[發明專利]基于異質濾波探測與水平集分割的聲納圖像目標處理方法

在審

• 申請號: 202210836901.9
• 申請日: 2022-07-15
• 公開（公告）號: CN115147710A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 蔡文郁;王宇海;張美燕;王成才
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V20/05
• 分類號: G06V20/05;G06V10/26;G06V10/82
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 陳煒

1.基于異質濾波探測與水平集分割的聲納圖像目標處理方法，其特征在于：包括以下步驟：

步驟一：圖像采集；

采集側掃聲納數據，得到聲納圖像；

步驟二：去噪處理；

對聲納圖像進行非局部均值圖像去噪處理；

步驟三：超像素圖像分割；

將聲納圖像分割為多個S×S像素的超像素區域，S為預設的超像素區域寬度；在超像素區域中心設置超像素中心，針對以超像素中心為中心的2S×2S鄰域區域內，以鄰域中所有像素與超像素中心像素的像素值距離、像素坐標距離以及LDZP紋理描述值距離為聚類距離，進行局部超像素中心迭代與像素標簽迭代，實現局部迭代聚類，將圖像分割為多個超像素，且超像素邊緣接近目標邊緣，以每個超像素區域的像素均值作為超像素的像素值，生成超像素圖像；

步驟四：異質濾波目標探測；

針對超像素圖像中的每個像素，分別進行目標亮區異質濾波后按比例縮放到灰度像素范圍內，得到亮區濾波圖像HCA_HO；針對超像素圖像中的每個像素，分別進行目標暗區異質濾波后按比例縮放到灰度像素范圍內，得到暗區濾波圖像HCA_HS；將亮區濾波圖像HCA_HO和暗區濾波圖像HCA_HS融合，得到異質濾波圖像HCA_H；

步驟五：自適應閾值處理；

對異質濾波圖像的每個像素分別計算局部方差與均值，進行基于局部信息的自適應閾值分割，得到亮暗區域的交界位置；根據亮暗區域的像素值特征進行自適應區域擴張，得到包含目標粗分割輪廓的自適應閾值處理圖像HCA_A；

步驟六：目標精分割；

以自適應閾值處理圖像HCA_A中目標粗分割輪廓作為初始化輪廓，構建基于距離正則化的水平集函數模型，結合超像素邊界構建圖像能量函數，并進行水平集演化，得到目標的精分割輪廓。

2.根據權利要求1所述的基于異質濾波探測與水平集分割的聲納圖像目標處理方法，其特征在于：步驟一中，通過聲納器件采集聲納數據，并將聲納數據保存為可解讀的XTF文件，解析XTF文件獲取聲納可視化數據并生成聲納可視化瀑布圖；針對可視化數據，對瀑布圖采用半幀交叉截取方法將圖像截取成固定大小的聲納圖像。

3.根據權利要求1所述的基于異質濾波探測與水平集分割的聲納圖像目標處理方法，其特征在于：步驟二中，將聲納圖像中的每個像素分別作為目標像素，并對目標像素進行以下處理：針對在圖像全域的除目標像素外的所有像素，均計算其鄰域與目標像素的鄰域的局部相似度；并用除目標像素外的所有像素以局部相似度為權重的加權均值代替目標像素的像素值。

4.根據權利要求1所述的基于異質濾波探測與水平集分割的聲納圖像目標處理方法，其特征在于：步驟三中進行超像素分割的過程為：

3-1.根據聲納圖像大小，將聲吶圖像的被處理部分劃分為若干個S×S像素的子區域；分別計算各子區域中心的4×4鄰域的梯度值，將種子點置于梯度值最小的位置；以各子區域的種子點為超像素中心；為各個子區域分配初始類標簽；

3-2.以種子點的2S×2S鄰域為搜索范圍，計算搜索范圍每個像素點與種子點的距離度量D如下：

其中，d_c為當前像素點與相鄰的種子點的像素值距離；d_s為當前像素點與相鄰的種子點的像素坐標距離；d_t為當前像素點與相鄰的種子點的LDZP紋理描述值距離；

以距離度量D最小為標準將各像素歸入不同種子點對應的類中；

3-3.以同一類標簽的各像素的坐標平均值作為該類標簽的種子點位置，更新該類標簽的種子點位置；

3-4.根據步驟3-2和步驟3-3進行類標簽與類種子點位置的迭代更新，直至每個類種子點的位置不再發生變化為止；

3-5.針對類標簽矩陣，按從左到右，從上到下的順序將不連續的類、像素數量小于預設值的類重新分配給鄰近的類，直至重新分配完畢，得到最終的超像素分割圖像以及超像素類標簽矩陣；

3-6.對于每個類，分別計算其所有像素值的均值作為該類對應的超像素的像素值，并以超像素中心的坐標位置為映射位置，生成超像素圖像I_SP。