CN106023175A - 基于立体模式判别水中航行体热尾流的方法 - Google Patents

Abstract

本发明涉及基于立体模式判别水中航行体热尾流的方法。本发明的目的是从立体角度观测热尾流特征，进而区分水下航行体热尾流和水面航行体热尾流。将红外热尾流图像灰度化后的二维图通过等位面的思想建立立体模式，计算热尾流的不同灰度差值像素个数比值，并比较水下航行体和水面航行体热尾流灰度差值为10的像素个数比值。通过得到的数据比较和分析两类热尾流特征，达到区别水面航行体热尾流和水下航行体热尾流的目的。

Description

基于立体模式判别水中航行体热尾流的方法

技术领域：

本发明属于图像处理领域，具体地说是借鉴等位面的概念，将图像中不同灰度级的像素放在不同的等位面，基于热尾流不同灰度的像素轮廓作为等位面的像素边界，通过建立立体模式，分析水中航行体热尾流特征，判别该热尾流属于水下航行体还是水面航行体。

背景技术：

探测水下航行器一直是国防的重要话题，热红外探测水下航行器是利用高精度红外探测仪探测、识别水下航行器热尾流，研究并总结水下航行器热尾流的特性对热红外探测水下航行器具有重要意义。水下航行器在温度均匀的海水中由于动力系统放热、螺旋桨打水和运动产生摩擦等原因产生温度高于周围海水的温差信号，由于浮力作用温差信号会传递至海面；在温度分层的海水中，除了上述情况，螺旋桨的扰动会使下层温度的海水翻滚至上层，同样形成温差信号，通过一定方式传递至海面，带来水面不同区域的温度分布不同。根据研究人员分析，水下航行器在温度均匀和正温度梯度(自海表至海底温度逐渐升高的温度梯度)的海水环境中运动，传递至海面的尾流温度高于周围海表面温度，呈正温差信号；在负温度梯度(自海表至海底温度逐渐降低的温度梯度)的海水环境中运动，传递至海面的尾流温度低于周围海表面温度，呈负温差信号。为了方便讨论，将正、负温差信号统称为热尾流。

探测人员利用机载或者星载高精度的红外探测仪能够探测到海面的弱小温差信号，也就是说可以利用红外探测仪探测热尾流来间接判断水下航行器的存在性，这也是热红外探测水下航行器原理，它对我国海防具有重要的价值。红外探测水下航行器技术由于其观测范围大、可在夜间工作，抗电子干扰强、隐蔽性好、被动工作、实时成像、成像分辨率高等优点不断被研究发展，红外探测属于“战略性”探测、“趋势”探测。所以，对水下航行器热尾流的研究和特征总结很有意义。

本发明是借鉴等位面的概念，基于图像像素灰度值大小和热尾流轮廓建立立体模式，分析水中航行体热尾流特征，判别该热尾流属于水下航行体还是水面上航行体，作为水下航行器识别的一种手段。

发明内容：

本发明的目的是从立体角度观测热尾流特征，进而区分水下航行体热尾流和水面航行体热尾流。将红外热尾流图像灰度化后的二维图通过等位面的思想建立立体模式，计算热尾流的不同灰度差值像素个数比值，并比较水下航行体和水面航行体热尾流灰度差值为10的像素个数比值。通过得到的数据比较和分析两类热尾流特征，达到区别水面航行体热尾流和水下航行体热尾流的目的。

本发明采用的技术方案是：

第一步：读取原始热尾流图像I₀，图像大小为M×N，M是图像I₀的宽度像素，N是图像I₀的高度像素；

第二步：针对原始图像I₀中每个像素点的R、G、B三个通道值，通过(1)式求该像素点的加权值GRAY，并将加权值GRAY赋值给当前像素点，得到的灰度图像记为I_g，若I₀为灰度图像，则I_g＝I₀；

GRAY＝0.3×R+0.59×G+0.11×B (1)

第三步：对I_g图像进行高斯高通滤波，过程如下：

(a)先将图像按照MATLAB软件中的I_f＝fft2(I_g)语句进行二维离散傅立叶变换，I_f是图像I_g经过二维离散傅立叶变换后的图像命名，并通过语句I_s＝fftshift(I_f)把频谱坐标原点由左上角移至中央，处理后频域图像大小仍为M×N；

(b)通过(2)式计算滤波器函数，其中D(u,v)为点(u,v)距频率矩形原点的距离，频率矩形的原点在(M/2,N/2)处，即D(u,v)＝[(u-M/2)²+(v-N/2)²]^1/2，截止频率D₀是指定的非负数值，表示从频率矩形的原点测得的截至长度；

$H(u,v)=1-e^{-D^2(u,v)/2{D_0}^2}---\left(2\right)$

(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数，再加上一个偏移量以便使零频率不被滤波器滤除掉，得到h(u,v)；将求得的每一点的h(u,v)乘以I_s图像上对应点的灰度值，得到I_h(u,v)，公式(4)中I_s(u,v)表示I_s上点(u,v)处的灰度值；

h(u,v)＝1.5×H(u,v)+0.5 (3)

I_h(u,v)＝h(u,v)×I_s(u,v) (4)

(d)利用MATLAB软件中的语句：I_is＝ifftshift(I_h)，将频谱坐标原点移回左上角，得到图像I_is，并通过语句I_if＝ifft2(I_is)进行二维离散傅立叶反变换，得到图像I_if；

第四步：对图像I_if进行灰度的立体建模，具体过程如下：

(a)利用MATLAB软件中的语句：[X,Y]＝meshgrid(1:M,1:N)，对I_if图像生成与I_if大小相同的网格，其中[X,Y]为网格中与I_if图像对应点的x轴和y轴坐标；

(b)利用MATLAB软件中的语句：contour3(X,Y,Z,n)，生成以网格为底，以网格内每个坐标点在I_if上的灰度值为高的三维图，其中X、Y为网格内某一点A的x轴和y轴坐标值，Z为A点在图像I_if上的灰度值，n为灰度值量化级数；对灰度值量化的解释：由于图像I_if的灰度值范围较大，为了提升运算速度，将灰度值范围均分为n等份，每一份内的灰度值取最小值，依此规则对灰度值进行n级量化处理；

第五步：基于某一灰度值a截取三维图，得到截面S_a，利用公式(5)对截面S_a进行二值化处理，T_n为每个区域的阈值，在这里T_n＝a；

$f_n(i,j)=\left\{\begin{array}{cc}1& f_n(i,j)\&GreaterEqual;T_n(i,j)\\ 0& f_n(i,j)<T_n(i,j)\end{array}\right.---\left(5\right)$

第六步：将二值化后的截面命名为S_aw，计算S_aw内所有灰度值为1的像素点总个数n_a；

第七步：基于灰度值b(b≠a)截取三维图，得到截面S_b，利用公式(5)对截面S_b进行二值化处理，此步骤中T_n＝b，求二值化后的截面S_bw的所有灰度值为1的像素点总个数n_b；

第八步：计算灰度值之差ΔG＝a-b，并求出该ΔG的像素个数比值n_a/n_b；

第九步：比较灰度差值ΔG＝10的像素个数之比，若为0.5-0.7区间内，则判别为水下航行体热尾流，若为0.75-0.95区间内，则判别为水上航行体热尾流。

本发明优点在于：

1、既可以处理彩色图像也可以处理灰度图像；

2、能够从立体角度去分析水中航行体热尾流的特征，并对计算出的结果进行有效判别。通过对比发现水下航行体热尾流的同一灰度差值(ΔG＝10)面积之比约为0.5-0.7区间内，而水上航行体热尾流的同一灰度差值(ΔG＝10)面积之比约为0.75-0.95区间内。

附图说明

图1为本发明的流程图；

图2(a)为典型水下航行体热尾流彩色图像原图；

图2(b)为本发明处理后得到的立体图像；

图2(c)为立体图像灰度值为90的截面二值图；

图2(d)为立体图像灰度值为80的截面二值图；

图3(a)为典型舰船热尾灰度图像原图；

图3(b)为本发明处理后得到的立体图像；

图3(c)为立体图像灰度值为90的截面二值图；

图3(d)为立体图像灰度值为80的截面二值图。

具体实施方式：

下面结合具体实例对本发明做详细说明。

实例1：本实例是针对典型水下航行体热尾流彩色图像进行立体建模及分析的过程，具体过程如下所示。

1：读取原始热尾流图像I₀，图像大小为277×239，277是图像I₀的宽度像素，239是图像I₀的高度像素；

2：针对原始图像I₀中每个像素点的R、G、B三个通道值，通过(1)式求该像素点的加权值GRAY，并将加权值GRAY赋值给当前像素点，得到的灰度图像记为I_g，若I₀为灰度图像，则I_g＝I₀；

GRAY＝0.3×R+0.59×G+0.11×B (1)

3：对I_g图像进行高斯高通滤波，过程如下：

(a)先将图像按照MATLAB软件中的I_f＝fft2(I_g)语句进行二维离散傅立叶变换，I_f是图像I_g经过二维离散傅立叶变换后的图像命名，并通过语句I_s＝fftshift(I_f)把频谱坐标原点由左上角移至中央，处理后频域图像大小仍为277×239；

(b)通过(2)式计算滤波器函数，其中D(u,v)为点(u,v)距频率矩形原点的距离，频率矩形的原点在处，即D(u,v)＝[(u-277/2)²+(v-239/2)²]^1/2，截止频率D₀取值80；

$H(u,v)=1-e^{-D^2(u,v)/2{D_0}^2}---\left(2\right)$

(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数，再加上一个偏移量以便使零频率不被滤波器滤除掉，得到h(u,v)；将求得的每一点的h(u,v)乘以I_s图像上对应点的灰度值，得到I_h(u,v)，公式(4)中I_s(u,v)表示I_s上点(u,v)处的灰度值；

h(u,v)＝1.5×H(u,v)+0.5 (3)

I_h(u,v)＝h(u,v)×I_s(u,v) (4)

(d)利用MATLAB软件中的语句：I_is＝ifftshift(I_h)，将频谱坐标原点移回左上角，得到图像I_is，并通过语句I_if＝ifft2(I_is)进行二维离散傅立叶反变换，得到图像I_if；

4：对图像I_if进行灰度的立体建模，具体过程如下：

(a)利用MATLAB软件中的语句：[X,Y]＝meshgrid(1:277,1:239)，对I_if图像生成与I_if大小相同的网格，其中[X,Y]为网格中与I_if图像对应点的x轴和y轴坐标；

(b)利用MATLAB软件中的语句：contour3(X,Y,Z,n)，生成以网格为底，以网格内每个坐标点在I_if上的灰度值为高的三维图，其中X、Y为网格内某一点A的x轴和y轴坐标值，Z为A点在图像I_if上的灰度值，n为灰度值量化级数，n取值100；

5：基于灰度值90截取三维图，得到截面S_a，利用公式(5)对截面S_a进行二值化处理，此时T_n＝90；

$f_n(i,j)=\left\{\begin{array}{cc}1& f_n(i,j)\&GreaterEqual;T_n(i,j)\\ 0& f_n(i,j)<T_n(i,j)\end{array}\right.---\left(5\right)$

6：求二值化后的截面S_aw的所有灰度值为1的像素点总个数n_a＝4722；

7：基于灰度值80截取三维图，得到截面S_b，利用公式(5)对截面S_b进行二值化处理，此时T_n＝80，求二值化后的截面S_bw的所有灰度值为1的像素点总个数n_b＝7257；

8：计算灰度值之差ΔG＝10时该ΔG的像素个数比值n_a/n_b≈0.6507；

9：判断该尾流属于水下航行体。

实例2：本实例是针对典型舰船热尾灰度像进行立体建模及分析的过程，具体过程如下所示。

1：读取原始热尾流图像I₀，图像大小为276×239，276是图像I₀的宽度像素，239是图像I₀的高度像素；

2：灰度图像I_g＝I₀；

3：对I_g图像进行高斯高通滤波，过程如下：

(a)先将图像按照MATLAB软件中的I_f＝fft2(I_g)语句进行二维离散傅立叶变换，I_f是图像I_g经过二维离散傅立叶变换后的图像命名，并通过语句I_s＝fftshift(I_f)把频谱坐标原点由左上角移至中央，处理后频域图像大小仍为276×239；

(b)通过(2)式计算滤波器函数，其中D(u,v)为点(u,v)距频率矩形原点的距离，频率矩形的原点在处，即D(u,v)＝[(u-138)²+(v-239/2)²]^1/2，截止频率D₀取值80；

$H(u,v)=1-e^{-D^2(u,v)/2{D_0}^2}---\left(2\right)$

(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数，再加上一个偏移量以便使零频率不被滤波器滤除掉，得到h(u,v)；将求得的每一点的h(u,v)乘以I_s图像上对应点的灰度值，得到I_h(u,v)，公式(4)中I_s(u,v)表示I_s上点(u,v)处的灰度值；

h(u,v)＝1.5×H(u,v)+0.5 (3)

I_h(u,v)＝h(u,v)×I_s(u,v) (4)

(d)利用MATLAB软件中的语句：I_is＝ifftshift(I_h)，将频谱坐标原点移回左上角，得到图像I_is，并通过语句I_if＝ifft2(I_is)进行二维离散傅立叶反变换，得到图像I_if；

4：对图像I_if进行灰度的立体建模，具体过程如下：

(a)利用MATLAB软件中的语句：[X,Y]＝meshgrid(1:276,1:239)，对I_if图像生成与I_if大小相同的网格，其中[X,Y]为网格中与I_if图像对应点的x轴和y轴坐标；

(b)利用MATLAB软件中的语句：contour3(X,Y,Z,n)，生成以网格为底，以网格内每个坐标点在I_if上的灰度值为高的三维图，其中X、Y为网格内某一点A的x轴和y轴坐标值，Z为A点在图像I_if上的灰度值，n为灰度值量化级数，n取值100；

5：基于灰度值90截取三维图，得到截面S_a，利用公式(5)对截面S_a进行二值化处理，此时T_n＝90；

$f_n(i,j)=\left\{\begin{array}{cc}1& f_n(i,j)\&GreaterEqual;T_n(i,j)\\ 0& f_n(i,j)<T_n(i,j)\end{array}\right.---\left(5\right)$

6：求二值化后的截面S_aw的所有灰度值为1的像素点总个数n_a＝30452；

7：基于灰度值80截取三维图，得到截面S_b，利用公式(5)对截面S_b进行二值化处理，此时T_n＝80，求二值化后的截面S_bw的所有灰度值为1的像素点总个数n_b＝37209；

8：计算灰度值之差ΔG＝10时该ΔG的像素个数比值n_a/n_b≈0.8184；

9：判断该尾流属于水上航行体。

虽然这里只说明了本发明的两个实例，但意义并非限制本发明的范围和适用性。相反，对实例的详细说明可以使本领域的技术人员更好的得以实施。

Claims (1)

1.基于立体模式判别水中航行体热尾流的方法，其特征在于如下步骤：

第一步：读取原始热尾流图像I₀，图像大小为M×N，M是图像I₀的宽度像素，N是图像I₀的高度像素；

第二步：针对原始图像I₀中每个像素点的R、G、B三个通道值，通过(1)式求该像素点的加权值GRAY，并将加权值GRAY赋值给当前像素点，得到的灰度图像记为I_g，若I₀为灰度图像，则I_g＝I₀；

GRAY＝0.3×R+0.59×G+0.11×B (1)

第三步：对I_g图像进行高斯高通滤波，过程如下：

(a)先将图像按照MATLAB软件中的I_f＝fft2(I_g)语句进行二维离散傅立叶变换，I_f是图像I_g经过二维离散傅立叶变换后的图像命名，并通过语句I_s＝fftshift(I_f)把频谱坐标原点由左上角移至中央，处理后频域图像大小仍为M×N；

(b)通过(2)式计算滤波器函数，其中D(u,v)为点(u,v)距频率矩形原点的距离，频率矩形的原点在(M/2,N/2)处，即D(u,v)＝[(u-M/2)²+(v-N/2)²]^1/2，截止频率D₀是指定的非负数值，表示从频率矩形的原点测得的截至长度；

$H(u,v)=1-e^{-D^2(u,v)/2{D_0}^2}---\left(2\right)$

(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数，再加上一个偏移量以便使零频率不被滤波器滤除掉，得到h(u,v)；将求得的每一点的h(u,v)乘以I_s图像上对应点的灰度值，得到I_h(u,v)，公式(4)中I_s(u,v)表示I_s上点(u,v)处的灰度值；

h(u,v)＝1.5×H(u,v)+0.5 (3)

I_h(u,v)＝h(u,v)×I_s(u,v) (4)

(d)利用MATLAB软件中的语句：I_is＝ifftshift(I_h)，将频谱坐标原点移回左上角，得到图像I_is，并通过语句I_if＝ifft2(I_is)进行二维离散傅立叶反变换，得到图像I_if；

第四步：对图像I_if进行灰度的立体建模，具体过程如下：

(a)利用MATLAB软件中的语句：[X,Y]＝meshgrid(1:M,1:N)，对I_if图像生成与I_if大小相同的网格，其中[X,Y]为网格中与I_if图像对应点的x轴和y轴坐标；

(b)利用MATLAB软件中的语句：contour3(X,Y,Z,n)，生成以网格为底，以网格内每个坐标点在I_if上的灰度值为高的三维图，其中X、Y为网格内某一点A的x轴和y轴坐标值，Z为A点在图像I_if上的灰度值，n为灰度值量化级数；对灰度值量化的解释：由于图像I_if的灰度值范围较大，为了提升运算速度，将灰度值范围均分为n等份，每一份内的灰度值取最小值，依此规则对灰度值进行n级量化处理；

第五步：基于某一灰度值a截取三维图，得到截面S_a，利用公式(5)对截面S_a进行二值化处理，T_n为每个区域的阈值，在这里T_n＝a；

$f_n(i,j)=\left\{\begin{array}{cc}1& f_n(i,j)\&GreaterEqual;T_n(i,j)\\ 0& f_n(i,j)<T_n(i,j)\end{array}\right.---\left(5\right)$

第六步：将二值化后的截面命名为S_aw，计算S_aw内所有灰度值为1的像素点总个数n_a；

第七步：基于灰度值b(b≠a)截取三维图，得到截面S_b，利用公式(5)对截面S_b进行二值化处理，此步骤中T_n＝b，求二值化后的截面的所有灰度值为1的像素点总个数n_b；

第八步：计算灰度值之差ΔG＝a-b，并求出该ΔG的像素个数比值n_a/n_b；

第九步：比较灰度差值ΔG＝10的像素个数之比，若为0.5-0.7区间内，则判别为水下航行体热尾流，若为0.75-0.95区间内，则判别为水上航行体热尾流。