一种应用特征跟踪的多波束声呐目标探测方法技术

本发明专利技术提供的是一种应用特征跟踪的多波束声呐目标探测方法。(1)通过声呐系统采集数据，成像形成声呐图像，将连续的声呐图像组成声呐图像序列；(2)进行预处理；(3)提取预处理后每帧声呐图像的尺度不变特征变换特征；(4)在声呐图像序列的前两帧展开特征匹配，匹配成功的特征标定为潜在目标，将匹配不成功的特征丢弃；(5)在声呐图像序列的后续帧跟踪代表潜在目标的特征，遍历图像序列后从潜在目标中筛选出真实目标，并得到真实目标的特征轨迹。本发明专利技术方法针用在单帧图像中判断目标的有无，而通过声呐图像序列中对多个目标特征同时进行跟踪，从潜在目标中筛选出真实目标，使得该方法具有更广的适用性。

【技术实现步骤摘要】

本专利技术设及的是一种水下目标探测方法，具体地说是一种应用特征跟踪的多波束 声响目标探测方法。
技术介绍
随着国家海洋战略的牵引，水下目标探测技术得到了快速发展，其应用需求包括 水下避障与导航、沉物捜索与救拱、管道维护与桥墳检测等领域。研究人员普遍借助声响成 像，形成水下场景的声图像，通过图像分割实现水下目标探测，面临的问题包括分割阔值的 选择和单幅图像信息的局限。检测前跟踪（TrackBe化reDetect,TBD)是一种新兴的微弱 目标探测理论，对单帖图像中有无目标先不进行判断，在图像序列中对多个目标同时进行 跟踪，然后依据目标轨迹从潜在目标中筛选出真实目标。基于TBD在水下声图像序列中进 行特征跟踪，是实现水下目标探测的一种新颖的方法。 特征选择是实现水下声图像序列跟踪的关键，常用特征包括统计特征、纹理特征、 形状特征、数学变换特征等。运些特征应用在水下目标探测中，仍然存在区分能力弱、计算 复杂度大、鲁棒性差等问题。Lowe提出的尺度不变特征变换（ScaleInvariantFeETture Transform,SIFT),基于尺度空间理论，在光学图像匹配和识别领域已经有成功的应用先 例。尺度不变特征变换生成的特征对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿 射变换、噪声也保持一定程度的稳定性，能够更好的表征成像质量相对较低和易受环境干 扰的声响图像中的潜在目标。
技术实现思路
本专利技术的目的在于提供一种不用在单帖图像中判断目标的有无，通过声纳图像序 列中对多个目标特征同时进行跟踪，从潜在目标中筛选出真实目标的应用特征跟踪的多波 束声响目标探测方法。 本专利技术的目的是运样实现的：[000引 （1)通过声响系统采集数据，对所采集的数据成像形成声响图像，将连续的声响图 像组成声响图像序列； 似对所述声响图像序列中的每帖图像进行预处理； (3)提取预处理后每帖声响图像的尺度不变特征变换特征； (4)在声响图像序列的前两帖展开特征匹配，匹配成功的特征标定为潜在目标，将 匹配不成功的特征丢弃； (5)在声响图像序列的后续帖跟踪代表潜在目标的特征，遍历图像序列后从潜在 目标中筛选出真实目标，并得到真实目标的特征轨迹。 本专利技术还可W包括： 1、所述声响系统为浅水高分辨多波束测深系统，声学基阵为"T"型，发射基阵为多 元弧阵，接收基阵为80阵元的均匀线阵；工作频率为300曲Z，采样频率为40曲Z，选用的脉 冲宽度为1ms。 2、所述预处理采用动态亮度分配增强对比度、通过中值滤波实现噪声滤除，动态 亮度分配时将原始图像强度映射到线性灰度，在原始图像中W强度最小值为以将 原始图像强度的前1 %取平均作为最大值H，输入强度和输出灰度的映射函数关系如下， 其中Zm是图像输入强度值，Z。。,是图像输出灰度值，丫是映射参数、取值范围是 。 3、所述尺度不变特征变换特征包含坐标、尺度和方向信息，W及128维的特征描 述向量。 4、特征匹配W尺度不变特征变换的特征描述向量欧式距离作为相似性度量，采用 最近邻比值法，寻找待匹配特征点的最近邻和次近邻，如果最近邻距离与次近邻距离的比 值小于某阔值，则认为最近邻点与该特征为最佳匹配对，否则视为匹配失败。 本专利技术提供了一种水下目标探测方法，不用在单帖图像中判断目标的有无，而通 过声纳图像序列中对多个目标特征同时进行跟踪，从潜在目标中筛选出真实目标。 本专利技术由于采取W上技术方案，其具有W下优点 (1)本专利技术利用中值滤波和动态亮度分配，显著改善了水下声图像质量，为特征提 取和跟踪创造了有利条件。[002。 似本专利技术采用的尺度不变特征变换特征，包含较多的帖内信息、帖间匹配的鲁棒 性更强、适用于表征水下声图像序列中的潜在目标。[002引 做本专利技术使用特征跟踪方法，不用在单帖图像中判断目标的有无，而通过图像序 列中对多个目标的特征同时进行跟踪，从潜在目标中筛选出真实目标，为水下目标探测提 供了一条新的途径。【附图说明】 图1为本专利技术所设计特征跟踪的水下目标探测方法的流程图。 图2为本专利技术采集图像序列第1帖原始图像。 图3a至图3d为本专利技术图像序列第1帖在不同映射参数时动态亮度分配效果，其 中图 3日，丫 = 0. 5 ;图 3b，丫 = 1 ;图 3c，丫 = 1. 5 ;图 3d，丫 = 2。 图4为本专利技术图像序列第1帖预处理图像。 图5为本专利技术提取的图像序列第1帖尺度不变特征变换特征。 图6为本专利技术图像序列第1帖和第2帖尺度不变特征变换特征匹配状况。 图7为本专利技术设计的特征跟踪的算法流程。 图8为本专利技术特征跟踪的目标探测实验结果。【具体实施方式】 应用特征跟踪的多波束声响水下目标探测方法的总体流程图如图1所示。下面结 合实施案例，对本专利技术的方法作进一步详细描述。 1、通过声响系统采集数据，对数据成像形成声响图像，将连续的声响图像组成声 响图像序列。 试验设备为浅水高分辨多波束测深系统。系统的声学基阵为"T"型，发射基阵为 多元弧阵，接收基阵为80阵元的均匀线阵。系统工作频率为300曲Z，采样频率为40曲Z，选 用的脉冲宽度为1ms。水深为20~30m，将油桶作为动态小目标，试验中将测量船停靠在岸 边，声响系统固定安装，在艇侧使用两根粗缆绳吊放油桶，并让其在水中做缓慢的垂直和水 平运动。将采集的数据成像，图像尺寸为，选取连续的28帖组成图像序列。从图像序列中 读取第1帖，成像效果如图2所示。 2、对声响图像序列中的每帖图像进行预处理。采用动态亮度分配增强对比度，通 过中值滤波实现噪声滤除； 动态亮度分配时，输入强度和输出灰度的映射函数关系如下： 分别设定映射参数丫值为0. 5、1、1. 5、2. 0进行对比，试验结果如图3所示，比较 发现当丫 = 1.5时对比度强化和细节保留的平衡最好，因此选择映射参数丫 = 1.5。中值 滤波采用滑动窗大小为3X3,经过预处理的图像如图4所示。 3、提取水下声图像中的尺度不变特征变换特征表征潜在目标。 将水下声图像定义为I(X，y)，高斯核函数为G(x，y，0 )，表达式如下式所示。[00川式中，0为尺度空间因子，反映了图像被平滑的程度。将I(x，y)和G(x，y，0)卷 积得到图像在不同尺度下的尺度空间表示如下： R(x, y,〇) =G(x, y,〇)*I(x, y) 图像的差分高斯值ifference of Gaussian, DoG)算子定义为： D (x, y,〇) =R (x, y, k〇)-R (x, y,〇) 式中k为相邻尺度间的比例因子。由DoG算子构成当前第1页1 2 本文档来自技高网...

【技术保护点】
一种应用特征跟踪的多波束声呐目标探测方法，其特征是：(1)通过声呐系统采集数据，对所采集的数据成像形成声呐图像，将连续的声呐图像组成声呐图像序列；(2)对所述声呐图像序列中的每帧图像进行预处理；(3)提取预处理后每帧声呐图像的尺度不变特征变换特征；(4)在声呐图像序列的前两帧展开特征匹配，匹配成功的特征标定为潜在目标，将匹配不成功的特征丢弃；(5)在声呐图像序列的后续帧跟踪代表潜在目标的特征，遍历图像序列后从潜在目标中筛选出真实目标，并得到真实目标的特征轨迹。

【技术特征摘要】

【专利技术属性】
技术研发人员：李海森，高珏，徐超，卢为选，曹天宇，付丽嘉，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23