[發明專利]一種基于自適應粒子群優化的前視聲納水下目標跟蹤方法

有效

• 申請號: 201810757443.3
• 申請日: 2018-07-11
• 公開（公告）號: CN109146922B
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 王興梅;王國強;段兵華;劉安華;孫博軒
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及的圖像處理技術領域，具體地說是一種基于自適應粒子群優化的前視聲納水下目標跟蹤方法，本發明提出由迭代次數與適應度值自適應調整慣性權重，平衡粒子的探索與開發能力，使粒子能快速搜索到全局最優解；選擇種群中的隨機粒子與當前粒子的個體最優值進行比較，采用兩者中個體最優值較大的粒子，更新粒子的速度，解決粒子陷入局部最優的問題。當水下目標被遮擋時，根據目標遮擋情況，提出利用新的自適應離散群優化算法的更新機制更新粒子，最終完成前視聲納水下目標跟蹤。本發明對水下目標跟蹤具有較好的跟蹤精度和較快的跟蹤速度，并且當目標存在遮擋、對比度變化較大、弱小目標、受噪聲影響嚴重等情況仍然具有一定的有效性和適應性。

技術領域

本發明涉及的是一種圖像處理技術領域，具體地說是一種基于自適應粒子群優化的前視聲納水下目標跟蹤方法。

背景技術

近年來隨著對海洋認識的不斷深化，使得海洋的戰略地位越來越重要，因而聲納作為一種水下探測與環境感知的設備，對進行水下探索、研究海洋開發具有重要的意義。前視聲納主要應用于水下目標的定位、跟蹤、避障等。由于水下環境噪聲、聲納自身噪聲、混響、多途效應等影響，生成的圖像質量較差，很多適用于光學圖像的目標跟蹤算法無法應用于前視聲納圖像中，國內外學者對前視聲納水下目標跟蹤進行了深入的分析研究。

目前，對于前視聲納水下目標跟蹤大多采用基于概率估計的方法，如卡爾曼濾波法、粒子濾波法等。其中在已有的文獻中最著名和效果最好的跟蹤方法主要包括：1.基于導航數據與卡爾曼濾波的前視聲納水下目標跟蹤方法：2012年，Isabelle Quidu,LucJaulin,Alain Bertholom,et al.Robust Multitarget Tracking in Forward-LookingSonar Image Sequences Using Navigational Data.IEEE Journal of OceanicEngineering,2012,37(3):417-430.提出了一種利用導航數據進行基于卡爾曼濾波的過程建模，實現對水下多目標的跟蹤；2.基于粒子濾波與多特征融合的前視聲納水下目標跟蹤：2013年，Li Min,Ji Houwei，Wang Xiangcun.Underwater object detection andtracking based on multi-beam sonar image processing.2013IEEE InternationalConference on Robotics and Biomimetics(ROBIO)，2013:1071-1076.提出采用Otsu方法檢測水下目標，并通過粒子濾波算法結合多特征自適應融合策略進行水下目標跟蹤，得到了較好的跟蹤效果；3.基于卡爾曼濾波器與聯合概率關聯濾波器的前視聲納水下目標跟蹤方法：2015年，Karoui I,Quidu I,Legris M.Automatic Sea-Surface ObstacleDetection and Tracking in Forward-Looking Sonar Image Sequences.IEEETransactions on GeoscienceRemote Sensing,2015,53(8):4661-4669.提出一種利用偏置轉換測量卡爾曼濾波器和聯合概率關聯濾波器對目標的位置和速度進行預測，實現對海面目標的檢測與跟蹤；4.基于USBL與擴展卡爾曼濾波器的前視聲納水下目標跟蹤：2016年，Mandic F,Rendulic I,Miskovic N,et al.Underwater Object Tracking Using Sonarand USBL Measurements.Journal of Sensors,2016:1-10.提出通過使用USBL測量結合擴展卡爾曼濾波器實現水下目標跟蹤。

實際上，當前視聲納圖像序列中的水下目標存在遮擋時，采用卡爾曼濾波會造成目標丟失現象。而雖然粒子濾波作為一種基于蒙特卡洛仿真的近似貝葉斯濾波算法被用于前視聲納水下目標跟蹤，但由于需要大量的粒子來達到較好的跟蹤效果，使其計算復雜度較大。