CN105046258A - 一种小目标探测声呐图像的目标检测方法及装置 - Google Patents

Abstract

本发明涉及一种小目标探测声呐图像的目标检测方法及装置，包括获取序列声呐图像，得到残差声呐图像，将残差声呐图像中的负值舍弃，补偿残差声呐图像，对补偿后残差声呐图像进行二值化处理，对二值化后的残差声呐图像进行区域标记，求取区域的中心点，得到一个包含静止目标的中心点和运动目标的中心点的数据集，利用动静目标分离技术过滤噪声点，得到一个包含所有运动目标的中心点位置信息的数据集。本发明在稀疏噪声点的环境下，有效地提升了小目标的探测距离，将声呐图像中的微小目标完全检测出来。

Description

一种小目标探测声呐图像的目标检测方法及装置

技术领域

本发明涉及图像数据的增强或复原，特别涉及一种小目标探测声呐图像的目标检测方法及装置。

背景技术

当前我国针对港口、海岸和舰船等目标的水下防御还处于相当薄弱的阶段，尤其是针对小目标的防御，如蛙人、蛙人运载器和小型AUV等。探测蛙人的成像声呐一般在60kHz～100kHz之间，无法形成精细的目标图像，且蛙人由于体积小的原因，在声呐图像中基本上只有数个像素点，无法得到蛙人的轮廓信息，可利用的稳定的信息只有亮度信息。

声呐在成像过程中，由于海底混响，鱼群和礁石等原因，会在图像中产生大量的噪声和干扰源，噪声和干扰源的存在使得本来就微弱的蛙人目标更加难以检测。由于噪声的干扰使得求取的阈值不一定是我们想要的结果。

声呐图像中的噪声与背景像素不相关，并且无法在空间域中将其与目标区分开，在频域中与目标同属于高频分量，噪声不仅在空间域中的分布具有随机性，在时间域上的分布也是不相关的。

一般的背景差分法或者帧差法，可以去掉图像中静止的噪声，但是对于一帧图像中随机出现的噪声点则无法有效的去除。如果保留这些噪声点，在目标跟踪阶段势必会增加系统的运算量，不利于实时系统的实现。因此，需要提供一种小目标探测声呐图像的目标检测方法及装置。

发明内容

本发明的目的是提供一种小目标探测声呐图像的目标检测方法及装置，利用水下小目标的运动特性对声呐图像进行去噪的预处理，在不丢失目标的基础上，尽可能的提高信噪比，同时减少了后期数据的处理量，为系统的实时数据处理提供了可能性。

本发明的目的是由下述技术方案实现的：一种小目标探测声呐图像的目标检测方法，所述目标检测方法的步骤包括，

A、从声呐设备获取序列声呐图像：f₁，f₂，f₃，…，f_n；

B、得到残差声呐图像f_res；

C、将残差声呐图像f_res中的负值舍弃；

D、对残差声呐图像f_res进行补偿；

E、对补偿后残差声呐图像f’_res进行二值化处理；

F、对二值化后的残差声呐图像进行区域标记，并且求该区域的中心点，得到一个包含静止目标的中心点和运动目标的中心点的数据集S；

G、过滤噪声点，得到一个包含所有运动目标中心点位置信息的数据集T。

优选地，步骤B中的残差声呐图像f_res采用帧差法获得。

优选地，步骤D中对残差声呐图像进行补偿包括遍历残差声呐图像f_res，对于残差声呐图像f_res中的非零值f_res(θ_i，d_i)，其中，θ表示角度，d表示距离，f_res(θ_i，d_i)表示某个具体点；求该非零值f_res(θ_i，d_i)在当前帧声呐图像f_n中的邻域均值将该邻域均值作为补偿因子加到残差声呐图像f_res中，得到补偿后残差声呐图像f’_res。

优选地，所述遍历残差声呐图像f_res通过设置一个5×5的窗口。

优选地，步骤E包括修正二值化阈值的步骤和利用修正后的二值化阈值对补偿后残差声呐图像f’_res进行二值化处理的步骤，其中修正二值化阈值包括根据补偿后残差声呐图像f’_res中θ和d的值将该补偿后残差声呐图像f’_res划分为M×N个区域，并对每个区域设置一个修正因子P_r，c(r＝1，2，3，…，N，c＝1，2，3，…，M，0＜P_r，c＜1)，其中，θ表示角度，d表示距离；P_r，c＝k/d，k为系数，0＜k＜1，d＞1；利用修正因子P_r，c修正二值化阈值th。

优选地，步骤G中过滤噪声点的方法包括重复步骤A～步骤F获取连续三个包含静止目标的中心点和运动目标的中心点的数据集S1、S2、S3，对于S3中的一个点，若该点与S1和S2中的任意一点的欧式距离均大于设定的阀值，则将该点作为随机噪声点从S3中舍弃。

优选地，步骤B中的残差声呐图像f_res采用三帧差法获得。

优选地，步骤F中的区域标记采用二次扫描法或种子生长法，所述步骤G中利用动静目标分离技术过滤噪声点。

本发明的另一目的是由下述技术方案实现的：一种小目标探测声呐图像的目标检测装置，包括：

图像获取单元，用于从声呐设备获取序列声呐图像；

残差处理单元，用于得到残差声呐图像；

图像补偿单元，用于对残差声呐图像进行补偿；

二值化处理单元，用于对补偿后残差声呐图像进行二值化处理；

区域标记单元，用于对二值化后的残差声呐图像进行区域标记，并且求该区域的中心点，得到一个包含静止目标的中心点和运动目标的中心点的数据集；

数据集获取单元，用于得到一个包含所有运动目标中心点位置信息的数据集。

本发明与现有技术相比具有如下优点：

本发明利用水下小目标的运动特性对声呐图像进行去噪的预处理，在不丢失目标的基础上，尽可能的提高信噪比，同时减少了后期数据的处理量，为系统的实时数据处理提供了可能性。

以下结合附图和具体实施例对本发明作详尽说明。

附图说明

图1是实施例一的流程框图；

图2是实施例二的结构示意图。

具体实施方式

尽管本发明创造适用于包括背景技术部分提到的蛙人、蛙人运载器和小型AUV等各种小目标，但是为了方便，下面仅以蛙人为例进行说明。

实施例一：

参见图1，一种蛙人探测声呐图像的目标检测方法，所述目标检测方法的步骤如下，

A、从声呐设备获取序列声呐图像：f₁，f₂，f₃，…，f_n；其中，n≥1；序列声呐图像是按照时间先后顺序获取的多帧声呐图像。

B、采用帧差法得到残差声呐图像f_res；f_res＝f_n+1-f_n，n≥1；

C、将残差声呐图像f_res中的负值舍弃；在本实施例中，通过将残差声呐图像f_res中的负值置为零，避免因负值参与处理导致声呐图像出现重影现象，使声呐图像数据更复杂；

D、补偿因为序列声呐图像做差导致的像素亮度降低：设置一个5×5的窗口，使用该窗口遍历残差声呐图像f_res，对于残差声呐图像f_res中的非零值f_res(θ_i，d_i)，其中，θ表示角度，d表示距离，f_res(θ_i，d_i)表示某个具体点；求该非零值f_res(θ_i，d_i)在当前帧声呐图像f_n中的邻域均值将该邻域均值作为补偿因子加到残差声呐图像f_res中，得到补偿后残差声呐图像f’_res；

${f^{,}}_{\mathrm{res}}({\mathrm{\θ}}_i,d_i)=f_{\mathrm{res}}({\mathrm{\θ}}_i,d_i)+\stackrel{\‾}{f}({\mathrm{\θ}}_i,d_i)$

E、对补偿后残差声呐图像f’_res进行二值化处理；包括修正二值化阈值的步骤和利用修正后的二值化阈值对补偿后残差声呐图像f’_res进行二值化处理的步骤，其中修正二值化阈值包括根据补偿后残差声呐图像f’_res中θ和d的值将该补偿后残差声呐图像f’_res划分为M×N个区域，并对每个区域设置一个修正因子P_r，c(r＝1，2，3，…，N，c＝1，2，3，…，M，0＜P_r，c＜1)，d值为区域与声呐之间的距离，P_r，c＝k/d，k为系数，0＜k＜1，d＞1；利用修正因子P_r，c修正二值化阈值th；由于θ取值在-60°～60°之间，当θ为11°时，d为最大距离10的矩形框。求f_n+1(θ，d)中对应区域的均值和共同决定了th的取值。

${\mathrm{th}}_{r,c}=\stackrel{\‾}{f}(r,c)+P_{r,c}\×\stackrel{\‾}{f}(r,c)$

利用修正后的二值化阈值th_r，c对补偿后残差声呐图像f’_res进行对应区域的二值化处理：

$f_b(\mathrm{\&theta;},d)=\left\{\begin{array}{cc}1& f_{\mathrm{res}}(\mathrm{\&theta;},d)>{\mathrm{th}}_{r,c}\\ 0& f_{\mathrm{res}}(\mathrm{\&theta;},d)<{\mathrm{th}}_{r,c}\end{array}\right..$

通过求取局部灰度均值的方法对残差声呐图像f_res进行亮度补偿，并且利用声呐图像的局部均值信息和距离信息修正二值化阈值；在近距离时，如果求得阈值是低阈值，利用距离信息提高阈值，在远距离时，如果求得阈值是高阈值，利用距离信息降低门限；避免了有的位置因局部均值高而采取低阈值后将此区域的亮点淹没在背景中的问题。

F、对二值化后的残差声呐图像进行区域标记，并且求该区域的中心点，对于单像素的点，区域中心点就是其本身；得到一个包含静止目标的中心点和运动目标的中心点的数据集S；在本实施例中，步骤F中的区域标记可以采用二次扫描法或者种子(区域)生长法。区域的中心点包括静止目标的中心点和运动目标的中心点。

G、利于动静目标分离技术过滤噪声：重复步骤A～步骤F获取连续三个包含静止目标的中心点和运动目标的中心点的数据集S1、S2、S3，对于S3中的一个点，若该点与S1和S2中的任意一点的欧式距离均大于设定的阀值，则将该点作为随机噪声点从S3中舍弃，得到一个包含所有运动目标中心点位置信息的数据集T。

步骤G是利用动静目标分离技术对步骤F中得到的区域的中心点做进一步筛选，去除残差声呐图像中的静止目标的中心点，保留残差声呐图像中的运动目标的中心点。该数据集为小目标探测声呐图像的目标检测结果，目标检测结果可以有多种表示方式，如图像、轮廓、特征等，本实施例中检测的是点目标，所以目标检测结果用点的坐标表示，该数据集是点坐标的集合。

输出包含所有中心点位置信息的数据集。该数据集中的数据量少而精，同时减少了后期数据的处理量，使对蛙人探测声呐图像中目标的实时识别和实时跟踪成为可能。

在本实施例中，步骤B中的残差声呐图像f_res还可以采用三帧差法获得。f_res＝f_n+2-f_n，n≥1；

本实施例通过帧差法获得残差声呐图像，利用原声呐图像的背景均值对残差声呐图像的像素值做补偿，采用局部自适应阈值加上距离信息修正检测阈值，最后利用动静目标分离技术得到一个包含运动目标的数据集。解决因为远距离时无法检测目标的问题，滤除了大部分的噪声点，降低了跟踪阶段的数据量和运算量。

实施例二：

参见图2，一种蛙人探测声呐图像的目标检测装置，包括：

图像获取单元101，用于从声呐设备获取序列声呐图像；

残差处理单元102，用于得到残差声呐图像；

图像补偿单元103，用于对残差声呐图像进行补偿；

二值化处理单元104，用于对补偿后残差声呐图像进行二值化处理；

区域标记单元105，用于对二值化后的残差声呐图像进行区域标记，并且求该区域的中心点，得到一个包含静止目标的中心点和运动目标的中心点的数据集；

数据集获取单元106，用于得到一个包含所有运动目标中心点位置信息的数据集。

进一步的，二值化处理单元104中包括阈值修正单元，用于修正二值化阈值。

应该注意的是，对于装置实施例而言，由于其基本工作类似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。装置实施方式可以采用多种各种硬件来实现，例如现场可编程门阵列、微处理器等，对于这些硬件可以采用硬件编程或软件编程的方法，可以采用本领域所熟知的各种硬件编程语言和软件编程语言。由于方法部分的公开，本领域技术人员可以非常容易实现这些编程，因而不予赘述。另外，也可以有专门的硬件来实现该装置或各构成部分。

另外，方法实施例中涉及的作为执行主体的各电路元件的连接关系，不限于系统实施例所示意性给出的具体电路连接，无论采用何种电路连接方式，只要能够实现相应的功能都落入本发明的保护范围。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

实施例中公开的内容仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种小目标探测声呐图像的目标检测方法，其特征在于：所述目标检测方法的步骤包括，

A、从声呐设备获取序列声呐图像：f₁，f₂，f₃，…，f_n；

B、得到残差声呐图像f_res；

C、将残差声呐图像f_res中的负值舍弃；

D、对残差声呐图像f_res进行补偿；

E、对补偿后残差声呐图像f’_res进行二值化处理；

F、对二值化后的残差声呐图像进行区域标记，并且求该区域的中心点，得到一个包含静止目标的中心点和运动目标的中心点的数据集S；

G、过滤噪声点，得到一个包含所有运动目标的中心点位置信息的数据集T。

2.根据权利要求1所述的目标检测方法，其特征在于：步骤B中的残差声呐图像f_res采用帧差法获得。

3.根据权利要求1所述的目标检测方法，其特征在于：步骤C中的舍弃负值是将残差声呐图像f_res中的负值置为零。

4.根据权利要求1所述的目标检测方法，其特征在于：步骤D中对残差声呐图像进行补偿包括遍历残差声呐图像f_res，对于残差声呐图像f_res中的非零值f_res(θ_i，d_i)，其中，θ表示角度，d表示距离，f_res(θ_i，d_i)表示某个具体点；求该非零值f_res(θ_i，d_i)在当前帧声呐图像f_n中的邻域均值将该邻域均值作为补偿因子加到残差声呐图像f_res中，得到补偿后残差声呐图像f’_res。

5.根据权利要求4所述的目标检测方法，其特征在于：所述遍历残差声呐图像f_res通过设置一个5×5的窗口。

6.根据权利要求1所述的目标检测方法，其特征在于：步骤E包括修正二值化阈值的步骤和利用修正后的二值化阈值对补偿后残差声呐图像f’_res进行二值化处理的步骤，其中修正二值化阈值包括根据补偿后残差声呐图像f’_res中θ和d的值将该补偿后残差声呐图像f’_res划分为M×N个区域，并对每个区域设置一个修正因子P_r，c(r＝1，2，3，…，N，c＝1，2，3，…，M，0＜P_r，c＜1)，其中，θ表示角度，d表示距离；P_r，c＝k/d，k为系数，0＜k＜1，d＞1；利用修正因子P_r，c修正二值化阈值th。

7.根据权利要求1所述的目标检测方法，其特征在于：步骤G中过滤噪声点的方法包括重复步骤A～步骤F获取连续三个包含静止目标的中心点和运动目标的中心点的数据集S1、S2、S3，对于S3中的一个点，若该点与S1和S2中的任意一点的欧式距离均大于设定的阀值，则将该点作为随机噪声点从S3中舍弃。

8.根据权利要求1所述的目标检测方法，其特征在于：步骤B中的残差声呐图像f_res采用三帧差法获得。

9.根据权利要求1所述的目标检测方法，其特征在于：步骤F中的区域标记采用二次扫描法或种子生长法，所述步骤G中利用动静目标分离技术过滤噪声点。

10.一种小目标探测声呐图像的目标检测装置，其特征在于：包括：

图像获取单元，用于从声呐设备获取序列声呐图像；

残差处理单元，用于得到残差声呐图像；

图像补偿单元，用于对残差声呐图像进行补偿；

二值化处理单元，用于对补偿后残差声呐图像进行二值化处理；

区域标记单元，用于对二值化后的残差声呐图像进行区域标记，并且求该区域的中心点，得到一个包含静止目标的中心点和运动目标的中心点的数据集；

数据集获取单元，用于得到一个包含所有运动目标中心点位置信息的数据集。