)不同的水质环境对声呐的成像效果也有影响，使用同种处理方法得出的结果也大有不同。
9.因此，基于声呐的图像识别障碍物非常困难，而现有的声呐图像识别精度低。


技术实现要素：

10.提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
11.本公开实施例提供了一种水下障碍物图像识别方法、系统、电子设备以及计算机可读介质，可以使得提高障碍物识别精度。
12.第一方面，本公开实施例提供了一种水下障碍物图像识别方法，所述方法包括：
13.获取水下声呐原始图像，利用中值滤波算法进行图像滤波处理；
14.对滤波处理后的图像增强处理，进行直方图均衡化处理，将图像中灰度值低于50的像素点和灰度值高于125的像素点去掉，再将50和125灰度值之间的像素值映射到整个灰度等级范围；
15.对增强处理后的图像进行图像分割，将图像分割成不同的区域，根据相似度特征提取障碍物；
16.对障碍物轮廓进行闭运算处理，并通过连通域标记法对障碍物面积特征剔除假目标和噪声获取障碍物图像。
17.第二方面，本公开实施例提供了种水下障碍物图像识别系统，其特征在于，所述系
统包括：
18.滤波单元，所述滤波单元用于获取水下声呐原始图像，利用中值滤波算法进行图像滤波处理；
19.增强单元，所述增强单元用于对滤波处理后的图像增强处理，进行直方图均衡化处理，将图像中灰度值低于50的像素点和灰度值高于125的像素点去掉，再将50和125灰度值之间的像素值映射到整个灰度等级范围；
20.分割单元，所述分割单元对增强处理后的图像进行图像分割，将图像分割成不同的区域，根据相似度特征提取障碍物；
21.运算单元，所述运算单元用于对障碍物轮廓进行闭运算处理，并通过连通域标记法对障碍物面积特征剔除假目标和噪声获取障碍物图像。
22.第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的水下障碍物图像识别方法。
23.第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面上述的水下障碍物图像识别方法的步骤。
24.本公开实施例提供的水下障碍物图像识别方法，采用中值滤波方法进行去噪处理；通过灰度直方图分析，对目标的灰度范围进行了增强处理；对图像分割算法进行改进，设计了一种自适应迭代分割算法，对比其他方法有着更好的处理效果；对分割后的图像进行连通域查找，目标筛选，从而准确地识别出障碍物。
附图说明
25.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
26.图1是根据本公开的水下障碍物图像识别方法的一个实施例的流程图；
27.图2是根据本公开的一种自适应k值算法流程图。
具体实施方式
28.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
29.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
30.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
31.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
32.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
33.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
34.请参考图1，其示出了根据本公开的水下障碍物图像识别方法的一个实施例的流程。该水下障碍物图像识别方法可以应用于水下障碍物的识别，但是并不进行限定。如图1所示，该水下障碍物图像识别方法包括以下步骤：
35.步骤s10，获取水下声呐原始图像，利用中值滤波算法进行图像滤波处理。、
36.在这里，中值滤波在psnr、nmse和mae等指标上相较于高斯滤波、均匀滤波和圆形邻域的均匀滤波，具有更好的优越性，处理效果更好。
37.步骤s20，对滤波处理后的图像增强处理，进行直方图均衡化处理，将图像中灰度值低于50的像素点和灰度值高于125的像素点去掉，再将50和125灰度值之间的像素值映射到整个灰度等级范围。
38.通过该步骤，经过增强处理后的数据图像，目标的信息被有效的放大，从而使得目标凸显了出来。
39.步骤s30，对增强处理后的图像进行图像分割，将图像分割成不同的区域，根据相似度特征提取障碍物。
40.图像经过增强后，就需要对其进行分割处理，图像分割是通过对图像某种特征的分析，将图像分割成不同的区域，根据相似度特征提取有用目标的过程，目的是通过减少冗余信息来简化图像，常用的分割特征有像素灰度、纹理、形状、边缘轮廓、直方图、空间频谱等。
41.图像分割的方法一般有大律法和迭代法，大津法是全局阈分割算法之一，其核心思想是遍历整个图像，根据图像的灰度特征把图像分为目标和背景两部分，通过类间方差确定合适的阈值，使得目标与背景两部分之间的灰度值方差差异最大。迭代法属于自适应的阈值确定方法，可根据图像中的灰度分布自动选取分割阈值，其核心思路是通过多轮迭代运算来一步一步逼近最佳阈值。
42.本发明提供一种改进的迭代法对图像进行分割处理。具体如下：
43.step1:先求取灰度图像的最大灰度值z
max
和最小灰度值z
min
，通过最大、最小灰度值得到初始迭代阈值：t1＝(z
max
+z
min
)/2；
44.step2:根据得到的始迭代阈值t1，将图像分为背景和目标两个集合，小于初试阈值的集合为背景集合，大于初试阈值的集合为目标集合，通过式1和式2求取两集合的灰度均值分别为μ0和μ1，
[0045][0046][0047]
其中，pi＝ni/(m
×
n)，m
×
n代表灰度图片大小，ni为灰度值为i的像素点个数；
[0048]
以每次取μ0和μ1之和的一半来更新阈值进行迭代：
[0049]
t1＝μ0*0.5+μ1*0.5
ꢀꢀ
式3
[0050]
为了使阈值更接近μ1，需对公式3进行修改，增大μ1的比重，同时减小μ0的比重，则公式3更改为：
[0051]
t1＝μ0*(1-k)+μ1*k
ꢀꢀ
式4
[0052]
其中，k为调节系数；
[0053]
step3：设置迭代最小误差值ε，若|t
1-t|≤ε，则停止迭代，t1为最佳分割阈值，二值化图像；
[0054]
否则令t1＝t，返回第(2)步继续迭代。
[0055]
进一步地，所述调节系数的确定方法如下，请参阅图2：
[0056]
基于结构相似性算法，确定相似度的指标：
[0057][0058]
其中，μf是f的平均值，μg是g的平均值,σ
f2
是f的方差，σ
f2
是g的方差，μfμg是f和g的协方差，c1,c2为常数；
[0059]
遍历的求取不同k值下的ssim值，求取ssim值最大时的k值，即是最佳k值。
[0060]
步骤s40，对障碍物轮廓进行闭运算处理，并通过连通域标记法对障碍物面积特征剔除假目标和噪声获取障碍物图像。
[0061]
在这里，对障碍物轮廓进行闭运算处理，定义公式如下:
[0062][0063]
式中，se为处理图像的结构算子，为膨胀运算，θ为腐蚀运算；
[0064]
经过连通域查找后，不同的目标区域被打上了不同的标签，累加每个标签的个数来近似确定面积大小，并计算每个目标的面积与声呐扫描扇区内的像素总个数的面积比εi来滤掉不符合目标尺寸的假目标：
[0065][0066]
式中，areasi为第i个连通域内的目标像素个数，ssec为声呐扫描扇区内的像素总个数，ε为面积比较阈值，若εi《ε，则认为第i个目标为假目标或者噪声而剔除。
[0067]
其中，假目标剔除的步骤包括：
[0068]
(1)创建连通域增长队列，按从左向右、从上到下的顺序依次扫描所有像素点，当找到一个灰度值不为0的像素点时，将其入队列，并标记为label(label从1开始)，当前目标像素个数加1；
[0069]
(2)检查队列是否为空，若不为空，从队列中弹出一个像素点，依次验证该点左、上、右、下四个邻域内的像素点，若这些点的值为1并且未被标记过，则该点入队列并标记为label，当前目标像素个数加1，重复步骤(2)；当队列中所有的像素点都被弹出时，说明这个连通域查找完毕；
[0070]
(3)检查当前目标像素个数与声呐扫描扇区总像素个数的比值，若εi《ε，则清空队列，该区域的标记作废，label-1；
[0071]
(4)继续检测下一个未被标记过的像素点是否为0，若不为0则将其入队列并标记
为label+1，目标像素个数加1，重复(2)(3)步骤直至图像遍历完毕获取障碍物图像。
[0072]
水下障碍物图像识别方法，采用中值滤波方法进行去噪处理；通过灰度直方图分析，对目标的灰度范围进行了增强处理；对图像分割算法进行改进，设计了一种自适应迭代分割算法，对比其他方法有着更好的处理效果；对分割后的图像进行连通域查找，目标筛选，从而准确地识别出障碍物。
[0073]
进一步，作为对上述各图所示方法的实现，本公开提供了一种水下障碍物图像识别系统，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0074]
本实施例的水下障碍物图像识别系统包括：滤波单元，所述滤波单元用于获取水下声呐原始图像，利用中值滤波算法进行图像滤波处理；
[0075]
增强单元，所述增强单元用于对滤波处理后的图像增强处理，进行直方图均衡化处理，将图像中灰度值低于50的像素点和灰度值高于125的像素点去掉，再将50和125灰度值之间的像素值映射到整个灰度等级范围；
[0076]
分割单元，所述分割单元对增强处理后的图像进行图像分割，将图像分割成不同的区域，根据相似度特征提取障碍物；
[0077]
运算单元，所述运算单元用于对障碍物轮廓进行闭运算处理，并通过连通域标记法对障碍物面积特征剔除假目标和噪声获取障碍物图像。
[0078]
在一些可选的实施方式中，所述对增强处理后的图像进行图像分割，将图像分割成不同的区域，根据相似度特征提取障碍物，包括：
[0079]
step1:先求取灰度图像的最大灰度值z
max
和最小灰度值z
min
，通过最大、最小灰度值得到初始迭代阈值：t1＝(z
max
+z
min
)/2；
[0080]
step2:根据得到的始迭代阈值t1，将图像分为背景和目标两个集合，小于初试阈值的集合为背景集合，大于初试阈值的集合为目标集合，通过式1和式2求取两集合的灰度均值分别为μ0和μ1，
[0081][0082][0083]
其中，pi＝ni/(m
×
n)，m
×
n代表灰度图片大小，ni为灰度值为i的像素点个数；
[0084]
以每次取μ0和μ1之和的一半来更新阈值进行迭代：
[0085]
t1＝μ0*0.5+μ1*0.5
ꢀꢀ
式3
[0086]
为了使阈值更接近μ1，需对公式3进行修改，增大μ1的比重，同时减小μ0的比重，则公式3更改为：
[0087]
t1＝μ0*(1-k)+μ1*k
ꢀꢀ
式4
[0088]
其中，k为调节系数；
[0089]
step3：设置迭代最小误差值ε，若|t
1-t|≤ε，则停止迭代，t1为最佳分割阈值，二值化图像；
[0090]
否则令t1＝t，返回第(2)步继续迭代。
[0091]
在一些可选的实施方式中，最大名义切向力获得单元803，具体用于获取施加在每个花键上的扭转载荷、每个花键的单对键齿刚度；根据上述扭转载荷、各个上述花键齿侧间
隙和上述单对键齿刚度，确定每个花键的啮合齿对数；根据上述扭转载荷、各个上述花键齿侧间隙、上述单对键齿刚度和上述啮合齿对数，计算获得每个花键的键齿上最大名义切向力。
[0092]
在一些可选的实施方式中，所述调节系数的确定方法如下：
[0093]
基于结构相似性算法，确定相似度的指标：
[0094][0095]
其中，μf是f的平均值，μg是g的平均值,σ
f2
是f的方差，σ
f2
是g的方差，μfμg是f和g的协方差，c1,c2为常数；
[0096]
遍历的求取不同k值下的ssim值，求取ssim值最大时的k值，即是最佳k值。
[0097]
本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。
[0098]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。