[發(fā)明專利]一種水下實時三維成像方法及雷達裝置

有效

• 申請?zhí)枺?/td>: 202110532347.0
• 申請日: 2021-05-17
• 公開（公告）號: CN113238249B
• 公開（公告）日: 2021-12-28
• 發(fā)明（設(shè)計）人: 易先林;陳富彬;楊博越;晉海洋
• 申請（專利權(quán)）人: 湖南力研光電科技有限公司
• 主分類號: G01S17/89
• 分類號: G01S17/89;G01S7/481;G06K9/46;G06N3/00;G06N3/04;G06N3/08;G06T5/00;G06T17/20
• 代理公司: 長沙大珂知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43236
• 代理人: 伍志祥

1.一種水下實時三維成像方法，其特征在于，所述方法包括：

利用雷達裝置獲取水下目標圖像，并從水下目標圖像中估計出圖像的背景散射光；

利用圖像色彩平衡方法對背景散射光進行色彩均衡處理；包括：

1)將背景散射光轉(zhuǎn)換為m×n×3的矩陣，其中m×n為背景散射光的區(qū)域大小，3表示共有RGB三個顏色通道；分別計算R,G,B三個顏色通道中的最大值B_max，G_max，B_max和平均值R_a,G_a,B_a，同時計算平均值中的最大值Max＝max(R_a,G_a,B_a)；

2)計算各顏色通道的系數(shù)：

3)將每個顏色通道的矩陣重排列成m×n的行向量矩陣，按像素值從小到大排列；將行向量矩陣中前N％的像素置為S_min，將行向量矩陣中后N％的像素置為S_max，其中S_min為中間區(qū)間的最小像素值，S_max為中間區(qū)間的最大像素值；

利用背景散射光對水下目標圖像進行圖像增強處理，得到增強后的水下目標圖像；

利用結(jié)合優(yōu)化算法的特征提取算法對增強后的水下目標圖像進行特征提取，得到水下目標圖像特征；

所述利用結(jié)合優(yōu)化算法的特征提取算法對增強后的水下目標圖像進行特征提取，包括：

1)計算水下目標圖像的圖像梯度，找出所有梯度值非零的像素，將其排序后納入矩陣M；

2)對矩陣M中梯度值最大的K個像素值進行粒子群優(yōu)化算法處理，其中梯度值最大的K個像素值為初始粒子，粒子群算法的適應(yīng)度函數(shù)為：

其中：

I_i表示像素i的灰度值；

N_t表示像素i的第t個鄰域像素，即像素i在8個方向上的鄰域像素；

C表示邊界曲線；

L表示邊界曲線的單位長度，當像素i為垂直或平行狀態(tài)時，其值為1，否則為

g_i表示像素i在曲線C的梯度大小；

T表示閾值；

初始粒子通過不斷地迭代變換，直到適應(yīng)度函數(shù)值非-∞，此時粒子所處的位置即為圖像邊緣位置；在粒子位置更新過程中對時間t中每個粒子的速度矢量v添加額外的隨機擾動，所述粒子位置更新的公式為：

其中：

I_max為粒子的最大迭代次數(shù)；

v表示粒子的速度；

I_k為粒子的當前迭代次數(shù)；

x表示上一時刻粒子的位置，x′為當前時刻粒子的位置；

b為常數(shù)，將其設(shè)置為2；

t表示算法迭代的時間；

3)若適應(yīng)度函數(shù)f_C非-∞，則認為當前曲線C為邊緣圖像特征，并清除邊緣圖像特征對應(yīng)像素的邊緣梯度，重新建立一個矩陣M進行特征提取處理，直到無法得到有效f_C為止；將得到的所有邊緣圖像特征作為水下目標圖像特征；

利用投影原理將水下目標圖像特征轉(zhuǎn)化為三維網(wǎng)格圖像特征，利用三維編碼器對轉(zhuǎn)化得到的三維網(wǎng)格圖像特征進行圖卷積計算，得到最終的三維目標模型。

2.如權(quán)利要求1所述的一種水下實時三維成像方法，其特征在于，所述從水下目標圖像中估計出圖像的背景散射光，包括：

1)計算水下目標圖像中所有像素點在紅綠藍顏色通道的平均值R_a,G_a，B_a；并對所得到的三個平均值再取平均K＝(R_a+G_a+B_a)/3；

2)對水下目標圖像中所有像素點進行顏色通道值的調(diào)整：

3)計算水下目標圖像每個像素點中紅通道和藍通道的差值；

4)去除最大差的前0.01％的像素點，然后選擇前0.5％的最大差值的像素點作為候選像素點；

5)計算候選像素點的連接域，將最大面積連接域所對應(yīng)的像素點作為背景像素點；將背景像素點的像素值作為水下目標圖像的背景散射光。