[發(fā)明專利]基于自調(diào)整譜聚類和熵權(quán)法的水下聲吶圖像目標(biāo)分割方法

在審

• 申請?zhí)枺?/td>: 202210651438.0
• 申請日: 2022-06-09
• 公開（公告）號: CN115049828A
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計(jì)）人: 劉光宇;曹禹;趙恩銘;周豹;王龍飛;胡嘉鑫
• 申請（專利權(quán)）人: 大理大學(xué)
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/44;G06V10/74;G06V10/762;G06V10/764;G01S7/537;G01S15/89
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 劉強(qiáng)

基于自調(diào)整譜聚類和熵權(quán)法的水下聲吶圖像目標(biāo)分割方法，屬于水下聲吶圖像目標(biāo)分割技術(shù)領(lǐng)域。為了解決現(xiàn)有聲吶圖像分割方法中的單目標(biāo)分割精度差和難以準(zhǔn)確分割多目標(biāo)的問題。本發(fā)明首先通過自調(diào)整譜聚類對水下聲吶圖像的像素點(diǎn)進(jìn)行聚類處理，使圖像劃分成多個(gè)獨(dú)立的區(qū)域，然后對各獨(dú)立的區(qū)域提取平移、旋轉(zhuǎn)和縮放不變性的多個(gè)特征，并利用熵權(quán)法對提取的特征計(jì)算各區(qū)域的綜合加權(quán)分?jǐn)?shù)，即可從多個(gè)待選區(qū)域中篩選出最優(yōu)的目標(biāo)區(qū)域，最后利用最優(yōu)目標(biāo)區(qū)域與各區(qū)域匹配多特征的相似度，再對各區(qū)域匹配的相似度利用自適應(yīng)閾值迭代法計(jì)算最佳的閾值，即可自動(dòng)得到要分割的所有目標(biāo)區(qū)域。本發(fā)明適用于水下聲吶圖像目標(biāo)分割。

技術(shù)領(lǐng)域

本發(fā)明屬于水下聲吶圖像目標(biāo)分割技術(shù)領(lǐng)域，具體涉及一種基于自調(diào)整譜聚類和熵權(quán)法的水下聲吶圖像目標(biāo)分割方法。

背景技術(shù)

水下聲吶圖像目標(biāo)分割的目的是從復(fù)雜背景區(qū)域中提取出顯著性的目標(biāo)，如提取水雷、沉船以及魚群等顯著性的目標(biāo)并保留目標(biāo)區(qū)域的原始邊緣信息。受復(fù)雜的水下環(huán)境和聲吶設(shè)備性能的影響，使聲吶圖像普遍存在分辨率低以及噪聲污染嚴(yán)重的問題，給水下目標(biāo)物體的準(zhǔn)確分割帶來了嚴(yán)峻的挑戰(zhàn)。目前常用的圖像分割方法主要有基于閾值的分割、基于模板匹配的分割、基于統(tǒng)計(jì)量的分割和基于無監(jiān)督學(xué)習(xí)的聚類分割等。其中，基于閾值的分割方法是通過比較圖像的像素灰度是否超過設(shè)定的閾值進(jìn)行實(shí)現(xiàn)目標(biāo)物體的分割，而聲吶圖像的灰度分布非常集中，且目標(biāo)區(qū)域與背景區(qū)域存在相互混疊的灰度值，導(dǎo)致該方法很難尋找到聲吶圖像中的準(zhǔn)確分類閾值；基于模板匹配的分割只對具有規(guī)則形狀的人造目標(biāo)和噪聲干擾不嚴(yán)重的情況下有良好的效果，而水下聲吶圖像的目標(biāo)物體具有邊緣復(fù)雜以及受噪聲污染嚴(yán)重的特點(diǎn)，且水下待分割的目標(biāo)形狀通常是未知的；基于統(tǒng)計(jì)量的分割需要提前考慮圖像相鄰像素間的依賴關(guān)系找到目標(biāo)物體的近似分布規(guī)律，而聲吶圖像具有分辨率低和背景環(huán)境復(fù)雜，且不同目標(biāo)物體的像素分布規(guī)律不同，無法有效地確定出統(tǒng)一有效的像素分布規(guī)律；基于無監(jiān)督學(xué)習(xí)的聚類分割方法雖然是當(dāng)前圖像分割領(lǐng)域中的研究熱點(diǎn)，但該方法依然存在聚類控制參數(shù)的自適應(yīng)性差和分割精度低的問題。

綜上所述，將常用的圖像分割方法應(yīng)用到復(fù)雜的水下聲吶圖像目標(biāo)分割中效果并不理想，所以，如何在不受背景干擾區(qū)域以及成像設(shè)備自身所帶來的噪聲干擾影響情況下提高水下聲吶圖像目標(biāo)分割的準(zhǔn)確性是亟需解決的問題。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有聲吶圖像分割方法中的單目標(biāo)分割精度差和難以準(zhǔn)確分割多目標(biāo)的問題，而提出的一種基于自調(diào)整譜聚類和熵權(quán)法的水下聲吶圖像目標(biāo)分割方法。

基于自調(diào)整譜聚類和熵權(quán)法的水下聲吶圖像目標(biāo)分割方法，包括以下步驟：

步驟一、獲取水下目標(biāo)的原始聲吶圖像對應(yīng)的灰度圖像，然后利用自調(diào)整譜聚類理論對灰度圖像的像素點(diǎn)進(jìn)行聚類處理，得到具有不規(guī)則形狀的多個(gè)獨(dú)立區(qū)域，每個(gè)獨(dú)立的區(qū)域用不同數(shù)字標(biāo)識的掩膜圖像表示；

步驟二、根據(jù)步驟一得到的掩膜圖像中的各獨(dú)立區(qū)域的像素點(diǎn)位置坐標(biāo)對應(yīng)原灰度圖像中的相同位置坐標(biāo)上的像素值，進(jìn)行統(tǒng)計(jì)原灰度圖像的每個(gè)獨(dú)立區(qū)域的亮度、對比度、信息熵、狹長度、灰度分布直方圖、7個(gè)Hu不變矩、周徑比和灰度共生矩陣的紋理多個(gè)特征；

步驟三、對步驟二統(tǒng)計(jì)的各獨(dú)立區(qū)域中的亮度、對比度、信息熵和狹長度這四個(gè)特征構(gòu)建全部區(qū)域的多特征數(shù)據(jù)矩陣η，然后利用熵權(quán)法對多特征數(shù)據(jù)矩陣η計(jì)算四個(gè)特征的權(quán)重，最后利用加權(quán)公式得到各獨(dú)立區(qū)域的綜合分?jǐn)?shù)，根據(jù)綜合分?jǐn)?shù)得到一個(gè)最優(yōu)的目標(biāo)區(qū)域；

步驟四、利用最優(yōu)目標(biāo)區(qū)域與各獨(dú)立區(qū)域進(jìn)行匹配灰度分布直方圖、7個(gè)Hu不變矩、周徑比和灰度共生矩陣的紋理4類特征的相似度，并根據(jù)每個(gè)區(qū)域匹配的4類特征相似度值確定平均相似度；

步驟五、基于步驟四得到的所有獨(dú)立區(qū)域匹配的平均相似度值，利用自適應(yīng)閾值迭代法計(jì)算最佳的閾值，根據(jù)該閾值就判斷哪些區(qū)域是最終的目標(biāo)區(qū)域，實(shí)現(xiàn)了水下聲吶圖像的目標(biāo)分割。

進(jìn)一步地，步驟一的具體過程包括以下步驟：