CN105606224B - 一种基于水体分层滤波的水下热源探测定位方法 - Google Patents
一种基于水体分层滤波的水下热源探测定位方法 Download PDFInfo
- Publication number
- CN105606224B CN105606224B CN201510982679.3A CN201510982679A CN105606224B CN 105606224 B CN105606224 B CN 105606224B CN 201510982679 A CN201510982679 A CN 201510982679A CN 105606224 B CN105606224 B CN 105606224B
- Authority
- CN
- China
- Prior art keywords
- water body
- image
- submarine
- class
- suspected target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001914 filtration Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 230000005855 radiation Effects 0.000 claims abstract description 9
- 239000013535 sea water Substances 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012805 post-processing Methods 0.000 claims description 6
- 239000006002 Pepper Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 210000001124 body fluid Anatomy 0.000 claims description 3
- 239000010839 body fluid Substances 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000032798 delamination Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 5
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 206010061217 Infestation Diseases 0.000 description 1
- 206010057040 Temperature intolerance Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000008543 heat sensitivity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0066—Radiation pyrometry, e.g. infrared or optical thermometry for hot spots detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于水体分层滤波的水下热源探测定位方法，属于海洋科学、热物理学和模式识别的交叉领域，意在于对水体进行分层滤波处理，通过最优准则确定滤除深度，准确反应水下热源的具体位置。本发明包括水体中水下热源的热辐射仿真步骤、实测获取水下目标红外图象步骤、水体分层滤波步骤、水下热源探测定位步骤。本发明构建分层的海洋水体的热场模型，进一步建立简化的水下热源包括水下航行器的热场模型，利用水下热源在水体中热场模型的结果可以证明，水体的热辐射是分层分布的；通过获取的红外图像和水体热辐射的分层理论，利用水体分层滤波的方法对水下热源进行探测定位，提高了探测和定位的精度。
Description
技术领域
本发明属于海洋科学、热物理学和模式识别的交叉领域，具体涉及一种基于水体分层滤波的水下热源探测定位方法。
背景技术
我国“一带一路”战略中的“21世纪海上丝绸之路”跨越了广阔的海洋空间，新时期的国家海洋战略，急需先进强大的海洋探测技术手段支撑，近年来海洋石油勘探、海洋化学和海洋生物等产业为海洋经济提供了巨大的商机。而传统的利用船舶对海洋生物进行勘探需要投入大量的人力、物力和财力，不适合对水下生物进行大范围的搜索。我国海洋国土正受到多个沿岸国家的严重侵扰，绝大部分南沙岛礁已被东南亚小国侵占，所以急需水下目标的探测手段作为保护国土的技术支撑。
发明内容
本发明提出了一种水体分层滤波的水下热源探测定位方法，利用水下热源在水体中的热传导和热对流的基本物理定律，对不同的水体层进行滤波处理，根据分层滤波最优准则确定滤波深度，揭示水下目标的具体位置，从而实现精确地定位。
本发明提供的一种水体分层滤波的水下热源探测定位方法，具体步骤如下：
(1)水体中水下热源的热辐射仿真步骤，包括以下子步骤：
采用SolidWorks软件对海洋和潜艇进行几何模型的建立，运用ICEMCFD对建立好的几何模型进行网格的划分，接着将网格导入Fluent进行求解器的相关设置，用Tecplot对求解计算得到的结果进行后处理。具体步骤如下：
(1.1)根据实际情况及相关理论知识，确定所建几何模型的大小尺寸和潜艇基于海洋所处的位置。
(1.2)采用TGrid/(Tet/Hybrid)混合结构对几何模型进行网格划分。对潜艇壁面进行网格划分时，参考边界层网格的划分，使其网格的细密程度远大于海洋壁面网格的细密程度，从而提高计算结果的准确度和精确度。
(1.3)启动Fluent并导入划分好的网格，设置求解器及操作条件，对物理模型、边界条件、初始条件等相关条件进行设定，设置完成后即可进行计算。具体过程包括以下子步骤：
(1.3.1)启动Fluent，进入FluentLauncher界面，在FluentLauncher界面中的Dimension中选择3D，保持默认设置，进入Fluent主界面。
(1.3.2)导入网格，检查网格质量，确保不存在负体积，并保存项目。
(1.3.3)定义求解器，保持默认设置。
(1.3.4)定义物理模型，在Model(模型设定)面板中选择湍流模型，采用二阶标准k-ε模型。双击Energy选项，打开能量方程。
(1.3.5)设置材料性质和边界条件，由于Material(材料)面板中默认的流体材料没有水选项，需要从材料数据库中进行复制。将单元格区域条件中Body流体类型设置为Water-liquid。
假定潜艇是静止不动的，而海洋以潜艇实际的速度运动着。设置截面input的类型为速度入口边界条件。截面output的类型为自由流出边界，不需要给定出口条件。设置submarine的类型为固壁边界条件，且壁面静止无滑移。截面walls的类型为固壁边界条件，将其设置为移动壁面。
(1.3.6)设置求解控制参数，方程组采用SIMPLE算法，保持默认设置对求解器进行初始化。初始化完成后，对求解器进行计算。
(1.3.7)计算结果后处理，保存计算所得结果，使用Tecplot软件读入算例文件和数据文件。激活等值线图层，选择目标变量为温度，绘制等值线，反复调整绘图参数直至得到理想的温度等值线图。
(2)实测获取水下目标红外图象步骤，包括以下子步骤：
(2.1)利用实验室的中波制冷红外相机在多谱信息处理实验室外场环境下，选择晴朗的天气环境和上午十一点的时间，每隔五分钟就拍摄一序列照片，获取水下目标在热平衡状态下的红外图像。
(2.2)利用拍摄得到的红外序列图像，由于实验中热水袋的温度并不是恒定的，所以从拍摄到的序列图中选取在热水袋放入一定时间后的图像，作为热平衡状态下的红外图像。
(3)水体分层滤波步骤，包括以下子步骤：
水体不断地从各个方面吸收热量，同时又以各种形式散发热量，水体温度的高低主要取决于海水热量的收支情况，根据热力学的三大定律，水体的热量的收支是平衡的。
(3.1)确定水体本身温度、盐度和密度的关系
在分层滤波的过程中，由于水体本身的热量会极大地影响对水下目标的探测，因此了解水体本身的特性对水下目标的探测是十分重要的。
盐度、温度和密度是海水的三个状态参数，海水的密度随盐度、温度和压力而变化。由于压力一般可由深度表示，所以对固定深度的海水来说，海水的密度只随温度和盐度而变。
海水盐度的通俗定义是1㎏海水中所含盐分的总克数，国际海洋组织利用海水的电导率随盐度的改变而改变的性质，重新定义了海水盐度，称为实用盐度。海水的实用盐度由如下公式确定：
上式中各常数如下：
a0＝0.008b0＝0.005
a1＝-0.1692 b1＝-0.0056
a2＝25.3815 b2＝-0.0066
a3＝14.0941 b3＝-0.0375
a4＝-7.0261 b4＝0.0636
a5＝2.7081 b5＝-0.0144
K＝0.00162
Rt为实用盐度定义的相对电导率，其值可用盐度计或相对电导率测定装置测定，t为摄氏温度。该公式适用于2≤S≤42，-2℃≤t≤35℃的温度范围。
在1大气压下，海水的盐度
S＝0.030＝1.8050Cl
其中，Cl为海水的氯度。海水的条件比重σ0与氯度Cl的关系：
σ0＝-0.069+1.4708Cl-0.00157Cl2+3.98*10-5Cl3
海水的密度σt与条件比重σ0和温度T之间的关系为：
σT＝ΣT+(σ0+0.1324)[1-AT+BT(σ0+Σ0)]
ΣT＝-(T-3.98)2(T+283)/503.570(T+67.26)
AT＝T(4.7867-0.098185T+0.0010843T2)×10-3
BT＝T(18.030-0.8164T+0.01667T2)×10-3
Σ0＝-0.1324
(3.2)水体分层滤波过程
原始图像中存在很多的椒盐噪声，利用中值滤波的方式去除图像中的噪声，由于水下目标在水下的深度是未知的，所以对水体进行分层滤波处理，根据疑似目标区域的灰度和非疑似目标区域的灰度间的方差准则，利用水体不同分层情况下的疑似目标区域与非疑似目标区域的方差和最优方差准则确定最佳的分层深度，由此得到目标的准确位置。
(3.2.1)对原始图像中的椒盐噪声进行中值滤波处理，遍历图像中的每一个像素点，采用m*m大小的模板，中值滤波的公式如下：
ng(i,j)＝median{g(i-m/2,j-m/2),...,g(i,j),...g(i+m/2,j+m/2)}
式中g(i,j)代表原始图像(i,j)处的像素值，ng(i,j)代表中值滤波后(i,j)处的像素值，m*m代表模板的大小。
(3.2.2)水体热量是立体分布的，而目标的深度位置是未知的，因此利用“剥洋葱”的方法将水下目标所在背景环境的影响层层滤除。
(3.2.3)最优方差准则是指疑似目标区域和非疑似目标区域的方差达到最大等到最佳分层滤波效果，而疑似目标区域和非疑似目标区域的方差计算公式如下：
w0＝N0/m*n (3.1)
w1＝N1/m*n (3.2)
N0+N1＝m*n (3.3)
w0+w1＝1 (3.3)
u＝w0*u0+w1*u1 (3.4)
g＝w0(u0-u)2+w1(u1-u)2 (3.5)
式中w0为疑似目标区的像素点数占整幅图像的比例，w1为非疑似目标区的像素点数占整幅图像的比例，u0为疑似目标区的平均灰度值，u1为疑似目标区的平均灰度值，疑似目标区和非疑似目标区的方差为g。
(3.2.4)对水体分层滤波得到最大类间方差之后的结果图像，进行增强处理，使其更加可视化，灰度变换可使图像动态范围增大，对比度得到扩展，使图像清晰、特征明显，利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。灰度变换不改变图像内的空间关系，除了灰度级的改变是根据某种特定的灰度变换函数进行之外，可以看作是“从像素到像素”的复制操作。基于点运算的灰度变换可表示为：
g(x,y)＝T[f(x,y)]
其中T被称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。原图像f(x,y)的灰度范围为[a,b]，变换后的图像g(x,y)的灰度范围线性的扩展至[c,d]，maxf为原图的最大灰度级。
水体分层滤波后图像的灰度可能会局限在一个很小的范围内，这时得到的图像可能是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像中每一个像素灰度作线性拉伸，将有效改善图像视觉效果。
(4)水下热源探测定位步骤
将上述图像依次遍历分成m*m大小的图像块bi，总共有s块，利用空间约束均值聚类算法把b1,b2,b3,...,bs分为下有目标图像区域与下无目标图像区域两类。空间约束均值聚类算法的具体实现过程如下：
(4.1)：对于所有样本点bi，计算距离比
选择Vi最小的点bi作为第一个类心，并置q＝1；
(4.2)：对p＝1,2，将bi，i＝1,2,...,s分配到离它最近的类，并更新类心i＝1,2，Ni是第i类的样本数；
(4.3)：置q＝q+1，若q＞2，算法中止；
(4.4)：选择下一个类的最佳初始中心点为使最小的点bi，转入(4.2)。
通过上式得到聚类后的结果，灰度值大的那一类作为水下目标的一类，灰度值小的一类作为非水下目标的一类。最后通过空间约束聚类算法得到水下目标的位置。
与现有技术相比，本发明具有如下有益效果：
1、实现了潜艇在海洋分层环境中的热辐射建模；
2、利用海洋分层的特性发明了层层过滤背景的方法；
3、最优化准则采用目标区和背景区最大方差确定最佳过滤深度；
附图说明
图1为本发明基于水体分层滤波的水下热源探测定位方法流程示意图；
图2为本发明实施例中潜艇外部计算范围示意图；
图3为本发明实施例中潜艇内部和外部的网格划分示意图；
图4为本发明实施例中水下目标的热辐射分层结构示意图；
图5为本发明实施例中实验场地拍摄的原始红外图；
图6为本发明实施例中中值滤波后的红外图；
图7为本发明实施例中分层滤波后的示意图；
图8为本发明实施例中图像增强后的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的流程如图1所示，其中具体的实施方法包括以下步骤。包括：水体中水下热源的热辐射仿真步骤、实测获取水下目标红外图象步骤、水体分层滤波步骤、水下热源探测定位步骤：
(1)水体中水下热源的热辐射仿真步骤，包括以下子步骤：
采用SolidWorks软件对海洋和潜艇进行几何模型的建立，运用ICEMCFD对建立好的几何模型进行网格的划分，接着将网格导入Fluent进行求解器的相关设置，用Tecplot对求解计算得到的结果进行后处理。具体步骤如下：
(1.1)根据实际情况及相关理论知识，确定所建几何模型的大小尺寸和潜艇基于海洋所处的位置，潜艇大小为100米长，直径为7米，潜艇的航深为100m深，海洋区域为200m*400m，。
(1.2)采用TGrid/(Tet/Hybrid)混合结构对几何模型进行网格划分。对潜艇壁面进行网格划分时，参考边界层网格的划分，使其网格的细密程度远大于海洋壁面网格的细密程度，从而提高计算结果的准确度和精确度。
(1.3)启动Fluent并导入划分好的网格，设置求解器及操作条件，对物理模型、边界条件、初始条件等相关条件进行设定，设置完成后即可进行计算。具体过程包括以下子步骤：
(1.3.1)启动Fluent，进入FluentLauncher界面，在FluentLauncher界面中的Dimension中选择3D，保持默认设置，进入Fluent主界面。
(1.3.2)导入网格，检查网格质量，确保不存在负体积，并保存项目。
(1.3.3)定义求解器，保持默认设置。对于操作条件，考虑重力的影响，在General(总体模型设定)面板中，勾选Gravity复选框，在Z中输入-9.81，即设置Z轴负方向上的重力加速度。
(1.3.4)定义物理模型，在Model(模型设定)面板中选择湍流模型，采用二阶标准k-ε模型。双击Energy选项，打开能量方程。
(1.3.5)设置材料性质，由于Material(材料)面板中默认的流体材料没有水选项，需要从材料数据库中进行复制。单击Create/Edit按钮，在弹出的物性参数设定对话框中，单击FluentDatabase按钮。此时将会弹出所需的材料数据库，在FluentFluidMaterials中选择Water-liquid并Copy。创建完成后，将单元格区域条件中Body流体类型设置为Water-liquid。
(1.3.6)设置边界条件，为了仿真方便，在参数设定时，假定潜艇是静止不动的，而海洋以潜艇实际的速度即5m/s运动着。设置截面input的类型为速度入口边界条件，给定速度的大小为5m/s，温度为300k。截面output的类型为自由流出边界，不需要给定出口条件。设置submarine的类型为固壁边界条件，且壁面静止无滑移，给定潜艇的温度为330k，单位体积生热率为100w/m3。截面walls的类型为固壁边界条件，将其设置为移动壁面，且给定移动速度为5m/s，方向为X轴正方向，设定壁面温度为330k。
(1.3.7)设置求解控制参数，方程组采用SIMPLE算法，使残差的精度为0.00001，保持默认设置对求解器进行初始化。初始化完成后，设置迭代计算的步数为1000步，对求解器进行计算。
(1.3.8)计算结果后处理，保存计算所得结果，使用Tecplot软件读入算例文件和数据文件。激活等值线图层，选择目标变量为温度，绘制等值线，反复调整绘图参数直至得到理想的温度等值线图。
(2)实测获取水下目标红外图象步骤，包括以下子步骤：
实验环境：多谱信息获取试验外场环境，大水池体积为50m*9m*1m实验器材如下：
a、中波制冷红外相机一套，性能参数如下：
阵列规模：320*240或320*256
光谱响应：3um～5um
视场角：21°*16°
热灵敏度：<20mkat25℃
b、三脚架一个；
c、德国制造热水袋一个；
(2.1)利用实验室的中波制冷红外相机在多谱信息处理实验室外场环境下，选择晴朗的天气环境和上午十一点的时间，每隔五分钟就拍摄一序列照片，获取水下目标在热平衡状态下的红外图像。
(2.2)利用拍摄得到的红外序列图像，由于实验中热水袋的温度并不是恒定的，所以从拍摄到的序列图中选取在热水袋放入一定时间后的图像，作为热平衡状态下的红外图像。本实例中，t＝0.5h。
(3)水体分层滤波步骤，包括以下子步骤：
水体不断地从各个方面吸收热量，同时又以各种形式散发热量，水体温度的高低主要取决于海水热量的收支情况，根据热力学的三大定律，水体的热量的收支是平衡的。
(3.1)确定水体本身温度、盐度和密度的关系
在分层滤波的过程中，由于水体本身的热量会极大地影响对水下目标的探测，因此了解水体本身的特性对水下目标的探测是十分重要的。
盐度、温度和密度是海水的三个状态参数，海水的密度随盐度、温度和压力而变化。由于压力一般可由深度表示，所以对固定深度的海水来说，海水的密度只随温度和盐度而变。
海水盐度的通俗定义是1㎏海水中所含盐分的总克数，国际海洋组织利用海水的电导率随盐度的改变而改变的性质，重新定义了海水盐度，称为实用盐度。海水的实用盐度由如下公式确定：
上式中各常数如下：
a0＝0.008 b0＝0.005
a1＝-0.1692 b1＝-0.0056
a2＝25.3815 b2＝-0.0066
a3＝14.0941 b3＝-0.0375
a4＝-7.0261 b4＝0.0636
a5＝2.7081 b5＝-0.0144
K＝0.00162
Rt为实用盐度定义的相对电导率，其值可用盐度计或相对电导率测定装置测定，t为摄氏温度。该公式适用于2≤S≤42，-2℃≤t≤35℃的温度范围。
在1大气压下，海水的盐度
S＝0.030＝1.8050Cl
其中，Cl为海水的氯度。海水的条件比重σ0与氯度Cl的关系：
σ0＝-0.069+1.4708Cl-0.00157Cl2+3.98*10-5Cl3
海水的密度σt与条件比重σ0和温度T之间的关系为：
σT＝ΣT+(σ0+0.1324)[1-AT+BT(σ0+Σ0)]
ΣT＝-(T-3.98)2(T+283)/503.570(T+67.26)
AT＝T(4.7867-0.098185T+0.0010843T2)×10-3
BT＝T(18.030-0.8164T+0.01667T2)×10-3
Σ0＝-0.1324
(3.2)水体分层滤波过程
原始图像中存在很多的椒盐噪声，利用中值滤波的方式去除图像中的噪声，由于水下目标在水下的深度是未知的，所以对水体进行分层滤波处理，根据疑似目标区域的灰度和非疑似目标区域的灰度间的方差准则，利用水体不同分层情况下的疑似目标区域与非疑似目标区域的方差和最优方差准则确定最佳的分层深度，由此得到目标的准确位置。
(3.2.1)对原始图像中的椒盐噪声进行中值滤波处理，遍历图像中的每一个像素点，采用m*m大小的模板，中值滤波的公式如下：
ng(i,j)＝median{g(i-m/2,j-m/2),...,g(i,j),...g(i+m/2,j+m/2)}
式中g(i,j)代表原始图像(i,j)处的像素值，ng(i,j)代表中值滤波后(i,j)处的像素值，m*m代表模板的大小。本实例中，m＝3。
(3.2.2)水体热量是立体分布的，而目标的深度位置是未知的，因此利用“剥洋葱”的方法将水下目标所在背景环境的影响层层滤除。(3.2.3)最优方差准则是指疑似目标区域和非疑似目标区域的方差达到最大等到最佳分层滤波效果，而疑似目标区域和非疑似目标区域的方差计算公式如下：
w0＝N0/m*n (3.1)
w1＝N1/m*n (3.2)
N0+N1＝m*n (3.3)
w0+w1＝1 (3.3)
u＝w0*u0+w1*u1 (3.4)
g＝w0(u0-u)2+w1(u1-u)2 (3.5)
式中w0为疑似目标区的像素点数占整幅图像的比例，w1为非疑似目标区的像素点数占整幅图像的比例，u0为疑似目标区的平均灰度值，u1为疑似目标区的平均灰度值，疑似目标区和非疑似目标区的方差为g。
本实例中，w0＝0.78，w1＝0.22，u0＝172，u1＝143，g＝137。
(3.2.4)对水体分层滤波得到最大类间方差之后的结果图像，进行增强处理，使其更加可视化，灰度变换可使图像动态范围增大，对比度得到扩展，使图像清晰、特征明显，利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。灰度变换不改变图像内的空间关系，除了灰度级的改变是根据某种特定的灰度变换函数进行之外，可以看作是“从像素到像素”的复制操作。基于点运算的灰度变换可表示为吐下公式：
g(x,y)＝T[f(x,y)]
其中T被称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。原图像f(x,y)的灰度范围为[a,b]，变换后的图像g(x,y)的灰度范围线性的扩展至[c,d]，maxf为原图的最大灰度级。本实例中a＝121，b＝187,c＝0,d＝255,maxf＝187。
水体分层滤波后图像的灰度可能会局限在一个很小的范围内，这时得到的图像可能是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像中每一个像素灰度作线性拉伸，将有效改善图像视觉效果。
(4)水下热源探测定位步骤
将上述图像依次遍历分成m*m大小的图像块bi，总共有s块，利用空间约束均值聚类算法把b1,b2,b3,...,bs分为下有目标图像区域与下无目标图像区域两类。空间约束均值聚类算法的具体实现过程如下：
(4.1)：对于所有样本点bi，计算距离比
选择Vi最小的点bi作为第一个类心，并置q＝1；
(4.2)：对p＝1,2，将bi，i＝1,2,...,s分配到离它最近的类，并更新类心i＝1,2，Ni是第i类的样本数；
(4.3)：置q＝q+1，若q＞2，算法中止；
(4.4)：选择下一个类的最佳初始中心点为使最小的点bi，转入(4.2)。
通过上式得到聚类后的结果，灰度值大的那一类作为水下目标的一类，灰度值小的一类作为非水下目标的一类。最后通过空间约束聚类算法得到水下目标的位置。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于水体分层滤波的水下热源探测定位方法，其特征在于，所述方法包括如下步骤：
(1)水体中水下热源的热辐射仿真，采用SolidWorks软件对海洋和潜艇进行几何模型的建立，运用ICEMCFD对建立好的几何模型进行网格的划分，接着将网格导入Fluent进行求解器的相关设置，用Tecplot对求解计算得到的结果进行后处理；
(2)实测获取水下目标红外图象，包括以下子步骤：
(2.1)利用实验室的中波制冷红外相机在外场环境下，选择晴朗的天气环境，在设定时间点每隔设定时间段拍摄一序列照片，获取水下目标在热平衡状态下的红外图像；
(2.2)利用拍摄得到的红外序列图像，从拍摄到的红外序列图像中选取预设时间后的图像，作为热平衡状态下的红外图像；
(3)水体分层滤波步骤，包括以下子步骤：
(3.1)确定水体本身温度、盐度和密度的关系；
(3.2)水体分层滤波，根据疑似目标区域的灰度和非疑似目标区域的灰度间的方差准则，利用水体不同分层情况下的疑似目标区域与非疑似目标区域的方差和最优方差准则确定最佳的分层深度，由此得到目标的准确位置；
(4)水下热源探测定位，将上述红外图像依次遍历分成m*m大小的图像块bi，总共有s块，利用空间约束均值聚类算法把b1,b2,b3,...,bs分为下有目标图像区域与下无目标图像区域两类，m*m代表模板的大小。
2.如权利要求1所述的方法，其特征在于，所述步骤(4)中所述空间约束均值聚类算法具体为：
(4.1)：对于所有样本点bi，计算距离比
选择Vi最小的点bi作为第一个类心，并置q＝1；
(4.2)：对p＝1,2，将bi，i＝1,2,...,s分配到离它最近的类，并更新类心i＝1,2，Ni是第i类的样本数；
(4.3)：置q＝q+1，若q＞2，算法中止；
(4.4)：选择下一个类的最佳初始中心点为使最小的点bi，转入(4.2)。
3.如权利要求1或2所述的方法，其特征在于，在所述步骤(4)中，根据聚类后的结果，将灰度值大的那一类作为水下目标的一类，灰度值小的一类作为非水下目标的一类，最后通过空间约束聚类算法得到水下目标的位置。
4.如权利要求1或2所述的方法，其特征在于，所述步骤(1)具体包括：
(1.1)确定所建几何模型的大小尺寸和潜艇基于海洋所处的位置；
(1.2)采用TGrid/(Tet/Hybrid)混合结构对几何模型进行网格划分；
(1.3)启动Fluent并导入划分好的网格，设置求解器及操作条件，对物理模型、边界条件、初始条件等相关条件进行设定。
5.如权利要求4所述的方法，其特征在于，所述步骤(1.3)具体包括以下子步骤：
(1.3.1)启动Fluent，进入FluentLauncher界面，在FluentLauncher界面中的Dimension中选择3D，保持默认设置，进入Fluent主界面；
(1.3.2)导入网格，检查网格质量，确保不存在负体积；
(1.3.3)定义求解器，保持默认设置；
(1.3.4)定义物理模型，在模型设定面板中选择湍流模型，采用二阶标准k-ε模型；双击Energy选项，打开能量方程；
(1.3.5)设置材料性质和边界条件，由于Material(材料)面板中默认的流体材料没有水选项，需要从材料数据库中进行复制；将单元格区域条件中Body流体类型设置为Water-liquid；在参数设定时，假定潜艇是静止不动的，而海洋以潜艇实际的速度运动着；设置截面input的类型为速度入口边界条件；截面output的类型为自由流出边界，不需要给定出口条件；设置submarine的类型为固壁边界条件，且壁面静止无滑移；截面walls的类型为固壁边界条件，将其设置为移动壁面；
(1.3.6)设置求解控制参数，方程组采用SIMPLE算法，保持默认设置对求解器进行初始化；初始化完成后，对求解器进行计算；
(1.3.7)计算结果后处理，保存计算所得结果，使用Tecplot软件读入算例文件和数据文件；激活等值线图层，选择目标变量为温度，绘制等值线，反复调整绘图参数直至得到理想的温度等值线图。
6.如权利要求1或2所述的方法，其特征在于，所述步骤(3.1)中的海水盐度由如下公式确定：
上式中各常数如下：
a0＝0.008 b0＝0.005
a1＝-0.1692 b1＝-0.0056
a2＝25.3815 b2＝-0.0066
a3＝14.0941 b3＝-0.0375
a4＝-7.0261 b4＝0.0636
a5＝2.7081 b5＝-0.0144
K＝0.00162
Rt为实用盐度定义的相对电导率，其值可用盐度计或相对电导率测定装置测定，t为摄氏温度。
7.如权利要求1或2所述的方法，其特征在于，所述步骤(3.1)中海水的密度σt与条件比重σ0和温度T之间的关系为：
σT＝ΣT+(σ0+0.1324)[1-AT+BT(σ0+Σ0)]
ΣT＝-(T-3.98)2(T+283)/503.570(T+67.26)
AT＝T(4.7867-0.098185T+0.0010843T2)×10-3
BT＝T(18.030-0.8164T+0.01667T2)×10-3
Σ0＝-0.1324。
8.如权利要求1或2所述的方法，其特征在于，所述步骤(3.2)具体包括如下子步骤：
(3.2.1)对原始图像中的椒盐噪声进行中值滤波处理，遍历图像中的每一个像素点，采用m*m大小的模板，中值滤波的公式如下：
ng(i,j)＝median{g(i-m/2,j-m/2),...,g(i,j),...g(i+m/2,j+m/2)}
式中g(i,j)代表原始图像(i,j)处的像素值，ng(i,j)代表中值滤波后(i,j)处的像素值，m*m代表模板的大小；
(3.2.2)水体热量是立体分布的，而目标的深度位置是未知的，因此利用层层滤波的方法将水下目标所在背景环境的影响层层滤除；
(3.2.3)最优方差准则是指疑似目标区域和非疑似目标区域的方差达到最大等到最佳分层滤波效果，而疑似目标区域和非疑似目标区域的方差计算公式如下：
w0＝N0/m*n (3.1)
w1＝N1/m*n (3.2)
N0+N1＝m*n (3.3)
w0+w1＝1 (3.3)
u＝w0*u0+w1*u1 (3.4)
g＝w0(u0-u)2+w1(u1-u)2 (3.5)
式中w0为疑似目标区的像素点数占整幅图像的比例，w1为非疑似目标区的像素点数占整幅图像的比例，u0为疑似目标区的平均灰度值，u1为疑似目标区的平均灰度值，疑似目标区和非疑似目标区的方差为g；
(3.2.4)对水体分层滤波得到最大类间方差之后的结果图像，进行灰度变换增强处理。
9.如权利要求8所述的方法，其特征在于，所述步骤(3.2.4)中的灰度变换表示为：
g(x,y)＝T[f(x,y)]
其中T被称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系；原图像f(x,y)的灰度范围为[a,b]，变换后的图像g(x,y)的灰度范围线性的扩展至[c,d]，maxf为原图的最大灰度级。
10.如权利要求8所述的方法，其特征在于，所述步骤(3.2.4)还包括对采用线性变换对图像中每一个像素灰度作线性拉伸，改善图像视觉效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510982679.3A CN105606224B (zh) | 2015-12-24 | 2015-12-24 | 一种基于水体分层滤波的水下热源探测定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510982679.3A CN105606224B (zh) | 2015-12-24 | 2015-12-24 | 一种基于水体分层滤波的水下热源探测定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105606224A CN105606224A (zh) | 2016-05-25 |
| CN105606224B true CN105606224B (zh) | 2017-03-22 |
Family
ID=55986344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510982679.3A Active CN105606224B (zh) | 2015-12-24 | 2015-12-24 | 一种基于水体分层滤波的水下热源探测定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105606224B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053411B (zh) * | 2017-12-21 | 2020-05-19 | 华中科技大学 | 一种边界热交换约束下的江底隧道遥感探测定位方法 |
| CN108647692B (zh) * | 2018-04-11 | 2021-09-28 | 中国海洋大学 | 基于lh直方图的海洋层结提取方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1487274A (zh) * | 2003-07-25 | 2004-04-07 | 伟 陈 | 一种对红外源热映象进行检测的方法 |
| CN101982741A (zh) * | 2010-09-08 | 2011-03-02 | 北京航空航天大学 | 一种水下光场采样及模拟方法 |
| CN203178489U (zh) * | 2013-03-08 | 2013-09-04 | 山东省科学院海洋仪器仪表研究所 | 用于识别水下和水面目标的实时监测系统 |
| CN104713904A (zh) * | 2015-03-30 | 2015-06-17 | 中国科学院南海海洋研究所 | 一种海底原位热导率的解算方法及其探测装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110181720A1 (en) * | 2010-01-25 | 2011-07-28 | Edgeworth Christopher M | System, method, and computer program product for tracking mobile objects from an aerial vehicle |
-
2015
- 2015-12-24 CN CN201510982679.3A patent/CN105606224B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1487274A (zh) * | 2003-07-25 | 2004-04-07 | 伟 陈 | 一种对红外源热映象进行检测的方法 |
| CN101982741A (zh) * | 2010-09-08 | 2011-03-02 | 北京航空航天大学 | 一种水下光场采样及模拟方法 |
| CN203178489U (zh) * | 2013-03-08 | 2013-09-04 | 山东省科学院海洋仪器仪表研究所 | 用于识别水下和水面目标的实时监测系统 |
| CN104713904A (zh) * | 2015-03-30 | 2015-06-17 | 中国科学院南海海洋研究所 | 一种海底原位热导率的解算方法及其探测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105606224A (zh) | 2016-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111814875B (zh) | 基于样式生成对抗网络的红外图像中舰船样本扩充方法 | |
| CN107093205B (zh) | 一种基于无人机图像的三维空间建筑物窗户检测重建方法 | |
| CN107067415B (zh) | 一种基于图像匹配的目标定位方法 | |
| CN110189255A (zh) | 基于两级检测的人脸检测方法 | |
| CN111985376A (zh) | 一种基于深度学习的遥感影像舰船轮廓提取方法 | |
| CN113420440B (zh) | 一种基于海洋垂直结构的涡旋识别方法 | |
| CN110348059A (zh) | 一种基于结构化网格的通道内流场重构方法 | |
| Zhang et al. | GPU-accelerated 3D reconstruction of porous media using multiple-point statistics | |
| CN105606224B (zh) | 一种基于水体分层滤波的水下热源探测定位方法 | |
| CN108647721A (zh) | 基于网络图片自动识别的地表覆盖验证方法及系统 | |
| Ali et al. | Classification of the Reynolds stress anisotropy tensor in very large thermally stratified wind farms using colormap image segmentation | |
| CN110321942A (zh) | 一种基于球形特征的细粒度图像分类方法与装置 | |
| CN111428855B (zh) | 一种端到端的点云深度学习网络模型和训练方法 | |
| CN116338628B (zh) | 一种基于学习架构的激光雷达测深方法、装置及电子设备 | |
| Zhang et al. | Estimation of spatially varying parameters in three-dimensional cohesive sediment transport models by assimilating remote sensing data | |
| CN113553708B (zh) | 一种溯源仿真模型关键影响因素的方法和装置 | |
| CN112163988B (zh) | 红外图像的生成方法、装置、计算机设备和可读存储介质 | |
| CN106023079B (zh) | 联合局部与全局特性的两阶段人脸画像生成方法 | |
| Zuo et al. | High-resolution reconstruction algorithm for the three-dimensional velocity field produced by atomization of two impinging jets based on deep learning | |
| CN115331021A (zh) | 基于多层特征自身差异融合的动态特征提取与描述方法 | |
| CN111640117B (zh) | 一种寻找建筑物渗漏源位置的方法 | |
| CN108053411B (zh) | 一种边界热交换约束下的江底隧道遥感探测定位方法 | |
| CN108305257B (zh) | 一种背景热辐射约束下的海底隧道遥感探测定位方法 | |
| CN105628342B (zh) | 一种光学流动显示技术光学布局数值求解方法 | |
| CN105654478B (zh) | 一种基于热量区域积分的水下热源检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |