一种基于声呐图像的海洋生物探测方法技术

本发明专利技术涉及海洋生物探测技术领域，本发明专利技术提出了一种基于声呐图像的海洋生物探测方法；通过发射多频率声呐信号，在待探测海域获取多频率声呐图像，并将其分为信息强稳定、信息弱稳定和信息波动声呐图像序列；根据声呐图像所在序列、位置和频率等计算融合系数，并利用融合系数作为权重对多频率声呐图像进行信息融合，通过划定矩形识别区域，将其与海洋生物专家数据库进行比对识别；本发明专利技术通过减少噪声信息但保留重要信息的方式提升了用于海洋生物探测的声呐图像质量，从而提高基于声呐图像的海洋生物探测准确性。海洋生物探测准确性。海洋生物探测准确性。

【技术实现步骤摘要】
一种基于声呐图像的海洋生物探测方法


[0001]本专利技术涉及声呐图像处理技术、海洋生物探测
，具体涉及一种基于声呐图像的海洋生物探测方法。

技术介绍

[0002]随着现代科技的发展，人们开始利用各种先进设备来进行海洋生物的探测，其中最具代表性的就是声呐。声呐可以通过发出声波并接收返回的声波信号或仅接收海洋声波信号来获取目标信息，相比于潜航器和水下机器人，声呐的信号采集方式更加低成本和广泛，可以在更短的时间内探测更大范围和更深的海域。
[0003]虽然声呐技术在海洋生物探测方面已经取得了很大的进展，但目前仍然存在一些技术难点需要解决。例如，如何有效地利用声呐采集到的声波信息仍是一个关键问题。由于海洋环境的复杂性，这些声波信息常常伴随着大量的噪声和干扰，噪声、强反射等因素的干扰凸显了与海洋生物相关的信息，声呐信号和声呐图像中因为噪声、强反射等现象会导致的海洋生物探测错误，因此，解决噪声、强反射等现象影响声呐图像质量的问题是海洋生物探测和分析的关键，需要深入研究如何构建高质量的声呐图像和图像分析的方法。

技术实现思路

[0004]本专利技术的目的是提供一种通过图像分析技术分析声呐图像的海洋生物探测方法，以解决现有探测方法效果不佳的技术问题。
[0005]为了解决上述问题，本专利技术的技术方案为：一种基于声呐图像的海洋生物探测方法，其特征和方法包括如下：S100：在待探测的海域使用声呐系统获取多频率声呐图像；S200： 将多频率声呐图像划分为多个信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列；S300：计算每张声呐图像的融合系数，对多频率声呐图像进行信息融合；S400：对信息融合后的声呐图像划定矩形识别区域，和海洋生物的专家数据库进行对比识别。
[0006]进一步地，在步骤S100，通过声呐系统对待探测的海域进行扫描，具体为：使用声呐系统对待探测的海域发出一系列不同频率的激励声波信号，这里的频率是指声呐系统的工作频率，即水声换能器的声学频率，这些不同频率的声波信号包括低频声波信号（声波频率小于或等于20kHz）、中频声波信号（声波频率大于20kHz，但小于100kHz）和高频声波信号（声波频率大于或等于100kHz）；与传统的声呐系统仅使用单一频率的声波信号进行探测不同，多频率的声波信号可以提供更加丰富的信息；通过声呐系统的接收器接收反射回来的多频率回波信号，每个频率下，将声呐系统接收的每一帧的回波信号记录成一列纵向图数据；将接收到的多频率回波信号进行相位校正、调幅校正过程，以提取各频率回波数据的相关信息；重复上面所述的声呐发出声波信号和接收声波信号的过程，直至到达设定的次数，
从而获得校正后的多频率回波信号；进一步地，把校正后的多频率回波信号中的每个频率的回波信号独立地按照接收时间序列拼接成灰度图像作为多张声呐图像，其中，将多频率下的多张声呐图像记为多频率声呐图像，按照回波信号强度值大小分配对应的灰度值，信号强度值越大则灰度值越接近255，信号强度值越小则灰度值越接近0，每个频率的所有帧的回波信号构成其对应的一张声呐图像，若有N个频率的声波及其回波信号，则有N张声呐图像，其中N为非负整数，最小值为0；所设定的声呐系统发出声波和接收回波过程的重复次数越多，则时间序列越长；考虑到计算负荷和内存限制，声呐系统所发出不同频率的激励声波数量以及接收回波的次数（即声呐系统接收回波的时间序列长度）和声波信号的采样频率数可根据不同的海域、海域情况和探测任务的需要进行调整；在水深较浅的海域进行海洋生物探测时，则缩短声呐系统接收回波的时间序列长度或减少声呐系统发出的中、低频声波的采样频率数，例如，在某一次采样中，在深水区域，对于中频声波的采样频率是20kHz、30kHz、40kHz、50kHz、60kHz、70kHz、80kHz、90kHz， 接收回波的时间序列长度为1000；在浅水区域，对中频波的采样频率变为20kHz、40kHz、60kHz、80kHz，接收回波的时间序列长度变为500，减少中频波的采样频率数和缩短了接收回波的时间序列长度；本专利技术不直接把多频率的声呐图像直接以加权求和的方式进行融合，多频率声呐图像中总会存在一些带噪声的声呐图像信息，这种融合方式容易给信息融合后的声呐图像引入额外的噪声干扰，从而影响使用声呐图像进行海洋生物探测的效果；优选地，在步骤S200，将多频率声呐图像划分为信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列，其步骤如下：S201，将多频率声呐图像按照频率从小到大进行排序得到集合G；记集合G中多频率声呐图像的数量为I，I为正整数，记i为集合G中元素的序号，i∈[0，I
‑
1]且为整数，G
i
表示集合G中的第i张多频率声呐图像；S202，计算集合G中多频率声呐图像的灰度图像的像素最大灰度值和平均灰度值的平均值或中位数分别作为阈值Thr1和Thr2，按序号从小到大的顺序依次计算集合G中序号相邻的两个灰度图像G
i
和G
i+1
像素灰度值，其中SUM是求图像中灰度值总和的操作，SUM（G
i
）表示G
i
的图像中像素灰度值总和，SUM（G
i+1
）表示图像中G
i+1
的像素灰度值总和；记列表Red中一共有I
‑
1个元素，j为列表Red中差值元素的序号，j∈[0，I
‑
2]且为整数，Red
j
表示列表Red中的第j个元素；S203，设置集合P为空集（集合P的元素可以是列表Red中的一个或多个差值元素所组成的集合），将列表Red中绝对值大于Thr2的差值元素定义为边界差值元素；把边界差值元素作为划分边界（两个或两个以上序号连续的边界差值元素也作为一个边界）将列表Red中的非边界差值元素划分为不同集合（边界差值元素的绝对值大于阈值Thr2，计算得到边界差值元素的对应两张声呐图像之间信息波动幅度很大，说明声波信号受到了强干扰，含有大量的噪声，因此在对列表Red中的差值进行划分时排除了边界差值元素），每个集合都加入到集合P作为一个子集；记k为集合P中子集的序号，k∈[0，K
‑
1]且为整数，P
k
表示集合P中的第k个子集；其具体步骤如下：（列表Red中的元素反映了集合G中相邻的两个不同频率声呐图像的信息波动情况，对应频率相邻的两个声呐凸显出现较大的信息波动时（出现边界差值元素）除了受到强
干扰外也说明了与边界差值元素对应的前后频率波段的声呐图像信息差异大，因此以边界差值元素作为划分边界对列表Red进行划分）；设置初始值为0的整数变量Ac和布尔型变量TCin的初始值为0，j的初始值为0，从小到大遍历j的取值范围，重复以下的遍历过程，直至j=I
‑
2：当j=0时：若|Red
j
|≤Thr2，令j和Ac的值各增加1；若|Red
j
|>Thr2，将TCin设置为1，令j的值增加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声呐图像的海洋生物探测方法，其特征在于，所述方法包括以下步骤：S100：在待探测的海域使用声呐系统获取多频率声呐图像；S200： 将多频率声呐图像划分为多个信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列；S300：计算每张声呐图像的融合系数，对多频率声呐图像进行信息融合；S400：对信息融合后的声呐图像划定矩形识别区域，和海洋生物的专家数据库进行对比识别；在S200中，将多频率声呐图像划分为信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列，其步骤如下：S201，将多频率声呐图像按照频率从小到大进行排序得到集合G；记集合G中多频率声呐图像的数量为I，I为正整数，记i为集合G中元素的序号，i∈[0，I
‑
1]且为整数，G
i
表示集合G中的第i张多频率声呐图像；S202，计算集合G中多频率声呐图像的灰度图像的像素最大灰度值和平均灰度值的平均值或中位数分别作为阈值Thr1和Thr2，按序号从小到大的顺序依次计算集合G中序号相邻的两个灰度图像G
i
和G
i+1
像素灰度值总和的差值形成列表Red，记列表Red中一共有I
‑
1个元素，j为列表Red中差值元素的序号，j∈[0，I
‑
2]且为整数，Redj表示列表Red中的第j个元素；S203，设置集合P为空集，将列表Red中绝对值大于Thr2的差值元素定义为边界差值元素；把边界差值元素作为划分边界将列表Red中的非边界差值元素划分为不同集合，每个集合都加入到集合P作为一个子集；记k为集合P中子集的序号，k∈[0，K
‑
1]且为整数，P
k
表示集合P中的第k个子集；S204，对集合P进行遍历以将集合G中的声呐图像序列划分为多个信息强稳定声呐图像序列、信息弱稳定声呐图像序列或信息波动声呐图像序列。2.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法，其特征在于，在步骤S100，通过声呐系统对待探测的海域进行扫描，具体为：使用声呐系统对待探测的海域发出一系列不同频率的激励声波信号，通过声呐系统的接收器接收反射回来的多频率回波信号，每个频率下，将声呐系统接收的每一帧的回波信号记录成一列纵向图数据；将接收到的多频率回波信号进行相位校正、调幅校正过程，以提取各频率回波数据的相关信息；重复上面所述的声呐发出声波信号和接收声波信号的过程，直至到达设定的次数，从而获得校正后的多频率回波信号。3.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法，其特征在于，在S100中，把校正后的多频率回波信号中的每个频率的回波信号独立地按照接收时间序列拼接成灰度图像作为多张声呐图像，按照回波信号强度值大小分配对应的灰度值，信号强度值越大则灰度值越接近255，信号强度值越小则灰度值越接近0，每个频率的所有帧的回波信号构成其对应的一张声呐图像。4.根据权利要求1所述的一种基于声呐图像的海洋生物探测方法，其特征在于，在S203中，把边界差值元素作为划分边界将列表Red中的非边界差值元素划分为不同集合的步骤如下：设置初始值为0的整数变量Ac和布尔型变量TCin的初始值为0，j的初始值为0，从小到
大遍历j的取值范围，重复以下的遍历过程，直至j=I

【专利技术属性】
技术研发人员：张晓光，杜红，林慧贤，于齐，张剑，刘耀鸿，周儒省，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：