本发明涉及图像处理,具体地,涉及改进的pcnn声纳图像增强方法及系统。
背景技术:
1、水上搜救工作是国家突发事件应急体系的重要组成部分,是我国履行国际公约的重要内容,对保障人民群众生命财产安全、保护海洋生态环境、服务国家发展战略、提升国际影响力具有重要作用。我国地域辽阔,水域面积大且分散,随着社会经济开发力度的不断增强,水域事故更是时有发生。
2、为了救助遇险人员,控制水域突发事件扩展,最大程度减少突发事件造成的人员伤亡和财产损失,要求应急与救援系统能够“快、准、稳”地完成搜救任务。目前,搜救主要依靠潜水员,但是事先无法完全了解事故地点的地形、水域深浅,难以充分考虑救援预案,且水下能见度低,救援效率低,水下救援犹如瞎子摸象、大海捞针。水域救援成为一项突发性强、时间紧迫、技术要求高、救援难度大、危险性高的救援项目。
3、2020年开始,各消防救援总队陆续配备一些水下机器人和低精度声纳,装备水平有所提高,但总体上依然是存在不足:
4、水下声场环境复杂,声纳设备成像具有非线性性质,现有图像声纳所采集到的水下声纳图像具有对比度低、成像质量差、目标与背景之间对比度低等特点,尤其水域条件不好时,将导致无有效实时环境的观察支持,会使得搜救效率降低。
5、由于声纳图像存在局限性,为了辅助搜救人员快速判别,亟需加强对声纳图像增强技术的研究,突出感兴趣区域,提升声纳设备图像的视觉图形效果。
技术实现思路
1、针对现有技术中的缺陷,本发明的目的是提供一种改进的pcnn声纳图像增强方法及系统。
2、根据本发明提供的一种改进的pcnn声纳图像增强方法,包括:
3、步骤s1:获取图像声纳所采集得到的回波信号数据;
4、步骤s2:对采集得到的回波信号数据进行预处理得到预处理后的回波信号数据;
5、步骤s3:根据预处理后的回波信号数据设置pcnn参数,包括:权值系数矩阵w、连接强度系数β、连接输入幅值vl、动态阈值衰减系数αt和动态阈值放大系数vt;
6、步骤s4:将pcnn参数代入改进后的pcnn,对预处理后的回波信号数据进行增强;
7、所述改进后的pcnn是基于pcnn模型的权值系数矩阵w、连接强度系数β、连接输入幅值vl、动态阈值衰减系数αt和动态阈值放大系数vt,实现pcnn增强算法,能够根据每帧声纳图像的回波信号值自适应地调整上述参数,优化pcnn的增强效果。
8、优选地,所述步骤s2采用:对采集得到的回波信号数据进行双边滤波处理得到处理后的回波信号数据。
9、优选地,所述步骤s3采用:通过分析pcnn参数设置对神经元点火状态的影响,根据预处理后的回波信号数据,使用自适应参数设置方法设置pcnn参数。
10、优选地,所述权值系数矩阵w采用:
11、
12、其中,权值系数矩阵w中各系数满足4a+8b+16c+20d=1且a>b>c>d;
13、所述连接强度系数β表示神经元之间的关联性,可调节中心神经元受邻域影响的强度,β越大神经元的捕捉能力越强,神经元越易受邻域影响;
14、
15、其中,smax为每帧图像声纳数据的最大值;sthre为每帧图像声纳数据的阈值;wsum为权值系数矩阵w中每个系数的代数和;
16、所述连接强度系数β和所述连接输入幅值vl两者乘积保持不变;参数vl可取任意正值,参数β也会相应的变化;
17、所述动态阈值衰减系数αt采用:
18、
19、其中,smax为每帧图像声纳数据的最大值;smin为每帧图像声纳数据的最小值;为每帧图像声纳最小值对应的神经元的第二次点火时刻;为每帧图像声纳最大值对应的神经元的第二次点火时刻;
20、所述动态阈值放大系数vt采用:
21、
22、优选地,所述步骤s4采用:
23、步骤s4.1:输入预处理后的回波信号数据s;
24、步骤s4.2:初始化pcnn的参数,包括:权值系数矩阵w、连接强度系数β、连接输入幅值vl、动态阈值衰减系数αt和动态阈值放大系数vt;初始化神经元的脉冲输出状态y、链接输入l、神经元内部活动项u和pcnn输出映射累计的增强图像帧y0为零矩阵;将反馈输入f初始化为预处理后的回波信号数据s;初始化动态阈值t为:
25、
26、其中,la表示拉普拉斯算子;
27、步骤s4.3:将迭代次数n的初始值设为1;
28、步骤s4.4:判断迭代次数n是否小于设置的最大迭代次数n,若小于最大迭代次数n,则进入pcnn循环,否则退出pcnn循环;
29、步骤s4.5:计算更新链接输入l;
30、
31、步骤s4.6:计算更新动态阈值t;
32、
33、步骤s4.7:计算更新神经元内部活动项u;
34、uij[n]=fij[n](1+β·lij[n])
35、步骤s4.8:计算更新神经脉冲输出状态y;
36、
37、步骤s4.9:计算更新pcnn输出映射的增强图像帧e;
38、eij[n]=∑(lnamax-αt(n-1))·y[n]
39、步骤s4.10:将pcnn输出映射的增强图像帧e累加pcnn输出映射累计的增强图像帧y0上;
40、步骤s4.11:判断神经元的脉冲输出状态y,若神经元的脉冲输出状态y均为0,则触发步骤s4.12中退出pcnn循环;否则触发步骤s4.13继续执行pcnn循环;
41、步骤s4.12:退出pcnn循环
42、步骤s4.13:迭代次数n加1;
43、步骤s4.14:结束本轮pcnn循环,触发步骤s4.4;
44、步骤s4.15:线性归一化y0到原预处理后的回波信号数据s的最大最小值区间内,获得增强结果r。
45、根据本发明提供的一种改进的pcnn声纳图像增强系统,包括:
46、模块m1:获取图像声纳所采集得到的回波信号数据;
47、模块m2:对采集得到的回波信号数据进行预处理得到预处理后的回波信号数据;
48、模块m3:根据预处理后的回波信号数据设置pcnn参数,包括:权值系数矩阵w、连接强度系数β、连接输入幅值vl、动态阈值衰减系数αt和动态阈值放大系数vt;
49、模块m4:将pcnn参数代入改进后的pcnn,对预处理后的回波信号数据进行增强;
50、所述改进后的pcnn是基于pcnn模型的权值系数矩阵w、连接强度系数β、连接输入幅值vl、动态阈值衰减系数αt和动态阈值放大系数vt,实现pcnn增强算法,能够根据每帧声纳图像的回波信号值自适应地调整上述参数,优化pcnn的增强效果。
51、优选地,所述模块m2采用:对采集得到的回波信号数据进行双边滤波处理得到处理后的回波信号数据。
52、优选地,所述模块m3采用:通过分析pcnn参数设置对神经元点火状态的影响,根据预处理后的回波信号数据,使用自适应参数设置方法设置pcnn参数。
53、优选地,所述权值系数矩阵w采用:
54、
55、其中,权值系数矩阵w中各系数满足4a+8b+16c+20d=1且a>b>c>d;
56、所述连接强度系数β表示神经元之间的关联性,可调节中心神经元受邻域影响的强度,β越大神经元的捕捉能力越强,神经元越易受邻域影响;
57、
58、其中,smax为每帧图像声纳数据的最大值;sthre为每帧图像声纳数据的阈值;wsum为权值系数矩阵w中每个系数的代数和;
59、所述连接强度系数β和所述连接输入幅值vl两者乘积保持不变;参数vl可取任意正值,参数β也会相应的变化;
60、所述动态阈值衰减系数αt采用:
61、
62、其中,smax为每帧图像声纳数据的最大值;smin为每帧图像声纳数据的最小值;为每帧图像声纳最小值对应的神经元的第二次点火时刻;为每帧图像声纳最大值对应的神经元的第二次点火时刻;
63、所述动态阈值放大系数vt采用:
64、
65、优选地,所述模块m4采用:
66、模块m4.1:输入预处理后的回波信号数据s;
67、模块m4.2:初始化pcnn的参数,包括:权值系数矩阵w、连接强度系数β、连接输入幅值vl、动态阈值衰减系数αt和动态阈值放大系数vt;初始化神经元的脉冲输出状态y、链接输入l、神经元内部活动项u和pcnn输出映射累计的增强图像帧y0为零矩阵;将反馈输入f初始化为预处理后的回波信号数据s;初始化动态阈值t为:
68、
69、其中,la表示拉普拉斯算子;
70、模块m4.3:将迭代次数n的初始值设为1;
71、模块m4.4:判断迭代次数n是否小于设置的最大迭代次数n,若小于最大迭代次数n,则进入pcnn循环,否则退出pcnn循环;
72、模块m4.5:计算更新链接输入l;
73、
74、模块m4.6:计算更新动态阈值t;
75、
76、模块m4.7:计算更新神经元内部活动项u;
77、uij[n]=fij[n](1+β·lij[n])
78、模块m4.8:计算更新神经脉冲输出状态y;
79、
80、模块m4.9:计算更新pcnn输出映射的增强图像帧e;
81、eij[n]=∑(lnamax-αt(n-1))·y[n]
82、模块m4.10:将pcnn输出映射的增强图像帧e累加pcnn输出映射累计的增强图像帧y0上;
83、模块m4.11:判断神经元的脉冲输出状态y,若神经元的脉冲输出状态y均为0,则触发模块m4.12中退出pcnn循环;否则触发模块m4.13继续执行pcnn循环;
84、模块m4.12:退出pcnn循环
85、模块m4.13:迭代次数n加1;
86、模块m4.14:结束本轮pcnn循环,触发模块m4.4;
87、模块m4.15:线性归一化y0到原预处理后的回波信号数据s的最大最小值区间内,获得增强结果r。
88、与现有技术相比,本发明具有如下的有益效果:
89、1、由于将声纳图像转换为灰度图像后进行处理会压缩回波信号信息,因此本发明直接对图像声纳所测得的回波信号进行pcnn增强处理以增强目标的视觉图形效果;
90、2、本发明提出了适用于对图像声纳数据进行pcnn增强的参数自适应设计方法,根据每帧声纳数据自适应调整该帧的pcnn模型参数以增强目标与背景的对比度;
91、3、本发明提出统计图像声纳数据的数据级数,并根据此设计动态阈值衰减系数和动态阈值放大系数,使得算法能逐级点火并自适应地结束pcnn迭代,不致算法因空级提早退出迭代,使得目标视觉图形增强失败;
92、4、本发明提出在pcnn增强前引入双边滤波算法,在降低数据噪声的同时保护数据的边缘信息。