一种声呐图像自动增强方法与流程

本发明涉及声呐，尤其涉及一种声呐图像自动增强方法。

背景技术：

1、在声呐图像应用中，水质差异、水深差异、海底底质差异以及频率等因素会导致声传播损失和海底反射损失，进而影响到目标声呐图像的质量。然而，传统的声呐图像增强方法通常需要人工干预，且效果有限，需要一种能够自动增强声呐图像的方法、解决水质差异、水深差异、海底底质差异以及频率等因素对声图的影响。

2、因此，我们提出一种声呐图像自动增强方法解决上述问题。

技术实现思路

1、针对现有技术的不足，本发明提供了一种声呐图像自动增强方法，以解决现有技术中“在声呐图像应用中，水质差异、水深差异、海底底质差异以及频率等因素会导致声传播损失和海底反射损失，进而影响到目标声呐图像的质量。然而，传统的声呐图像增强方法通常需要人工干预，且效果有限，需要一种能够自动增强声呐图像的方法、解决水质差异、水深差异、海底底质差异以及频率等因素对声图的影响”的技术问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种声呐图像自动增强方法，其特征在于，包括如下步骤：

3、s1、去噪处理:

4、对原始声呐图像进行预处理，预处理包括去除噪声、平滑图像和增强对比度等操作，预处理的目标是减少噪声对后续处理的影响，首先对图像进行中值滤波，以去除突变噪声点的影响，方法是用像素点周围窗口内的中值替换该像素点的值，以下其中为处理后的图像值，i(x,y)为处理前的图像值，n为窗口大小，具体计算公式为:

5、然后对图像进行均值滤波处理，使用一个具有相同权重的滤波器，将每个像素点的值替换为其周围像素值的平均值为:

6、

7、s2、图像平滑：

8、使用指定的滤波函数作为权重，计算每个像素点的加权平均值，从而减少图像中的高频噪声，计算公式如下：

9、其中h(i,j)代表滤波权重；

10、s3、图像均衡操作：

11、通过对图像的直方图进行变换，将像素值拉伸到整个灰度级范围内，增强图像的对比度，公式如下：

12、

13、其中，l为灰度级数目，m和n分别为图像的宽度和高度，pr(k)为原始图像中像素值为k的概率；

14、s4、开始滑动窗口处理：

15、由于海底地形背景是缓变的，因此可以设定一个滑动窗口作为后续处理的基准，根据实际的系统情况，设置一个初始窗口w0；

16、s5、估计计距离增益补偿曲线：

17、声呐垂直航迹方向又称为距离向，距离向对应声传播方向，这里假定i(x,y)为处理前的图像值，x为距离向，y航迹方向，无论是声传播引起的声波能量衰减、后向散射引起的衰减以及合成孔径长度的变化引起的图像强度变化，所以对图像增益的补偿可以归结为对距离增益补偿曲线rgc(range gain correction)的估计问题，假定距离增益函数为f(x)，假定理想的图像为i0(x,y)，则实际图像为：i(x,y)＝i0(x,y)f(x)

18、按照如下方法估算f(x)，

19、a:建立如下模型，假定f(x)用一个参数向量描述

20、a＝[a0,a1,a2,...,am]

21、其中m为模型的阶数,我们可以用多项式函数来表示f(x)

22、f(x；a)＝a0+a1t+a2t2+...+amtm

23、其中tk为f(x)的第k个样本的观测值，计yk为第k个样本，建立如下模型：

24、找到一个最佳的参数向量a，使得模型的预测值和实际观测值之间的残差最小化，残差表示为：

25、εk＝yk-f(tk；a)

26、我们的最小二乘问题可以表示为：

27、

28、过最小化残差的平方和，可以得到参数向量a的估计值，可以通过求解下面的正规方程组得到：

29、其中，x为设计矩阵，y为观测向量

30、

31、

32、通过矩阵求逆方法可得到其解，即估计的f(x)的解

33、s6、修正原始图像：

34、按照上一步骤中估计出rgc函数，对图像信息进行补偿操作其中为处理后的图像值，i(x,y)为处理前的图像值。λ和δ为修正系数，根据时间环境的增益和系统显示的动态范围要求进行微调；

35、s7、自动估计图像声呐的最佳动态范围；

36、通过对图像声呐进行统计分析，自动估计出图像声呐的最佳动态范围，最佳动态范围可以根据图像声呐中的像素值分布情况来确定，以便在后续的增强步骤中更好地调整图像的对比度，首先，计算声呐图像的灰度级概率，将声呐图像转换为灰度图像，并统计每个灰度级的像素数量，可以将灰度级划分为一定的区间，计算每个区间内的像素数量，令表示灰度级的像素数量。

37、声呐图像记作i(i,j)，h(i)表示灰度级i的像素数量

38、然后，计算累积值c(i)，表示灰度级小于等于i的像素数量：然后，计算总的像素数量csum，选择累计直方图中像素数量在某个阈值以下的灰

39、度级作为最佳动态范围的下界，将像素数量接近总像素数量一定比例的灰度级作为最佳动态范围的上界，具体步骤如下：

40、设置阈值t，选择一个合适的值作为阈值，寻找最小的灰度级imin，使得c(imin)＞t·csum，

41、即像素数量超过总像素数量的一定比例；

42、寻找最大的灰度级imax，使得c(imax)＜(1-t)·csum，

43、即像素数量接近总像素数量减去一定比例的像素数量；

44、最佳动态范围为[imin,imax]；

45、s8：动态范围补偿：

46、根据上一步骤估计的最优动态范围对图像进行调整，根据上述中得到的最佳动态范围[imin,imax]，对图像声呐进行动态范围调整，对于每个像素点，进行灰度调整的计算公式为：其中，i(x,y)为原始图像像素，为调整后的像素，imax和imin分别是最佳动态范围的下界和上界；

47、s9、评估图像优化质量：

48、对增强后的图像进行评估，按照如下的方法进行其中i(i,j)为原始图像，为增强后的图像，diff2(i,j)为对应像素差值的平方；

49、

50、得到均方误差mse，然后通过下列公式计算：

51、

52、其中maxi代表图像像素值的最大值，p表示原始图像与增强后图像之间像素值的差异程度的平均平方差，其值越高，表示图像质量越好；

53、s10、动态调整优化算法：

54、根据上一步骤的评估结果动态调整前述个各步骤的参数δp＝p/p0，

55、p0为预期的评估值，δp为图像增强的偏离，根据实际需要设置偏离修正函数f(δp)，对前述参数进行修正，例如对滑动窗口进行修改，采用一阶函数修正，fw(δp)＝w0(aδp+b)

56、其中w0为初始窗口，a和b为修正系数。

57、本发明提供了一种声呐图像自动增强方法，具备以下有益效果：

58、1、以下图像分别为未经过处理的原始图像结果，和采用上述方法进行图像增强后的结果，可以看出对声呐图像进行处理和增强后，可以有效降低水质差异、水深差异、海底底质差异以及频率等因素对声图的影响，提高声呐图像的质量和可视性；

59、2、该方法通过计算声呐图像强度与距离的关系曲线，并根据该关系曲线对图像声呐进行补偿，自动估计图像声呐的最佳动态范围，并根据动态范围对图像进行增强。