本发明专利技术公开了一种声纳图像的弱目标检测方法、系统和计算装置，涉及声纳图像识别技术领域，其中所述弱目标检测方法包括：对平滑处理后的声纳图像进行Gamma建模；设计恒虚警检测窗口，供检测建模后的声纳图像；将检测后的声纳图像进行二值化处理，以估计背景；将二值图像进行聚类；在提取声纳图像中符合亮度特征的物体后，判断物体是真实的运动目标或伪目标。通过上述步骤，在复杂多变的环境中，所述弱目标检测方法也能提供鲁棒性检测，准确、高效地检出声纳图像中的弱目标。
【技术实现步骤摘要】
本专利技术涉及声纳图像识别，特别涉及一种声纳图像的弱目标检测方法、系统和计算装置。
技术介绍
1、目标检测技术是声纳图像信号处理中的重要组成部分。然而在浅海近海环境下,主动声纳目标检测会受到海面、海底及海洋中大量散射体产生的混响干扰,这些混响的复杂变化直接影响主动声纳系统的目标探测性能。除此以外,目标回波强度起伏也是检测的一大难点。当前检测算法的主要困难在于自主检测，特别是检测算法对复杂背景干扰的适应性。准确地进行动态背景估计、抑制干扰、控制虚警、突出弱目标是目标检测的重点。当目标回波信噪比较低时,经典的局部阈值或双参数恒虚警检测技术容易丢失目标,影响实时目标检测及后续识别处理的稳定性。
技术实现思路
1、本专利技术的一个目的在于提供一种声纳图像的弱目标检测方法、系统和计算装置，其中在存在混响干扰的情况下，本专利技术的所述弱目标检测方法能够准确地检测声纳图像中的弱目标，以判断其是真实的运动目标还是伪目标。
2、为了达到上述目的，本专利技术提供的技术方案是：一种声纳图像的弱目标检测方法，其中所述弱目标检测方法包括如下步骤：
3、s1，对平滑处理后的声纳图像进行gamma建模；
4、s2，设计恒虚警检测窗口，供检测建模后的声纳图像；
5、s3，将检测后的声纳图像进行二值化处理，以估计背景；
6、s4，将二值图像进行聚类；
7、s5，在提取声纳图像中符合亮度特征的物体后，判断物体是真实的运动目标或伪目标。
>8、作为本专利技术的技术方案的进一步改进，在所述步骤s1中，参数表示待检测位置存在目标回波反射点，参数表示待检测位置仅存在噪声，其中参数和参数满足：9、，其中参数是平滑后的信号强度，参数是要确定的决策阈值，平滑后的信号强度在假设下的概率密度函数满足，参数是每个信号的具体值，参数是平滑数据的数量，参数是尺度参数，信号强度在假设下的累积分布概率为，的闭式表达式为。
10、作为本专利技术的技术方案的进一步改进，在所述步骤s2中，所述恒虚警检测窗口包括待检测单元、位于所述待检测单元的相对两侧的保护单元以及位于所述待检测单元和两个所述保护单元的上下侧的参考单元，其中上侧的所述参考单元的均值参数为，下侧的所述参考单元的均值参数为，参数的均值是，参数的均值是，参数为上侧的所述参考单元中的像素的个数，参数为下侧的所述参考单元中的像素的个数，参数是所述参考单元，参数为所述参考单元中的像素的总个数，其满足关系式，其中在所述步骤s3中，背景杂波估计值为，所述决策阈值满足，其中参数为阈值因子，参数由对应的虚警概率表达式计算得到，计算公式满足：
11、。
12、作为本专利技术的技术方案的进一步改进，在所述步骤s4中，采用dbscan算法对二值图像进行聚类。
13、作为本专利技术的技术方案的进一步改进，所述步骤s5进一步包括：
14、s5.1，计算被提取的高亮物体的几何尺寸，将几何尺寸大于设定阈值的物体标记为疑似目标；
15、s5.2，对疑似目标进行区域标记和编号；
16、s5.3，计算疑似目标的质心位置，并存储到数组中以记录疑似目标在时间序列上的运动轨迹；
17、s5.4，分析相邻多帧声纳图像中的疑似目标的质心位置的变化量，判断疑似目标的运动状态，其中当疑似目标的质心位置的变化量超过设定的运动阈值时，判断物体是真实的运动目标，当疑似目标的质心位置的变化量不超过设定的运动阈值时，判断物体是伪目标。
18、依本专利技术的另一个方面，本专利技术进一步提供一种声纳图像的弱目标检测系统，其包括：
19、建模单元，用于对平滑处理后的声纳图像进行gamma建模；
20、设计单元，用于设计恒虚警检测窗口，供检测建模后的声纳图像；
21、二值化单元，用于将检测后的声纳图像进行二值化处理，以估计背景；
22、聚类单元，用于将二值图像进行聚类；
23、判断单元，用于在提取声纳图像中符合亮度特征的物体后判断物体是真实的运动目标或伪目标。
24、作为本专利技术的技术方案的进一步改进，所述建模单元包括平滑模块和建模模块，所述平滑模块用于对声纳信号数据进行平滑处理，所述建模模块用于进行gamma建模，其中参数表示待检测位置存在目标回波反射点，参数表示待检测位置仅存在噪声，其中参数和参数满足：
25、，其中参数是平滑后的信号强度，参数是要确定的决策阈值，平滑后的信号强度在假设下的概率密度函数满足，参数是每个信号的具体值，参数是平滑数据的数量，参数是尺度参数，信号强度在假设下的累积分布概率为，的闭式表达式为。
26、作为本专利技术的技术方案的进一步改进，所述恒虚警检测窗口包括待检测单元、位于所述待检测单元的相对两侧的保护单元以及位于所述待检测单元和两个所述保护单元的上下侧的参考单元，其中上侧的所述参考单元的均值参数为，下侧的所述参考单元的均值参数为，参数的均值是，参数的均值是，参数为上侧的所述参考单元中的像素的个数，参数为下侧的所述参考单元中的像素的个数，参数是所述参考单元，参数为所述参考单元中的像素的总个数，其满足关系式，其中背景杂波估计值为，所述决策阈值满足，其中参数为阈值因子，参数由对应的虚警概率表达式计算得到，计算公式满足：
27、。
28、作为本专利技术的技术方案的进一步改进，所述判断单元包括第一计算模块、标记模块、第二计算模块以及判断模块，所述第一计算模块用于计算被提取的高亮物体的几何尺寸，将几何尺寸大于设定阈值的物体标记为疑似目标；所述标记模块用于对疑似目标进行区域标记和编号；所述第二计算模块用于计算疑似目标的质心位置，并存储到数组中以记录疑似目标在时间序列上的运动轨迹；所述判断模块用于分析相邻多帧声纳图像中的疑似目标的质心位置的变化量，判断疑似目标的运动状态，其中当疑似目标的质心位置的变化量超过设定的运动阈值时，判断物体是真实的运动目标，当疑似目标的质心位置的变化量不超过设定的运动阈值时，判断物体是伪目标。
29、依本专利技术的另一个方面，本专利技术进一步提供一种计算装置，其包括处理器和被耦合于所述处理器的存储器，所述存储器存储有代码，所述处理器被配置为执行所述代码，当所述代码被执行时，所述计算装置执行弱目标检测方法，其中所述弱目标检测方法包括如下步骤：
30、s1，对平滑处理后的声纳图像进行gamma建模；
31、s2，设计恒虚警检测窗口，供检测建模后的声纳图像；
32、s3，将检测后的声纳图像进行二值化处理，以估计背景；
33、s4，将二值图像进行聚类；
34、s5，在提取声纳图像中符合亮度特征的物体后，判断物体是真实的运动目标或伪目标。
35、与现有技术相比，本专利技术具有至少以下有益效果：
36、1、在存在混响干扰的情况下，本专利技术的所述弱目标检测方法能够准确地检测声纳图像中的弱目标，以判断该弱目标本文档来自技高网...
【技术保护点】
1.声纳图像的弱目标检测方法，其特征在于，所述弱目标检测方法包括如下步骤：
2.根据权利要求1所述的声纳图像的弱目标检测方法，其特征在于，在所述步骤S1中，参数表示待检测位置存在目标回波反射点，参数表示待检测位置仅存在噪声，其中参数和参数满足：
3.根据权利要求2所述的声纳图像的弱目标检测方法，其特征在于，在所述步骤S2中，所述恒虚警检测窗口包括待检测单元、位于所述待检测单元的相对两侧的保护单元以及位于所述待检测单元和两个所述保护单元的上下侧的参考单元，其中上侧的所述参考单元的均值参数为，下侧的所述参考单元的均值参数为，参数的均值是，参数的均值是，参数为上侧的所述参考单元中的像素的个数，参数为下侧的所述参考单元中的像素的个数，参数是所述参考单元，参数为所述参考单元中的像素的总个数，其满足关系式，其中在所述步骤S3中，背景杂波估计值为，所述决策阈值满足，其中参数为阈值因子，参数由对应的虚警概率表达式计算得到，计算公式满足：
4.根据权利要求1所述的声纳图像的弱目标检测方法，其特征在于，在所述步骤S4中，采用DBSCAN算法对二值图像进行聚类。p>
5.根据权利要求1至4中任一所述的声纳图像的弱目标检测方法，其特征在于，所述步骤S5进一步包括：
6.声纳图像的弱目标检测系统，其特征在于，包括：
7.根据权利要求6所述的声纳图像的弱目标检测系统，其特征在于，所述建模单元包括平滑模块和建模模块，所述平滑模块用于对声纳信号数据进行平滑处理，所述建模模块用于进行Gamma建模，其中参数表示待检测位置存在目标回波反射点，参数表示待检测位置仅存在噪声，其中参数和参数满足：
8.根据权利要求7所述的声纳图像的弱目标检测系统，其特征在于，所述恒虚警检测窗口包括待检测单元、位于所述待检测单元的相对两侧的保护单元以及位于所述待检测单元和两个所述保护单元的上下侧的参考单元，其中上侧的所述参考单元的均值参数为，下侧的所述参考单元的均值参数为，参数的均值是，参数的均值是，参数为上侧的所述参考单元中的像素的个数，参数为下侧的所述参考单元的像素的个数，参数是所述参考单元，参数为所述参考单元中的像素的总个数，其满足关系式，其中背景杂波估计值为，所述决策阈值满足，其中参数为阈值因子，参数由对应的虚警概率表达式计算得到，计算公式满足：
9.根据权利要求6至8中任一所述的声纳图像的弱目标检测系统，其特征在于，所述判断单元包括第一计算模块、标记模块、第二计算模块以及判断模块，所述第一计算模块用于计算被提取的高亮物体的几何尺寸，将几何尺寸大于设定阈值的物体标记为疑似目标；所述标记模块用于对疑似目标进行区域标记和编号；所述第二计算模块用于计算疑似目标的质心位置，并存储到数组中以记录疑似目标在时间序列上的运动轨迹；所述判断模块用于分析相邻多帧声纳图像中的疑似目标的质心位置的变化量，判断疑似目标的运动状态，其中当疑似目标的质心位置的变化量超过设定的运动阈值时，判断物体是真实的运动目标，当疑似目标的质心位置的变化量不超过设定的运动阈值时，判断物体是伪目标。
10.计算装置，其特征在于，包括处理器和被耦合于所述处理器的存储器，所述存储器存储有代码，所述处理器被配置为执行所述代码，当所述代码被执行时，所述计算装置执行如权利要求1至5中任一所述的弱目标检测方法。
...
【技术特征摘要】
1.声纳图像的弱目标检测方法，其特征在于，所述弱目标检测方法包括如下步骤：
2.根据权利要求1所述的声纳图像的弱目标检测方法，其特征在于，在所述步骤s1中，参数表示待检测位置存在目标回波反射点，参数表示待检测位置仅存在噪声，其中参数和参数满足：
3.根据权利要求2所述的声纳图像的弱目标检测方法，其特征在于，在所述步骤s2中，所述恒虚警检测窗口包括待检测单元、位于所述待检测单元的相对两侧的保护单元以及位于所述待检测单元和两个所述保护单元的上下侧的参考单元，其中上侧的所述参考单元的均值参数为，下侧的所述参考单元的均值参数为，参数的均值是，参数的均值是，参数为上侧的所述参考单元中的像素的个数，参数为下侧的所述参考单元中的像素的个数，参数是所述参考单元，参数为所述参考单元中的像素的总个数，其满足关系式，其中在所述步骤s3中，背景杂波估计值为，所述决策阈值满足，其中参数为阈值因子，参数由对应的虚警概率表达式计算得到，计算公式满足：
4.根据权利要求1所述的声纳图像的弱目标检测方法，其特征在于，在所述步骤s4中，采用dbscan算法对二值图像进行聚类。
5.根据权利要求1至4中任一所述的声纳图像的弱目标检测方法，其特征在于，所述步骤s5进一步包括：
6.声纳图像的弱目标检测系统，其特征在于，包括：
7.根据权利要求6所述的声纳图像的弱目标检测系统，其特征在于，所述建模单元包括平滑模块和建模模块，所述平滑模块用于对声纳信号数据进行平滑处理，所述建模模块用于进行gamma建模，其中参数表示待检测位置存在目标回波反射点，参数表示待检测位置仅存在噪声，其...
【专利技术属性】
技术研发人员：王浩，范勇刚，
申请(专利权)人：海底鹰深海科技股份有限公司，
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。