CN104794689A - 一种增强声呐图像对比度的预处理方法 - Google Patents

Abstract

本发明公开了一种增强声纳图像对比度的预处理方法。包括以下步骤从声纳设备获取原始声纳图像；将声纳图像的灰度级线性映射到0-255范围内；求取映射后图像的最大灰度值、最小灰度值和灰度平均值；设定一个系数集，利用系数集对声纳图像进行灰度级的压缩，得到压缩后的图像；对压缩后的图像进行灰度校正，得到灰度补偿后的图像进行输出。本发明方法简单、运算速度块，具有很好的降噪效果。

Description

一种增强声呐图像对比度的预处理方法

技术领域

本发明属于图像处理领域，尤其涉及基于均值滤波的一种增强声纳图像对比度的预处理方法。

背景技术

图像预处理技术主要是对图像进行去噪、灰度校正等操作。如果不考虑图像降质对图像信息的损失程度，只是将图像中感兴趣的特征有选择的突出出来，并且衰减我们不需要的特征，那么图像预处理的方法选择上就有很大的余地。常用的图像预处理方法包括空间域方法和频域方法。空间域方法直接对图像的像素进行操作，频域方法则是将图像经过某种变换，在其变换域中进行操作。本方法主要涉及空间域方法中的邻域滤波方法。作为一种局部空间域处理算法，邻域平均法去噪效果与其邻域半径相关。设原始图像f(x,y)的大小为N×N,去噪结果为g(x,y)。g(x,y)中任意一个像素(x,y)的灰度值都由以(x,y)为中心的邻域内的像素点的灰度值的平均值决定。邻域半径越大，图像平滑效果越好，同时图像也越模糊。因此，邻域平均法会损失图像的细节信息。对邻域平均法的改进方法大致分两类，一是与其他方法结合来改善自身方法的不足；二是通过改进自身算法达到改善滤波缺陷的目的。由于本方法不直接运用邻域滤波方法对图像像素进行处理，而是通过邻域均值确定像素压缩系数，因此避免了直接操作像素邻域而造成的图像模糊。

声纳噪声主要分为三类：环境噪声，混响和白噪声。环境噪声的主要来源于海洋噪声，是由大量的环境因素叠加的结果。由中心极限定理可知，海洋噪声遵循高斯分布。混响是由声纳设备工作时产生的，是海洋中的杂质对声纳的回波信号散射然后叠加造成的，可以把它当作声纳背景噪声的一部分。声纳设备前端的盲区的主要就是混响造成的。在数学上，混响信号是非平稳的随机过程，幅度特性服从瑞丽分布，相位特性服从均匀分布。一般来说，声纳设备的工作频率越高，抗混响能力就越好，但如果水质越浑浊，混响信号越强烈。而声纳图像斑点噪声的产生，主要是受海水温度，盐度的变化影响，造成声信号传播速度的非线性变化，进而影响成像的准确性。并且声信号在传播的过程中因为折射，也会使半点噪声增强。海底环境复杂，声纳成像过程中，不可避免的受到水质或水中生物的影响。从而造成声纳图像的斑点噪声比一般的光学图像要严重的多。

声纳图像内容一般分为三部分：目标，背景和阴影。其中，阴影只存在与部分图像中，并且根据声纳成像质量的好坏也对阴影的形成造成影响。相比于背景及阴影区域，目标区域较亮，并且亮度变化小。但由于声纳设备本身的限制，声纳图像成像质量差，背景中的噪声 点要么很亮要么很暗，并且都是孤立的亮点和暗点。并且，在二维声纳图像中，目标亮度一般要比背景高，针对声纳图像噪声的这种特点，提出一种声纳图像预处理方法。

发明内容

本发明的目的在于提供一种能够提高降噪效果的，增强声纳图像对比度的预处理方法。

本发明是通过以下技术方案实现的：

一种增强声纳图像对比度的预处理方法，包括以下几个步骤，

步骤一：从声纳设备获取原始声纳图像f；

步骤二：将声纳图像f的灰度级线性映射到0-255范围内，得到映射后的声纳图像f'(x,y)；

步骤三：求取映射后图像的最大灰度值max(f′)、最小灰度值min(f′)和灰度平均值x：

$\stackrel{\‾}{x}=\frac{1}{(M-1)\×(N-1)}\underset{s=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{t=0}{\overset{N-1}{\mathrm{\Σ}}}{f}^{\′}(s,t)$

其中，M和N分别映射后声纳图像的长和宽；

步骤四：设定一个系数集

其中，

$f_{\mathrm{mean}}^{\′}(x,y)=\frac{1}{9}\underset{s=x-1}{\overset{x+1}{\mathrm{\Σ}}}\underset{t=y-1}{\overset{y+1}{\mathrm{\Σ}}}{f}^{\′}(s,t)$

f′_mean(x,y)为声纳图像f的一个像素点的3*3邻域的均值，k为常值系数,k∈(0,1]；

步骤五：利用系数集对声纳图像f进行灰度级的压缩，得到压缩后的图像g_c：

步骤六：对压缩后的图像g_c进行灰度校正，得到灰度补偿后的图像g_cc进行输出，

$g_{\mathrm{cc}}(x,y)=g_c{(x,y)}^{(1+\frac{\mathrm{\τ}}{\stackrel{\‾}{x}})}$

其中，τ为系数

有益效果：

本发明与现有技术相比的优点在于：对于频域的滤波方法，往往计算复杂并且有些方法 需要很长的运算时间，不利于实际工程的应用。常用的空间域方法如邻域均值滤波方法，在声纳图像中的应用效果并不理想，需要很大的掩模尺寸才能达到滤波的效果，但此时容易造成图像的模糊化。本方法不直接对像素进行空间域方法的计算，而是通过空间域方法确定像素的压缩系数，然后通过此系数对图像进行降噪的操作。本方法算法简单，运算速度快，具有很好的降噪效果。

附图说明

图1是本发明方法的流程图；

图2是原始声纳图像实例1；

图3是实例1的预处理结果图；

图4是实例1的灰度直方图；

图5是实例1的预处理结果图的灰度直方图；

图6是实例1的中间一行的像素灰度值分布；

图7是实例1的预处理结果图的中间一行的像素灰度值分布；

图8是实例1的三维俯视图；

图9是实例1的预处理结果图的三维俯视图；

图10是实例1的三维侧视图；

图11是实例1的预处理结果图的三维侧视图；

图12是原始声纳图像实例2；

图13是实例2的预处理结果图；

图14是原始声纳图像实例3；

图15是实例3的预处理结果图。

具体实施方式

下面将结合图1～图15对本发明做进一步详细说明。

一种增强声纳图像对比度的预处理方法，包括如下步骤：

(1)获取声纳图像：从声纳设备获得原始声纳图像。

(2)将声纳图像的灰度级线性映射到0-255范围内。

(3)求取图像的灰度平均值作为后续参数。

(4)求取图像的最大灰度值，和最小灰度值。

(5)定义一个系数集表征图像像素压缩的幅度。与图像f的每一个像素的3*3邻域的均值相关。

(6)利用系数集对图像f进行灰度级的压缩。获得图像g_c。

(7)对压缩后的图像g_c进行灰度校正，将其灰度级恢复到与原始图像相近的水平。

(8)输出结果图像g_cc。

步骤(5)中定义一个系数集，并且根据图像中每个像素点邻域的均值获得系数集元素的取值。并且该系数集中的元素与原图像中的像素点一一对应。本步骤中的系数取值也可通过其他方法获得，比如用邻域中值代替邻域均值。

步骤(6)利用系数集对图像f进行灰度级的压缩方法主要是通过像素灰度值与系数集中该像素对应的系数相乘完成的。

步骤(7)中对压缩后的图像g_c进行灰度校正是通过gamma校正完成的。其中，将gamma校正中的指数项用包含原始图像灰度平均值的多项式代替，达到自适应校正灰度的目的。

如图1所示，本发明的具体步骤如下：

(1)获取声纳图像：从声纳设备获得原始声纳图像。

(2)将声纳图像的灰度级线性映射到0-255范围内。映射后的图像记为f′(x，y)

$f^{\′}(x,y)=f(x,y)\×\frac{255}{\max \left(f\right)-\min \left(f\right)}$

(3)求取图像的灰度平均值作为后续参数。

$\stackrel{\‾}{x}=\frac{1}{(M-1)\×(N-1)}\underset{s=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{t=0}{\overset{N-1}{\mathrm{\Σ}}}{f}^{\′}(s,t)$

(4)求取图像的最大灰度值，和最小灰度值。对于尺寸为M*N的声纳图像f′(x,y)，设它最小与最大的灰度值分别为min(f′)和max(f′)，即对任意像素(x,y)，都有min(f′)≤f′(x,y)≤max(f′)。

(5)定义一个系数集表征图像像素压缩的幅度。与图像f的每一个像素的3*3邻域的均值相关。首先，求取图像的某个像素点的3*3邻域的均值：

$f_{\mathrm{mean}}^{\′}(x,y)=\frac{1}{9}\underset{s=x-1}{\overset{x+1}{\mathrm{\Σ}}}\underset{t=y-1}{\overset{y+1}{\mathrm{\Σ}}}{f}^{\′}(s,t)$

则中的取值为

式中,k为常值系数,k∈(0,1].不同类型的声纳图像k取值不同,一般k的取值越小，压缩的幅度越大，这里k取0.5.对于目标区域的像素点，的值比较大，对于背景和噪声点，的值比较小。

(6)利用系数集对图像f进行灰度级的压缩。获得图像g_c。

(7)对压缩后的图像g_c进行灰度校正，将其灰度级恢复到与原始图像相近的水平。

由于采用本文方法滤波后图像的灰度级比原始图像的灰度级低，需要对g_c进行灰度补偿,g_cc为灰度补偿后的图像,这里采用γ校正法.

$g_{\mathrm{cc}}(x,y)=g_c{(x,y)}^{(1+\frac{\mathrm{\τ}}{\stackrel{\‾}{x}})}$

其中,τ为系数考虑到γ校正的合理性,τ一般在1附近取值,这里τ＝1.0.

(8)输出结果图像g_cc。

Claims (1)

1.一种增强声纳图像对比度的预处理方法，其特征在于：包括以下几个步骤，

步骤一：从声纳设备获取原始声纳图像f；

步骤二：将声纳图像f的灰度级线性映射到0-255范围内，得到映射后的声纳图像f'(x,y)；

步骤三：求取映射后图像的最大灰度值max(f′)、最小灰度值min(f′)和灰度平均值x：

$\stackrel{\‾}{x}=\frac{1}{(M-1)\×(N-1)}\underset{s=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{t=0}{\overset{N-1}{\mathrm{\Σ}}}{f}^{\′}(s,t)$

其中，M和N分别映射后声纳图像的长和宽；

步骤四：设定一个系数集

其中，

$f_{\mathrm{mean}}^{\′}(x,y)=\frac{1}{9}\underset{s=x-1}{\overset{x+1}{\mathrm{\Σ}}}\underset{t=y-1}{\overset{y+1}{\mathrm{\Σ}}}{f}^{\′}(s,t)$

f′_mean(x,y)为声纳图像f的一个像素点的3*3邻域的均值，k为常值系数,k∈(0,1]；

步骤五：利用系数集对声纳图像f进行灰度级的压缩，得到压缩后的图像g_c：

步骤六：对压缩后的图像g_c进行灰度校正，得到灰度补偿后的图像g_cc进行输出，

$g_{\mathrm{cc}}(x,y)=g_c{(x,y)}^{(1+\frac{\mathrm{\τ}}{\stackrel{\‾}{x}})}$

其中，τ为系数