[發明專利]一種自適應窄帶水平集的聲納圖像檢測方法

有效

• 申請號: 201410239305.8
• 申請日: 2014-06-03
• 公開（公告）號: CN104217422B
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 王興梅;印桂生;劉志鵬;李林;姜守軒;孫建闖
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種自適應窄帶水平集的聲納圖像檢測方法，其特征在于：

(1)采用各向異性的二階鄰域分布特性MRF模型的參數來描述聲納圖像的紋理特征，完成聲納圖像的平滑去噪處理；

(2)由塊方式的k-均值聚類算法確定聲納圖像的初始分割：選擇m×m的窗口，將原始聲納圖像分成n個互不重疊的m×m窗口，求出代表每個窗口的三元樣本，即均值、標準差、灰度最小值；

(3)初步判斷目標高亮區和陰影區的大致位置，并自適應初始化零水平集函數：

(3.1)去除圖像中含有的孤立區；

(3.2)自適應初始化零水平集函數；

(4)基于自適應窄帶水平集進行聲納圖像檢測：利用簡化Mumford-Shah模型的C-V兩相和Vese-Chan多相窄帶水平集方法進行聲納圖像檢測，得到目標高亮區和陰影區；

所述步驟(1)包括：

(1.1)聲參數估計：

聲納圖像海底混響區的分布為Gamma分布G_Y(y；γ,λ)，目標高亮區的分布為正比例分布Z_Y(y；z)來，陰影區的分布為威布爾分布W_Y(y；min,C,α)；

y為圖像各像素點的灰度值；γ為形狀參數；λ為尺度參數；Γ(·)為Gamma函數；

形狀參數γ估計：

尺度參數λ估計：

對于圖像中所有的像素有q＝1,2；M為圖像所包含的像素總個數，

正比例分布的概率密度為：

y≥155為圖像各像素點的灰度值；

參數z的估計值為：

y≥155為圖像各像素點的灰度值；M為圖像所包含的像素總個數；

威布爾分布的概率密度為：

y＞min為圖像各像素點的灰度值；C＞0為形狀參數；α＞0為尺度參數；

由最大似然估計，得到參數估計值：

為圖像灰度序列中的最小像素值；y_i為像素點的灰度值；M為圖像所含像素的總個數；

(1.2)空間鄰域MRF模型參數估計：

聲納圖像f在平面Ω上具有與鄰域系統η相關的MRF性，f中的一個位置s，其二階鄰域系統為

建立的空間鄰域MRF模型參數β_(i,j)：

T_s矩陣為：

f_s+(i,j)是聲納圖像f中的一個位置s的二階鄰域內像素點的像素值

β_(i,j)用最小二乘法可求得參數的估計值為：

(1.3)平滑去噪：

將平滑去噪聲納圖像f用一個與二階對稱鄰域系統相關的分布特性MRF模型來描述：

對于聲納圖像中的每一個像素點，分別計算服從海底混響區、陰影和目標高亮區的分布，對于每一個像素點的計算結果，取最大的值作為FB的值；

所述步驟(2)包括：

(2.1)設聚類數為q，選q個窗口的三元樣本作為初始聚類中心，將其他窗口的三元樣本歸類到與它歐氏距離最小的聚類中心所代表的類上；

(2.2)通過求每個類所有窗口三元樣本的均值，更新聚類中心，并重新聚類；

(2.3)重復步驟(2.2)，直到聚類中心不變；

所述步驟(3)包括：

在塊方式的k-均值聚類算法確定聲納圖像的陰影區或者目標高亮區和陰影區后，采用數學形態學開操作去除孤立區，得到二值圖像結果，對二值圖像上目標的邊緣點用灰度值255標記，其它用灰度值0標記，得到標記結果圖，根據標記結果重新掃描整幅圖像，當遇到白色的點時，將這個點周圍(2×range)×range矩陣區域的白色去除，記錄這個區域的坐標位置，通過坐標位置和矩陣的長寬確定圓的中心坐標位置和圓的半徑，依次掃描直到整幅圖像結束確定圓的個數，即自適應確定初始水平集函數；

所述步驟(4)包括：

根據零水平集建立窄帶區域，然后根據迭代方程求水平集函數值，判斷是否收斂，如果收斂結束迭代，得到檢測結果；否則重新建立窄帶區域，簡化Mumford-Shah模型的C-V兩相窄帶水平集方法的窄帶函數為

r為窄帶區域寬度的一半，(x,y)表示圖像空間上的二維連續坐標，歐拉-拉格朗日方程為

Vese-Chan多相水平集的窄帶方法為

r為窄帶區域寬度的一半，+為邏輯運算或，歐拉-拉格朗日方程為

(x_C,y_C)是閉合曲線C上的二維連續坐標，φ是根據初始閉合曲線C構造的符號距離函數，即φ(x_C,y_C)＝0，設表示圖像平面，是平滑去噪后的聲納圖像，有n個水平集函數i＝1,2,…,n，δ(·)是狄拉克函數，c是一個常數向量；且c＝(c₁₁,c₁₀,c₀₁,c₀₀)，

曲線C內部的灰度平均值為c_i，曲線C外部的灰度平均值為c_o，多相水平集方法的參數為μ＝1，ν＝0，λ_i＝λ_o＝1，