【技术实现步骤摘要】
本专利技术涉及水下物体检测，具体为一种基于无人船侧扫的水下障碍物分割方法及系统。
技术介绍
1、随着声呐技术的不断发展，利用无人船搭载二维声呐设备对水下进行大范围扫描已经成为了一种重要的手段，相比较传统的基于光学的检测，激光在水下测量中存在的散射、折射现象较多，相对应的水下声呐拥有范围广，不受水体浑浊度的影响，且覆盖范围广的优点。
2、然而现有的声呐侧扫方案侧扫生成的黑色缺陷区域相似度较大，由此导致一般的图形分割困难，无法迅速准确的将障碍物处切割出来，为此，我们提出一种基于无人船侧扫的水下障碍物分割方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种基于无人船侧扫的水下障碍物分割方法及系统，能够迅速准确的将障碍物处切割出来，实现水下障碍物体的精准定位。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于无人船侧扫的水下障碍物分割方法，具体包括以下步骤：
3、获取水下侧扫xtf文件，独立解析xtf格式并对其信号点重构为双向瀑布图；
4、采用基于自适应的bm3d去噪算法对水下侧扫瀑布图进行去噪，得到去噪图像；
5、使用qpso算法对去噪图像进行分割，提取大面积黑影区域，获得最终图像分割轮廓。
6、进一步的，所述对xtf格式的解析步骤为：
7、首先读取1024字节，并提取首字节判断此文件是否为xtf文件格式，若首字节为0x7b，则为xtf文件；
8、其次判断头文件信息中的通道数是
9、进一步的，所述对xtf格式的图像重构步骤为：
10、将每一发射周期的接收数据线接一线地纵向排列，显示在显示器上，构成了二维海底地貌声图，声图平面和海底平面成逐点映关系，声图的亮度包含海底的特征。
11、进一步的，所述自适应的bm3d去噪算法包括bm3d算法与自适应调参算法：
12、bm3d中图像块p与匹配块pmatch的相似程度由两者之间的欧几里何距离来判断，将以p点为中心搜索到的所有匹配块pmatch进行排序，并将p最近似的pmatch，再将该集合与p一起归纳进三维矩阵中，用p3d表示；
13、接着进行协同滤波，首先对p3d进行三维线性变换：先进行二维线性变换，再进行一维线性变换，然后在变换域中进行硬阈值滤波，之后再依次逆变换得到经过处理的三维矩阵p3d：
14、
15、其中，t2d表示二维线性变换，本研究采用二维离散余弦变换；t1d表示一维线性变换，采用一维小波变换；y表示硬值域滤波；表示二维线性逆变换；表示一维线性逆变换。
16、进一步的，所述采用基于自适应的bm3d去噪算法对水下侧扫瀑布图进行去噪的具体方法如下：
17、首先，建立侧扫声呐图像的散斑噪声模型，经过幂变换和对数变换把乘性的非正态分布的噪声转化为加性的正态分布噪声；
18、其次，先将侧扫声呐图像的散斑噪声从瑞利分布转化为近高斯分布，再对侧扫声呐图像进行对数变换，使得噪声从乘性转换为加性。
19、进一步的，所述侧扫声呐图像的散斑噪声模型，具体描述为：
20、x＝cz(1)
21、其中，x为被噪声污染的图像，c为真实图像，z为服从瑞利分布的散斑噪声。
22、进一步的，所述通过图像信噪比(psnr)对三维矩阵p3d进行评价，根据分数高低反馈自适应的调整bm3d算法的参数：
23、自适应调参算法为网格搜索法，按设定步长依次调整参数，通过循环遍历，从所有的参数中找到在验证集上精度最高的参数，即为最终结果。
24、进一步的，所述使用qpso算法对去噪图像进行分割，其具体步骤为：
25、(1)采用二维最大熵准则作为qpso的适应度函数，基于qpso计算分割阈值向量(r′,s′)，进而进行侧扫声呐图像的目标分割；
26、(2)由于水体或或湖底目标对声波遮挡造成侧扫声呐图像中产生阴影区域，阴影区域的像素灰度值很小，统计t集合的灰度直方图，得到第一个波峰值peak1，将t集合中数值＜peak1的位置标记阴影区域；
27、(3)根据目标和阴影成对出现及阴影出现于目标之后的特征，最终完成阴影区域的分割；
28、(4)融合侧扫声呐图像目标区和阴影区分割结果，利用数学形态学操作对分割结果提取边缘轮廓线，获得最终图像分割轮廓。
29、进一步的，所述基于二维最大熵理论，采用量子粒子群算法计算二维最优分割阈值向量；
30、在粒子群的基础上，qpso以delta势阱为基础，在寻优过程中，假设第k个粒子在其最优位置γk＝(γk1,γk2,...,γkd)为中心的delta势阱中移动(d为粒子维度数)；
31、γkd(d∈[1,d])的局部最优位置可按下式迭代计算：
32、
33、式中和为[0,1]上任意随机数；γbest为所有粒子中的最优位置(拥有最佳适应度值)；γkd为第k个粒子先前的局部最优位置；γd为第k个粒子进化后的局部最优位置。
34、根据本专利技术的一个方面，本专利技术提供一种基于无人船侧扫的水下障碍物分割系统，具体包括：
35、解析单元：用于获取水下侧扫xtf文件，独立解析xtf格式并对其信号点重构为双向瀑布图；
36、去噪单元：用于采用基于自适应的bm3d去噪算法对水下侧扫瀑布图进行去噪，得到去噪图像；
37、图像分割单元，用于使用qpso算法对去噪图像进行分割，提取大面积黑影区域，获得最终图像分割轮廓。
38、本专利技术至少具备以下有益效果：
39、本专利技术的技术方案借助以网格调参等优化算法以及psnr的评分，可自动的得到适合的bm3d去噪时的选择参数，基于qpso+形态学调参的图形分割，相较于传统的图像分割算法，可以更快、更准的通过阈值进行形态学切分，能够得到清晰完整的缺陷区域轮廓，迅速准确的将障碍物处切割出来，实现水下障碍物体的精准定位，满足无人船对海底目标搜寻和处置工作的需求。
40、当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
本文档来自技高网...【技术保护点】
1.一种基于无人船侧扫的水下障碍物分割方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于：所述对XTF格式的解析步骤为：
3.根据权利要求2所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于：对XTF格式的图像重构步骤为：
4.根据权利要求1所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于：所述自适应的BM3D去噪算法包括BM3D算法与自适应调参算法：
5.根据权利要求4所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于，采用基于自适应的BM3D去噪算法对水下侧扫瀑布图进行去噪的具体方法如下：
6.根据权利要求5所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于：所述侧扫声呐图像的散斑噪声模型，具体描述为：
7.根据权利要求6所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于，通过图像信噪比(PSNR)对三维矩阵P3D进行评价，根据分数高低反馈自适应的调整BM3D算法的参数：
8.根据权利要求1所述的一种
9.根据权利要求8所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于，基于二维最大熵理论，采用量子粒子群算法计算二维最优分割阈值向量；
10.基于无人船侧扫的水下障碍物分割系统，其特征在于，具体包括：
...【技术特征摘要】
1.一种基于无人船侧扫的水下障碍物分割方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于：所述对xtf格式的解析步骤为：
3.根据权利要求2所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于：对xtf格式的图像重构步骤为：
4.根据权利要求1所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于：所述自适应的bm3d去噪算法包括bm3d算法与自适应调参算法：
5.根据权利要求4所述的一种基于无人船侧扫的水下障碍物分割方法，其特征在于，采用基于自适应的bm3d去噪算法对水下侧扫瀑布图进行去噪的具体方法如下：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：吴刚，侯士通，曾以华，姜和俊，吴明阳，孙伟豪，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。