[發明專利]一種基于聲吶圖像處理的水下沉埋物識別與定位方法

在審

• 申請號: 202011427508.1
• 申請日: 2020-12-07
• 公開（公告）號: CN112529072A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 尹毅
• 申請（專利權）人: 中國船舶重工集團公司七五0試驗場
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 昆明今威專利商標代理有限公司 53115
• 代理人: 蘇杭

1.一種基于聲吶圖像處理的水下沉埋物識別與定位方法，其特征在于，包括以下步驟：

S1、構建可擴展的聲吶圖像數據庫：以實際水上作業探測沉埋物的聲吶圖像數據為基礎，豐富和擴展現有聲吶圖像數據；

S2、建立深度學習的沉埋物圖像識別算法：基于深度學習、人工特征工程和其他先驗知識的聲吶圖像沉埋物檢測技術，并以基于沉埋物回波特性識別的水聲識別技術為補充手段，形成沉埋物探測識別算法；

S3、標定聲吶圖像的空間位置坐標：基于船只導航定位系統實現圖像聲吶成像區域的空間位置標定；

S4、沉埋物探測的聲吶圖像目標自動識別和定位：通過聲吶圖像沉埋物檢測識別算法自動判讀聲吶圖像，獲得沉埋物疑似目標在聲吶圖像上的像素坐標，再根據聲吶圖像的空間位置標定信息解算沉埋物疑似目標的實際空間位置，從而實現沉埋物探測的聲吶圖像目標自動識別和定位。

2.根據權利要求1所述的水下沉埋物識別與定位方法，其特征在于，步驟S1中所述豐富和擴展現有聲吶圖像數據的步驟還包括：擇試驗水池或合適的湖區布設各種姿態的沉裝備和目標模擬物，以船只拖曳聲吶圖像的方式采集不同距離、方位、角度及姿態等條件下的沉埋物聲吶圖像，以豐富和擴展現有聲吶圖像數據。

3.根據權利要求1所述的水下沉埋物識別與定位方法，其特征在于步驟S2中，所述形成沉埋物探測識別算法的步驟還包括：

采用HOG—方向梯度直方圖、SIFT—尺度不變特征變換和CNN—卷積神經網絡三種特征提取算法，并結合沉埋物形狀特征等先驗知識，增加聲吶圖像特征提取的互補性和冗余性；

采用SS—選擇搜索和RPN—區域提名網絡兩種算法，進行聲吶圖像沉埋物目標區域提名；

采用FCN—多層全連接網絡算法進行聲納圖像的分類和識別。

4.根據權利要求3所述的水下沉埋物識別與定位方法，其特征在于，還包括：分別構建CNN+RPN+FCN、HOG+SS+FCN和SIFT+SS+FCN三種獨立的水下沉埋物探測聲吶圖像目標檢測算法。

5.根據權利要求4所述的水下沉埋物識別與定位方法，其特征在于，還包括：采用水聲多途反射抗干擾檢測技術和高精度聲線修正技術對沉埋物回波信號進行修正；對沉埋物回波信號進行多分辨率分解，采用小波基函數進行多層分解，獲得各尺度上信號分量能量分布為特征向量，并采用多層FCN為分類器實現對水聲回波信號的分類、識別。

6.根據權利要求5所述的水下沉埋物識別與定位方法，其特征在于，還包括：通過對數據進行采樣、隨機子空間、擾動、投影操作生成多個既與原數據集保持相似數據結構分布，又具有差異性的多個新訓練集訓練基本檢測器，采用bagging集成學習算法，深度融合基礎檢測器形成沉埋物探測識別算法。

7.根據權利要求1所述的水下沉埋物識別與定位方法，其特征在于在步驟s3中，還包括：基于船只拖曳圖像聲吶搜尋沉埋物時，船只的位置、速等信息，圖像聲吶的掃描范圍、扇區角度、視場角、距離物理參數，從而標定聲吶圖像的空間位置坐標。

8.根據權利要求1所述的水下沉埋物識別與定位方法，其特征在于，步驟S4中，還包括：

自動提取沉埋目標的圖像坐標：

position_image＝{x_image,y_image,w_image,h_image} 公式1

提取圖像聲吶成像區域的空間位置標定，解算聲吶圖像像素坐標系到空間坐標系的轉換矩陣W；

position_space＝W^T×position_image 公式2

實現沉埋物探測的聲吶圖像目標自動識別和定位。