CN109636744A - 一种水下距离选通成像的自适应图像处理方法 - Google Patents

一种水下距离选通成像的自适应图像处理方法 Download PDF

Info

Publication number
CN109636744A
CN109636744A CN201811416773.2A CN201811416773A CN109636744A CN 109636744 A CN109636744 A CN 109636744A CN 201811416773 A CN201811416773 A CN 201811416773A CN 109636744 A CN109636744 A CN 109636744A
Authority
CN
China
Prior art keywords
image
section
value
adapting
gray
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.)
Pending
Application number
CN201811416773.2A
Other languages
English (en)
Inventor
纪春恒
金东东
裴崇雷
彭勃
孙磊
楚新波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Institute of Space Electronic Technology
Original Assignee
Shandong Institute of Space Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Institute of Space Electronic Technology filed Critical Shandong Institute of Space Electronic Technology
Priority to CN201811416773.2A priority Critical patent/CN109636744A/zh
Publication of CN109636744A publication Critical patent/CN109636744A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明属于水下光电成像技术领域,公开了一种水下距离选通成像的自适应图像处理方法,包括以下步骤:步骤1:获取水下距离选通成像系统的一帧图像;步骤2:对获取的原始图像进行滤波处理,保存滤波后的图像数据;步骤3:统计滤波后图像的灰度直方图,搜索直方图中的极值点,确定后续强化处理的对象灰度区间;步骤4:根据步骤3确定的图像强化处理对象灰度区间,外扩该区间作为目标灰度区间;步骤5:将滤波后图像按照步骤4确定的对象和目标区间灰度值进行分段线性增强,其他灰度范围的象素值进行线性压缩。本技术方案自动产生图像处理所需参数,根据图像环境的变化自动维护图像处理所需参数;保证图像处理的实时性,有效提升图像的细节效果。

Description

一种水下距离选通成像的自适应图像处理方法
技术领域
本发明属于水下光电成像技术领域,研发的图像处理技术能够实时自动处理水下距离选通所成图像噪声多、对比度差的问题,改变了传统成像存储、传输后再处理导致实时性不强的处理方式,可适用于水下目标探测、水下环境监测、水下工程作业等诸多领域,具有广阔的应用前景。
背景技术
水下距离选通成像是以水下光电探测技术为基础,采用时间标记的方法将目标反射的激光脉冲回波从水的后向散射中区分出来,使带有目标信息的激光脉冲回波恰好在选通相机的选通门开启时间内到达相机并被探测。由于水介质对光波的散射和吸收作用,使系统成像呈现雾化效果,成像对比度差。
距离选通技术虽然能够在一定程度上克服后向散射对成像的影响,但水体前向散射的影响仍然存在,以及成像过程中各种噪声的影响,使得最终成像效果不够理想。为了滤除噪声提升图像效果,强化图像灰度、纹理等细节特征,必须对原始图像进行处理。针对水下距离选通成像系统获取的视频图像,目前主要有两种图像处理方式:(1)成像系统集成了固定的图像处理技术,只能在特定光照和水质环境下才能达到理想的处理效果,更换工作环境后图像处理效果下降或需手动调整图像处理参数才能适应工作环境的变化,不利于系统的动态成像;(2)由于图像处理运算数据量大,运算过程复杂,为了保证成像的实时性,大多数水下成像系统并不立即进行图像处理,而是存储获取的原始视频图像后,传输给后台电脑,由后台电脑设计专门的图像处理软件进行去噪和增强处理,涉及在嵌入式芯片和PC机两个平台上分别进行图像软件的开发工作,增加了开发的复杂性。
由于水下诸多工作如水下管道作业的开展几乎完全依赖实时获取的视频图像,对图像质量和图像的实时性均有较高要求,因此若上述图像处理方式不进行改进提升,则会成为水下距离选通成像深入应用的制约因素,限制水下距离选通成像的进一步发展。
发明内容
针对上述现有技术的不足之处,提出一种针对水下距离选通成像的自适应图像处理技术,既能保证图像处理的实时性,又能够使图像处理参数随环境的变化自动进行调整,以强化图像细节,提升图像效果。技术内容包括以下步骤:
步骤1:获取水下距离选通成像系统的一帧图像。
步骤2:对获取的原始图像进行均值滤波处理,以滤除高斯噪声,保存滤波后的图像数据。
步骤3:统计滤波后图像的灰度直方图,搜索直方图中的极值点,自动确定后续强化处理的对象灰度区间。
步骤4:根据步骤3确定的图像强化处理对象灰度区间,将该区间外扩20%作为目标灰度区间。
步骤5:将滤波后图像按照步骤4确定的对象和目标区间灰度值进行分段线性增强,其他灰度范围的象素值进行线性压缩。
本技术方案可以不用人工干预水下距离选通成像系统的图像处理过程,图像处理所需参数为自动产生,可根据图像环境的变化自动维护图像处理所需参数;由于图像强化的参数基于图像目标区域的统计产生,算法运行高效,既保证了图像处理的实时性,又能够有效提升图像的细节效果。
附图说明
图1:水下距离选通成像系统;
图2:滤波模板遍历示意图;
图3:直方图处理对象区间示意图;
图4:分段线性增强处理示意图;
图5:实际测试目标靶;
图6:水下目标原始图像与处理后图像对比图。
其中,1.控制器;2.脉冲激光器;3.ICCD接收器;4.括束镜;5.接收透镜;6.PIN二极管;7.触发信号;8.选通信号;9.电信号;10.分光镜;11.激光脉冲;12.目标。
图6为三行三列对比图,第一行为25米处靶标图像及处理,距离25米,发散角14°,第一行第一列为原始图,分辨力为1.2厘米,第一行第二列中值滤波后的局部直方图增强,分辨力为1厘米,第一行第三列均值滤波后的局部直方图增强,分辨力为0.9厘米。
第二行为30米处靶标图像及处理,距离30米,发散角9°,第二行第一列为原始图,分辨力为1厘米,第二行第二列中值滤波后的局部直方图增强,分辨力为0.9厘米,第二行第三列均值滤波后的局部直方图增强,分辨力为0.9厘米。
第三行为40米处靶标图像及处理,距离40米,发散角2°,第三行第一列为原始图,分辨力为1.2厘米,第三行第二列原始直方图增强,分辨力为1.1厘米,第三行第三列均值滤波后的局部直方图增强,分辨力为1.1厘米。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实例并参照附图,对本发明做进一步详细说明。
水下距离选通成像的自适应图像处理技术,包括如下步骤:
步骤1:控制如图1所示的水下距离选通成像系统开机,以图5所示图像为目标,开始进行水下成像并获取其图像;
步骤2:由于图像中噪声点像素灰度明显不同于与其邻近像素的灰度,利用均值滤波去除图像上的噪声。均值滤波通过模板计算,遍历图像时用模板内所有像素点的灰度平均值代替模板内每个像素点的值,其数学表达式为:
(1)式中g(i,j)为处理后的图像,f(i,j)为含有噪声的原图像,S是所选模板中各像素的坐标,N是模板中包含的像素个数。
利用3×3的均值滤波模板遍历原始图像,将平均后的灰度值赋给模板中心位置处的图像象素点,滤波过程如图2所示,以滤除图像中的高斯噪声,保存滤波后的图像A;
步骤3:统计图像A中的灰度直方图,通过局部极值算法获取直方图中的极值,即先对直方图的每个灰度级设置初始标号,以方便寻找局部极值,为初始标号作如下约定:
其中M(k)表示第k级灰度值上的标号,h(k)为第k级灰度值上的像素个数。若第k级灰度值的像素总数大于k-1级灰度值上的像素总数,则第k级标号设置为1,否则设置为0。为了避免直方图随机小波动的干扰,对标号算法进行如下改进:
设定第一个和最后一个满足M(k-9)=1,...,M(k)=1且M(k+1)=0,...,M(k+9)=0条件的k1和k2就是所要寻找的局部极大值,区间[k1,k2]即为待处理的对象区间,如图3所示。
为了削弱光的散射造成图像泛白的影响,对[k1,k2]区间内h(k)的值进行判断。设区间内h(k)的最大值h(k)max对应的k值为k3,若k>50且h(k)max>5×h(k3×0.9)且h(k)max>5×h(k3×1.1),则认为该像素值为泛白值,对该值进行0.5倍抑制。
步骤4:将步骤3中确定的[k1,k2]区间外扩20%作为目标灰度区间即[d1,d2],其中d1=k1-0.1×(k2-k1),d2=k2+0.1×(k2-k1),最低值不小于0,最大值不高于255。
步骤5:为了既避免传统图像增强方法导致的光晕及过度增强等现象,又增强实时性,按照步骤4确定的区间,除去泛白像素值,如图4所示进行分段线性增强处理,处理后图像为图像B。
步骤6:对后续视频图像按照上述步骤进行滤波和增强处理,输出增强后的图像。
根据靶标图像在不同的距离,得到不同的图像处理效果,如图6所示,具体图像说明如附图说明所示,不再赘述。
实施例仅说明本发明的技术方案,而非对其进行任何限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。

Claims (9)

1.一种水下距离选通成像的自适应图像处理方法,其特征在于,包括以下步骤:
步骤1:获取水下距离选通成像系统的一帧图像;
步骤2:对获取的原始图像进行滤波处理,保存滤波后的图像数据;
步骤3:统计滤波后图像的灰度直方图,搜索直方图中的极值点,确定后续强化处理的对象灰度区间;
步骤4:根据步骤3确定的图像强化处理对象灰度区间,外扩该区间作为目标灰度区间;
步骤5:将滤波后图像按照步骤4确定的对象和目标区间灰度值进行分段线性增强,其他灰度范围的象素值进行线性压缩。
2.根据权利要求1所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:步骤2的滤波是均值滤波。
3.根据权利要求2所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:均值滤波通过模板计算,遍历图像时用模板内所有像素点的灰度平均值代替模板内每个像素点的值,其数学表达式为:
式中g(i,j)为处理后的图像,f(i,j)为含有噪声的原图像,S是所选模板中各像素的坐标,N是模板中包含的像素个数,利用3×3的均值滤波模板遍历原始图像,将平均后的灰度值赋给模板中心位置处的图像象素点,滤除图像中的高斯噪声,保存滤波后的图像。
4.根据权利要求1-3任一所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:统计图像A中的灰度直方图,通过局部极值算法获取直方图中的极值,即先对直方图的每个灰度级设置初始标号,以方便寻找局部极值,为初始标号作如下约定:
其中M(k)表示第k级灰度值上的标号,h(k)为第k级灰度值上的像素个数,若第k级灰度值的像素总数大于k-1级灰度值上的像素总数,则第k级标号设置为1,否则设置为0,改进标号算法如下:
设定第一个和最后一个满足M(k-9)=1,...,M(k)=1且M(k+1)=0,...,M(k+9)=0条件的k1和k2就是所要寻找的局部极大值,区间[k1,k2]即为待处理的对象区间。
5.根据权利要求4所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:判断[k1,k2]区间内h(k)的值,设区间内h(k)的最大值h(k)max对应的k值为k3,若k>50且h(k)max>5×h(k×0.9)且h(k)max>5×h(k×1.1),则对该值进行0.5倍抑制。
6.根据权利要求1或2或3或5任一所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:步骤4的目标灰度区间为对象灰度区间外扩20%。
7.根据权利要求6所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:步骤3中确定的[k1,k2]区间外扩20%作为目标灰度区间[d1,d2],其中d1=k1-0.1×(k2-k1),d2=k2+0.1×(k2-k1),最低值不小于0,最大值不高于255。
8.根据权利要求7所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:按照确定的对象区间和目标区间,进行分段线性增强处理。
9.根据权利要求1或2或3或5或7或8任一所述的一种水下距离选通成像的自适应图像处理方法,其特征在于:连续处理视频图像,输出处理后视频图像。
CN201811416773.2A 2018-11-26 2018-11-26 一种水下距离选通成像的自适应图像处理方法 Pending CN109636744A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811416773.2A CN109636744A (zh) 2018-11-26 2018-11-26 一种水下距离选通成像的自适应图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811416773.2A CN109636744A (zh) 2018-11-26 2018-11-26 一种水下距离选通成像的自适应图像处理方法

Publications (1)

Publication Number Publication Date
CN109636744A true CN109636744A (zh) 2019-04-16

Family

ID=66069116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811416773.2A Pending CN109636744A (zh) 2018-11-26 2018-11-26 一种水下距离选通成像的自适应图像处理方法

Country Status (1)

Country Link
CN (1) CN109636744A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450374A (zh) * 2021-06-25 2021-09-28 山东航天电子技术研究所 一种基于激光成像的水下目标自动实时三维测量方法
CN113484867A (zh) * 2021-06-25 2021-10-08 山东航天电子技术研究所 一种基于成像声呐封闭空间下鱼群密度探测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488763A (zh) * 2015-10-30 2016-04-13 北京理工大学 一种适用于水下激光距离选通图像的图像增强方法
CN107220644A (zh) * 2017-04-18 2017-09-29 天津大学 一种心电图扫描图像倾斜度校正方法
CN107462898A (zh) * 2017-08-08 2017-12-12 中国科学院西安光学精密机械研究所 基于单光子阵列的选通型漫反射绕角成像系统与方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488763A (zh) * 2015-10-30 2016-04-13 北京理工大学 一种适用于水下激光距离选通图像的图像增强方法
CN107220644A (zh) * 2017-04-18 2017-09-29 天津大学 一种心电图扫描图像倾斜度校正方法
CN107462898A (zh) * 2017-08-08 2017-12-12 中国科学院西安光学精密机械研究所 基于单光子阵列的选通型漫反射绕角成像系统与方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
贾思楠: ""海上搜救目标选通成像技术的研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
陈永亮: ""灰度图像的直方图均衡化处理研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450374A (zh) * 2021-06-25 2021-09-28 山东航天电子技术研究所 一种基于激光成像的水下目标自动实时三维测量方法
CN113484867A (zh) * 2021-06-25 2021-10-08 山东航天电子技术研究所 一种基于成像声呐封闭空间下鱼群密度探测方法
CN113484867B (zh) * 2021-06-25 2023-10-20 山东航天电子技术研究所 一种基于成像声呐封闭空间下鱼群密度探测方法

Similar Documents

Publication Publication Date Title
CN102999886B (zh) 图像边缘检测器及标尺光栅栅线精度检测系统
CN112528868B (zh) 一种基于改进Canny边缘检测算法的违章压线判别方法
CN104036262B (zh) 一种lpr车牌筛选识别的方法和系统
CN102708552B (zh) 一种快速二维条码图像运动去模糊方法
CN104657735A (zh) 车道线检测方法、系统、车道偏离预警方法及系统
Yang et al. Research and analysis of Image edge detection algorithm Based on the MATLAB
CN103295225B (zh) 弱光照条件下的列车转向架边缘检测方法
CN102855617A (zh) 自适应图像处理方法及系统
CN103049788B (zh) 基于计算机视觉的待过行人数目的检测系统及方法
CN102073872B (zh) 基于图像的寄生虫虫卵形状识别方法
Niksaz Automatic traffic estimation using image processing
CN116109637B (zh) 基于视觉的涡轮增压器叶轮外观缺陷检测的系统及其方法
CN111369570A (zh) 一种视频图像的多目标检测跟踪方法
CN110687122A (zh) 一种陶瓦表面裂纹检测方法及系统
CN109636744A (zh) 一种水下距离选通成像的自适应图像处理方法
CN102610104B (zh) 一种车载的前方车辆检测方法
CN112102197A (zh) 一种辅助潜水员的水下目标检测系统及方法
CN115661110B (zh) 一种透明工件识别与定位的方法
Zhao et al. Research on detection method for the leakage of underwater pipeline by YOLOv3
CN110245600A (zh) 自适应起始快速笔画宽度无人机道路检测方法
CN114155445A (zh) 基于改进YOLOv3的SAR图像目标检测方法
CN104574417A (zh) 一种图像边缘灰度起伏性度量与自适应检测方法
Chen et al. A novel lane departure warning system for improving road safety
CN103177244B (zh) 水下显微图像中快速检测目标生物的方法
Wang et al. Adaptive binarization: A new approach to license plate characters segmentation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190416

WD01 Invention patent application deemed withdrawn after publication