CN109738903A - 一种侧扫声呐实时二维成像方法及系统 - Google Patents
一种侧扫声呐实时二维成像方法及系统 Download PDFInfo
- Publication number
- CN109738903A CN109738903A CN201811480753.1A CN201811480753A CN109738903A CN 109738903 A CN109738903 A CN 109738903A CN 201811480753 A CN201811480753 A CN 201811480753A CN 109738903 A CN109738903 A CN 109738903A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- sonar
- dimensional imaging
- time
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 17
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 230000002269 spontaneous effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 23
- 230000002146 bilateral effect Effects 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004321 preservation Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 11
- 238000002592 echocardiography Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 abstract description 2
- 238000010408 sweeping Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 230000002708 enhancing effect Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000009510 drug design Methods 0.000 description 2
- 238000001093 holography Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002463 transducing effect Effects 0.000 description 1
- 208000013021 vision distortion Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种侧扫声呐实时二维成像方法及系统,包括以线扫描的方式进行水下目标成像检测,前端侧扫声呐传感器模块通过探头以一定的频率发射声波,利用声波在水中传输的衰减小及反射强特性,遇到水底或水下目标会产生反射声回波;其次,通过发射/接收控制模块接收来自侧扫传感器声呐模块的回波数据,且对回波进行适当的编码及解码,提取并处理得到需求的数据;最后,在上位机成像显示模块接收来自发射/接收控制模块的数据进行合适的数据转换及数字图像处理,实现在上位机系统的二维成像实时显示。
Description
技术领域
本发明涉及水下成像,具体涉及一种侧扫声呐实时二维成像方法及系统。
背景技术
水下声成像是声成像的一个分支,在水声探测中有着重要的作用,通过物体对声波的后向散射作用进行水下定位,逐点画图成像。利用声波进行成像,是在声波测距与测向的基础上发展而来的。水下声波测距主要是利用接收回波与发射脉冲信号间的时间差,计算出目标的距离;水下声波测向主要是利用回波到达由多个换能器组成的水听器系统的声程差和相位差,计算出目标的方位。在水下声成像中,基本的声成像技术有三种:声透镜技术、波束形成技术、声全息技术。这三种声成像方法都使用相同的操作:空间处理(从声场中得到图像)、换能(将声能转换成电能)、检波(将高频信号转换成可观测且接近直流的图像信号)、显示(以某种形式显示为图像)。这三种方法的不同之处在于对这些操作进行的先后顺序的不同。
现有技术中采用声透镜技术、波束形成技术、声全息技术是水下声成像主要技术,但相对来说,多波速形成技术以对水下目标高分辨率、成像连续性好的特点,该声成像技术比其他两个技术更适合针对水下目标检测,本发明就是基于波束形成技术的水下声成像发射方式,同时如何有效实现水下目标信息综合获取的双侧声波还存在诸多关键技术没有完全突破,例如实时性、高效、高分辨、有效声散射特征提取及分类等方面,这些也是现在水声成像研究领域重点。因此,研究一种侧扫声呐实时二维成像系统及方法,对加快侧扫声呐系统和侧扫成像方法革命,在水下声学实时成像关键器件与成像算法首先取得突破,形成持续性的自主创新能力和研发积累效应,是从深度和广度两个角度引领产业发展的要义。
发明内容
为了克服现有技术存在的问题,本发明提供一种侧扫声呐实时二维成像方法及系统。
本发明采用如下技术方案:
一种侧扫声呐实时二维成像方法,包括
A提取侧扫声呐反射波数据,将提取的侧扫数据格式及类型进行统一,得到符合二维成像要求的侧扫数据格式;
B将符合侧扫数据格式的反射波数据,以线为一帧,转化为标准化图像;
C对标准化图像进行图像增强及去噪,得到二维成像。
所述去噪采用基于双边滤波的方法。
利用多尺度Retinex图像增强算法进行图像增强。
所述多尺度Retinex图像增强算法,具体为:
将图像进行小波分解,获得图像高频和低频系数;
采用基于双边滤波改进的多尺度Retinex算法对图像低频系数进行处理;
采用软阈值滤波算法对图像高频部分进行处理;
通过离散小波反变换公式进行小波重构,得到增强后的空域图像;
对增强后的空域图像进行局部自适应对比度增强处理。
所述提取侧扫声呐反射波数据后,采用双缓存技术进行数据传输,所述双缓存技术具体是,开辟数据缓存空间,并设定两块内存空间,一块用于读取数据的保存假设为N1,另一块用于显示数据的保存假设为N2;
多线程技术进行读取与保存,N1只保存当前最新读取的数据帧,N2根据显示设计界面的大小。
所述步骤B还包括时间补偿机制,具体为:当前读取的数据帧,通过设置阈值判断是否由于航行不匹配产生亮点或者黑点坐标,对新老多帧数据同一位置进行块分割并进行灰度平均值求解,以补偿目标的灰度值。
一种侧扫声呐实时二维成像的系统,
包括依次连接的前端侧扫声呐传感器模块、电源模块、发射/接收控制模块及上位机成像显示模块;
所述前端侧扫声呐传感器模块用于发射声波和接收声回波,包括声传感器阵列、声发射/接收电路、A/D转换电路及数据接口电路;
所述发射/接收控制模块用于配置前端侧扫声呐传感器模块的参数及接收数据,包括接收电路、操作系统支持电路、数据处理电路、控制电路及数据传输电路;电源模块为发射/接收控制模块供电。
所述上位机成像显示模块负责接收来自发射/接收控制模块的数据,并进行成像显示及人机交互。
本发明的有益效果:
(1)利用双缓存技术搭建数据传输桥梁,合理有效将提取数据放入缓存空间,达到即拿即用的效果;考虑到数据发射与反射回波存在不确定性的时间差,设计合理的数据提取频率及补偿机制,避免数据遗漏;
(2)本发明设计合理的数据提取格式,考虑到后续成像以及未来可能增加其他功能,严格按照统一性原则,将数据格式及类型统一化、标准化;考虑到侧扫数据量不断增加,数据处理将变得繁琐,设置将一定量的数据固定成块,以块为单元,实现数据简单化,便于后续上位机成像处理;
(3)本发明便于观察的成像显示规则,基于侧扫声呐线性扫描的特点,数据格式以线为一帧,设滚动显示的方式将每帧相接以实现动态实时成像;由于水下声波传输的复杂性,侧扫声呐接收反射回波时会携带大量的噪声,研究利用基于双边滤波的优势进行合理的图像去噪,实现图像整体去噪,且不失去目标边缘信息;考虑到侧扫回波的强度较弱,整体成像图像偏暗,利用多尺度Retinex图像增强算法进行图像增强,增加图像亮度的同时,突出水下目标的特征。
附图说明
图1是本发明的工作流程图;
图2是本发明的结构示意图;
图3是本发明的侧扫声呐基本原理图;
图4是本发明的图像增强流程图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1及图2所示,一种侧扫声呐实时二维成像的系统,包括依次连接的前端侧扫声呐传感器模块、发射/接收控制模块、电源模块及上位机成像显示模块;
所述前端侧扫声呐传感器模块用于发射声波和接收声回波,包括声传感器阵列、声发射/接收电路、A/D转换电路及数据接口电路;
所述发射/接收控制模块用于配置前端侧扫声呐传感器模块的参数及接收数据,包括接收电路、操作系统支持电路、数据处理电路、控制电路及数据传输电路;
所述电源模块,主要为发射/接收控制模块进行稳定供电,输出电压为9-12V,电流为2A;
所述上位机成像显示模块负责接收来自发射/接收控制模块的数据,并进行成像显示及人机交互,如声发射频率、采样数等;各模块相互之间使用电气连接。
本发明以线扫描的方式进行水下目标成像检测,侧扫声呐传感器模块通过探头以一定的频率发射声波,利用声波在水中传输的衰减小及反射强特性,遇到水底或水下目标会产生反射声回波;其次,通过发射/接收控制模块接收来自侧扫传感器声呐模块的回波数据,且对回波进行适当的编码及解码,提取并处理得到需求的数据;最后,在上位机成像显示模块接收来自发射/接收控制模块的数据进行合适的数据转换及数字图像处理,实现在上位机系统的二维成像实时显示。
由于水下环境和水声信道复杂多变,以及声波在传播过程中存在衰减、混响、散射、多径现象和旁瓣干扰等,生成的声纳图像干扰严重、分辨率低等。水下声呐的预处理主要包括水下目标对比度的增强、减少图像中噪声的干扰的图像平滑滤波、增强目标边缘轮廓和改善目标图像清晰度图像锐化。另外还包括声呐图像数据的读取与图像的建立、声呐图像的数据分析和图像的插值等。总之,对声呐图像进行预处理的目的就在于对声呐图像进行增强。
如图3侧扫声呐结构示意图所示,水声成像的发射换能器在发射机脉冲的激励下,连续向水下发射声波束,声脉冲发出之后,以球面波方式向远方传播,碰到物体后反射波或反向散射波沿原路线返回到接收换能器,形成方位向的一条数据线。换能器随平台一边运动一边按一定时间间隔进行发射接收操作,并将接收数据按距离显示,就得到了二维水声图像。不同的物体声反射特性不同,回波的强度就大小不一,所以图像中的灰度特征包含了目标的属性信息,通过图像分析可实现目标成像的目的。
声呐图像与光学图像在本质上都是能量平面或者空间分布图,但声呐图像与光学图像在成像机制上有着本质的区别。尽管人工智能学科已经发展比较成熟,但是很多可以用于光学图像处理的技术对声纳图像就不一定可行,特别是有一些前沿的图像处理技术没有在声呐图像处理中得到应用,因此是需要迫切地对声呐图像处理进行研究的。光学图像的成像原理是由感光元件通过接收目标物体发射或反射的光波而成像的。光波为感光元件和目标物体之间的单程直线传播,空气是其传播介质;而成像声呐则是通过发射换能器来发射声波,当遇到目标物体后,声波会发生反射,反射回波被接收换能器接收后,再利用目标物体材质、距离等不同所引起的回波信号幅度变换来生成声呐图像,是一种在换能器和目标之间双程传播的距离成像系统,其中,传播的介质对图像质量的影响相对较大,比如测量现场的水下环境、水温、水深、风速、噪声干扰、混响干扰、海洋内部的不均匀性、海底地形的不规则性等不确定因素都严重影响了声纳成像效果。
因此,可以总结出声呐图像的主要特征表现为:
(1)水下的噪声源丰富及环境比较复杂,噪声源有海洋环境噪声、舰船自噪声等,从而造成成像声呐图像普遍污染严重,相对较少的目标物体灰度级,和灰度级相对较为丰富背景噪声;
(2)由于成像声呐仪器中接收基阵可能存在着一定的缺陷,例如仅在一个方向上形成分辨率及合成孔径声纳成像基阵载体运动不稳定等,致使得到的声呐图像分辨率低;
(3)由于声波的散射造成声呐图像中存在很多与周围像素灰度值有较大偏差的异常点;
(4)由于复杂的声波传播介质,使得接收到的声波信号被弱化,很多时候都不够完整,以至于声呐图像没有像光学图像那样拥有细致、精确、明显的边界特征,并且目标物体还经常出现边界残缺不全、不规则、不确定等特点;
(5)声呐图像清晰度一般较低,细节分量相对较少,图像主要以低频分量为主;
(6)有些声纳图像目标存在阴影,而有些声纳图像目标则没有阴影,同样使得目标的检测识别难度加大。
由于声纳图像的这些特性,使得对声纳图像的处理方法没有完全可靠的模型方法来进行指导和完善,因此,这些因素在一定程度上阻碍了某些分析、处理和识别技术在声呐领域中的应用和发展。
通过以上声纳图像特征的分析可知,相对于光学图像而言,声呐图像由于水下复杂的环境,使得成像声呐接受到的原始声呐图像数据质量急剧降低,噪声污染普遍严重。因此,对声呐图像的去噪技术进行研究对后序的声呐图像分割与识别都是至关重要的。
噪声一般都是随机产生的,因此都具有大小和分布的不规则性,有些噪声和图像信息互不相关、互相独立,而有些则是相关的。常见的图像噪声有乘性噪声和加性噪声,乘性噪声往往和图像交织在一起,而加性噪声往往又包括高斯噪声和椒盐噪声等典型噪声。因此,必须将声呐图像中的噪声滤除掉,得到更多更精细的原始声纳图像特征。
针对现有技术的情况,本发明提供一种侧扫声呐实时二维成像方法,包括如下步骤:
A提取侧扫声呐反射波数据,将提取的侧扫数据格式及类型进行统一,得到符合二维成像要求的侧扫数据格式;
本发明设计合理的数据提取格式,考虑到后续成像以及未来可能增加其他功能,严格按照统一性原则,将数据格式及类型统一化、标准化;考虑到侧扫数据量不断增加,数据处理将变得繁琐,设置将一定量的数据固定成块,以块为单元,实现数据简单化,便于后续上位机成像处理。
本发明采用双缓存技术进行数据传输,所述双缓存技术具体是,开辟数据缓存空间,并设定两块内存空间,一块用于读取数据的保存假设为N1,另一块用于显示数据的保存假设为N2;
多线程技术进行读取与保存,N1只保存当前最新读取的数据帧,N2根据显示设计界面的大小。
B将符合侧扫数据格式的反射波数据,以线为一帧,转化为标准化图像;
基于侧扫声呐线性扫描的特点,数据格式以线为一帧,设滚动显示的方式将每帧相接以实现动态实时成像。
还包括时间补偿机制,具体为:当前读取的数据帧,通过设置阈值判断是否由于航行不匹配产生亮点或者黑点坐标,对新老多帧数据同一位置进行块分割并进行灰度平均值求解,以补偿目标的灰度值。
C对标准化图像进行图像增强及去噪,得到二维成像。
现有的侧扫声呐图像增强方法主要有3种:一是直方图均衡化方法,直接增强图像对比度;二是基于人体视觉的Retinex算法;三是高斯滤波、双边滤波方法,该方法可以对图像进行滤波去噪。直方图均衡化方法可以提升侧扫图像对比度,但其对有效信息无法做到有针对性的处理,容易放大噪声,使图像失真严重。Retinex算法可以保持物体颜色恒常性,但在回波强度不均匀情况下图像容易出现光晕,导致图像模糊。双边滤波方法可以较好地去除水中细小漂浮物、气泡等导致的图像噪声,但同时会使图像丢失大量细节,不利于特征提取。
针对上述方法存在的缺点,图4所示,本发明在小波变换基础上,提出利用一种基于双边滤波和多尺度Retinex算法相结合的侧扫声呐图像增强方法,克服了Retinex算法易产生光晕及双边滤波方法易造成细节丢失等缺点,实现侧扫声呐图像边缘细节清晰,图像对比度强且易于辨识。基于双边滤波和多尺度Retinex算法的图像增强方法具体步骤如下:
(1)将图像进行小波分解,获得图像高频和低频系数。
(2)采用基于双边滤波改进的多尺度Retinex算法对图像低频系数进行处理。
(3)采用软阈值滤波算法对图像高频部分进行处理。
(4)通过离散小波反变换公式进行小波重构,得到增强后的空域图像。
(5)对增强后的空域图像进行局部自适应对比度增强处理。
图像增强方法的具体流程如图3所示。
小波变换是对信号进行时频处理的有效工具。依据二维离散小波分解公式对图像进行小波分解,得到图像低频系数和不同尺度的高频系数。低频系数包含图像的轮廓信息,高频系数包含图像不同维度边缘、细节及噪声等信息。
二维离散小波分解公式如下:
i={H,V,D}
小波重构公式:
式中:为低频系数,j0为初始层数,m与n为相对(x,y)点的偏移量;x和y为空间坐标;f(x,y)为图像像素的灰度值;M与N表示图像由M×N个像素组成;为二维尺度函数;i为假定值H,V和D的上标,代表列方向、行方向、对角线方向;j为小波分解层数;为高频系数;为对应方向的小波函数。
根据Retinex理论可知,图像由入射图像L(x,y)和反射图像R(x,y)形成,入射光照到反射物体上,形成反射光反射到人眼,人眼看到的图像S(x,y)的表达式为
S(x,y)=R(x,y)L(x,y) (4)
近年来,Retinex算法有了很多研究成果,从单尺度Retinex算法改进成多尺度加权平均的Retinex算法(Multi-scale Retinex,MSR),再发展成彩色恢复多尺度Retinex算法(Multi-scale Retinex with Color Restoration,MSRCR)。MSR算法是从SSR算法发展而来的,可以保持图像高保真度,压缩动态范围。但采用MSR算法容易出现光晕、过增强等问题,而使用双边滤波作为中心环绕函数可有效改善这种情况,并且双边滤波有良好的边缘保持特性,可增强图像细节。
双边滤波应用十分广泛,它同时考虑了像素空间强度的差异,具有良好的边缘保持特性,其权重系数表达式为
式中:(xc,yc)为图像中心点位置;f(xc,yc)为图像中心点像素灰度值;σs为空域高斯函数的标准差;σr为值域高斯函数的标准差。
使用双边滤波代替高斯滤波作为MSR算法中心环绕函数,可以保持图像边缘特性,消除光晕现象。基于双边滤波理论的多尺度Retinex算法公式为
r(x,y)=log2R(x,y)=log2S(x,y)-log2L(x,y) (6)
式中:K为权重的个数;ωi为对应第i个尺度的权重;Gi(x,y)为采用双边滤波算法的中心环绕函数。对式(7)进行反对数变换,得到反射图像R(x,y)。
小波高频系数包含了图像噪声、边缘及细节等信息,通过对高频系数进行阈值滤波,可有效去除噪声。
常见的阈值滤波方法有硬阈值滤波、软阈值滤波和半阈值滤波方法。硬阈值滤波方法对边缘细节保持最好,但容易振铃,引起视觉失真;软阈值滤波方法细节保持相对平滑,可改善失真现象;半阈值滤波方法在细节平滑处效果最好,但需确定2个阈值,计算量较大。综合考虑,采用软阈值滤波方法,其表达式如下:
由于侧扫声呐回波强度大量不均匀,所以要对侧扫图像进行对比度增强处理。常见的处理方法有直方图均衡化、局部对比度增强等。但用传统方法进行对比度调整时局部处理效果一般,故本发明利用一种根据局部方差变化自动调整图像对比度的方法。自适应对比度调整公式如下:
式中:g(x,y)为输出图像强度;k为增益系数的个数;b(x,y)为局部均值;η为增益系数;σ2(x)为局部方差。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种侧扫声呐实时二维成像方法,其特征在于,包括
A提取侧扫声呐反射波数据,将提取的侧扫数据格式及类型进行统一,得到符合二维成像要求的侧扫数据格式;
B将符合侧扫数据格式的反射波数据,以线为一帧,转化为标准化图像;
C对标准化图像进行图像增强及去噪,得到二维成像。
2.根据权利要求1所述的一种侧扫声呐实时二维成像方法,其特征在于,所述去噪采用基于双边滤波的方法。
3.根据权利要求1所述的一种侧扫声呐实时二维成像方法,其特征在于,利用多尺度Retinex图像增强算法进行图像增强。
4.根据权利要求3所述的一种侧扫声呐实时二维成像方法,其特征在于,所述多尺度Retinex图像增强算法,具体为:
将图像进行小波分解,获得图像高频和低频系数;
采用基于双边滤波改进的多尺度Retinex算法对图像低频系数进行处理;
采用软阈值滤波算法对图像高频部分进行处理;
通过离散小波反变换公式进行小波重构,得到增强后的空域图像;
对增强后的空域图像进行局部自适应对比度增强处理。
5.根据权利要求1所述的一种侧扫声呐实时二维成像方法,其特征在于,所述提取侧扫声呐反射波数据后,采用双缓存技术进行数据传输,所述双缓存技术具体是,开辟数据缓存空间,并设定两块内存空间,一块用于读取数据的保存假设为N1,另一块用于显示数据的保存假设为N2;
多线程技术进行读取与保存,N1只保存当前最新读取的数据帧,N2根据显示设计界面的大小。
6.根据权利要求1所述的一种侧扫声呐实时二维成像方法,其特征在于,所述步骤B还包括时间补偿机制,具体为:当前读取的数据帧,通过设置阈值判断是否由于航行不匹配产生亮点或者黑点坐标,对新老多帧数据同一位置进行块分割并进行灰度平均值求解,以补偿目标的灰度值。
7.一种实现权利要求1-5任一项所述的一种侧扫声呐实时二维成像方法的系统,其特征在于,
包括依次连接的前端侧扫声呐传感器模块、发射/接收控制模块及上位机成像显示模块;
所述前端侧扫声呐传感器模块用于发射声波和接收声回波,包括声传感器阵列、声发射/接收电路、A/D转换电路及数据接口电路;
所述发射/接收控制模块用于配置前端侧扫声呐传感器模块的参数及接收数据,包括接收电路、操作系统支持电路、数据处理电路、控制电路及数据传输电路;
所述上位机成像显示模块负责接收来自发射/接收控制模块的数据,并进行成像显示及人机交互。
8.根据权利要求7所述的系统,其特征在于,还包括电源模块。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811480753.1A CN109738903A (zh) | 2018-12-05 | 2018-12-05 | 一种侧扫声呐实时二维成像方法及系统 |
SG11202103093YA SG11202103093YA (en) | 2018-12-05 | 2019-10-18 | A side scan sonar real-time two-dimensional imaging method and system |
PCT/CN2019/112055 WO2020114107A1 (zh) | 2018-12-05 | 2019-10-18 | 一种侧扫声呐实时二维成像方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811480753.1A CN109738903A (zh) | 2018-12-05 | 2018-12-05 | 一种侧扫声呐实时二维成像方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109738903A true CN109738903A (zh) | 2019-05-10 |
Family
ID=66359152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811480753.1A Pending CN109738903A (zh) | 2018-12-05 | 2018-12-05 | 一种侧扫声呐实时二维成像方法及系统 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN109738903A (zh) |
SG (1) | SG11202103093YA (zh) |
WO (1) | WO2020114107A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456357A (zh) * | 2019-08-27 | 2019-11-15 | 吉林大学 | 一种导航定位方法、装置、设备及介质 |
WO2020114107A1 (zh) * | 2018-12-05 | 2020-06-11 | 华南理工大学 | 一种侧扫声呐实时二维成像方法及系统 |
CN112764015A (zh) * | 2020-11-24 | 2021-05-07 | 海鹰企业集团有限责任公司 | 一种可动态应答的声呐目标靶及其应答方法 |
CN113222833A (zh) * | 2021-04-14 | 2021-08-06 | 武汉环达电子科技有限公司 | 一种侧扫声呐图像处理方法与装置 |
CN113759354A (zh) * | 2020-06-02 | 2021-12-07 | 中国科学院声学研究所 | 一种适用于侧扫声呐的自适应底混响抑制方法 |
CN116540238A (zh) * | 2022-09-07 | 2023-08-04 | 长江水利委员会水文局 | 基于测深数据及声学影像融合的水下岸坡工情监测方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220373678A1 (en) | 2021-05-21 | 2022-11-24 | Navico Holding As | Steering assemblies and associated methods |
US11796661B2 (en) | 2021-05-21 | 2023-10-24 | Navico, Inc. | Orientation device for marine sonar systems |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441320A (zh) * | 2008-12-09 | 2009-05-27 | 东华大学 | 一种基于显微成像检测的高动态图像获取装置及其方法 |
CN103679748A (zh) * | 2013-11-18 | 2014-03-26 | 北京空间机电研究所 | 一种红外遥感图像弱点目标提取装置及方法 |
CN104408703A (zh) * | 2014-11-28 | 2015-03-11 | 中国航空工业空气动力研究院 | 风洞动态试验片光流动显示系统及其图像相位平均方法 |
CN105844601A (zh) * | 2016-05-20 | 2016-08-10 | 中国矿业大学(北京) | 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法 |
CN106228529A (zh) * | 2016-09-05 | 2016-12-14 | 上海理工大学 | 一种激光散斑图像处理分析方法 |
CN206960649U (zh) * | 2017-01-04 | 2018-02-02 | 苏州声光达水下探测仪器有限公司 | 一种模块化嵌入式侧扫声纳系统 |
CN108053374A (zh) * | 2017-12-05 | 2018-05-18 | 天津大学 | 一种结合双边滤波与Retinex的水下图像增强方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10247822B2 (en) * | 2013-03-14 | 2019-04-02 | Navico Holding As | Sonar transducer assembly |
KR101780558B1 (ko) * | 2015-11-11 | 2017-09-21 | 주식회사 한화 | 측면주사소나 데이터 처리장치 및 그 방법 |
CN108415323A (zh) * | 2018-02-27 | 2018-08-17 | 苏照元 | 一种海洋牧场智能化管理系统 |
CN109738903A (zh) * | 2018-12-05 | 2019-05-10 | 华南理工大学 | 一种侧扫声呐实时二维成像方法及系统 |
-
2018
- 2018-12-05 CN CN201811480753.1A patent/CN109738903A/zh active Pending
-
2019
- 2019-10-18 SG SG11202103093YA patent/SG11202103093YA/en unknown
- 2019-10-18 WO PCT/CN2019/112055 patent/WO2020114107A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441320A (zh) * | 2008-12-09 | 2009-05-27 | 东华大学 | 一种基于显微成像检测的高动态图像获取装置及其方法 |
CN103679748A (zh) * | 2013-11-18 | 2014-03-26 | 北京空间机电研究所 | 一种红外遥感图像弱点目标提取装置及方法 |
CN104408703A (zh) * | 2014-11-28 | 2015-03-11 | 中国航空工业空气动力研究院 | 风洞动态试验片光流动显示系统及其图像相位平均方法 |
CN105844601A (zh) * | 2016-05-20 | 2016-08-10 | 中国矿业大学(北京) | 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法 |
CN106228529A (zh) * | 2016-09-05 | 2016-12-14 | 上海理工大学 | 一种激光散斑图像处理分析方法 |
CN206960649U (zh) * | 2017-01-04 | 2018-02-02 | 苏州声光达水下探测仪器有限公司 | 一种模块化嵌入式侧扫声纳系统 |
CN108053374A (zh) * | 2017-12-05 | 2018-05-18 | 天津大学 | 一种结合双边滤波与Retinex的水下图像增强方法 |
Non-Patent Citations (6)
Title |
---|
刘晓阳 等: ""基于双边滤波和Retinex算法的矿井图像增强方法"", 《工矿自动化》 * |
孔敏 等: ""侧扫声纳标准数据存储格式制定及应用"", 《北京测绘》 * |
孙裕超 等: ""多波束成像声呐显控软件设计与实现"", 《电声技术》 * |
李海滨 等: "基于多线程侧扫声呐图像滚动显示框架的编程实现" * |
金广: ""基于特征点的侧扫声呐图像拼接技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
韩春花 等: "一款侧扫声呐数据处理软件的研发与应用" * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020114107A1 (zh) * | 2018-12-05 | 2020-06-11 | 华南理工大学 | 一种侧扫声呐实时二维成像方法及系统 |
CN110456357A (zh) * | 2019-08-27 | 2019-11-15 | 吉林大学 | 一种导航定位方法、装置、设备及介质 |
CN113759354A (zh) * | 2020-06-02 | 2021-12-07 | 中国科学院声学研究所 | 一种适用于侧扫声呐的自适应底混响抑制方法 |
CN113759354B (zh) * | 2020-06-02 | 2024-02-09 | 中国科学院声学研究所 | 一种适用于侧扫声呐的自适应底混响抑制方法 |
CN112764015A (zh) * | 2020-11-24 | 2021-05-07 | 海鹰企业集团有限责任公司 | 一种可动态应答的声呐目标靶及其应答方法 |
CN112764015B (zh) * | 2020-11-24 | 2024-05-28 | 海鹰企业集团有限责任公司 | 一种可动态应答的声呐目标靶及其应答方法 |
CN113222833A (zh) * | 2021-04-14 | 2021-08-06 | 武汉环达电子科技有限公司 | 一种侧扫声呐图像处理方法与装置 |
CN116540238A (zh) * | 2022-09-07 | 2023-08-04 | 长江水利委员会水文局 | 基于测深数据及声学影像融合的水下岸坡工情监测方法 |
CN116540238B (zh) * | 2022-09-07 | 2023-10-13 | 长江水利委员会水文局 | 基于测深数据及声学影像融合的水下岸坡工情监测方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020114107A1 (zh) | 2020-06-11 |
SG11202103093YA (en) | 2021-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109738903A (zh) | 一种侧扫声呐实时二维成像方法及系统 | |
CN102928844B (zh) | 一种水下亚波长分辨率三维成像方法 | |
CN111505659B (zh) | 水下去水体噪声计算三维成像方法及成像系统 | |
CN108171672A (zh) | 基于红通道和全卷积神经网络的水下光学智能感知方法 | |
CN111445395A (zh) | 一种基于深度学习的侧扫声呐瀑布图像中间区域修复方法 | |
Al-Rawi et al. | Intensity normalization of sidescan sonar imagery | |
CN105574529A (zh) | 一种侧扫声纳目标检测方法 | |
CN116027349A (zh) | 基于激光雷达和侧扫声呐数据融合的珊瑚礁底质分类方法 | |
CN116609758B (zh) | 一种机载激光测深波形旅行时提取方法 | |
CN108460773B (zh) | 一种基于偏移场水平集的声纳图像分割方法 | |
Li et al. | Anisotropic total variation regularized low-rank approximation for SSS images radiometric distortion correction | |
James et al. | Blind estimation of single look side scan sonar image from the observation model | |
Wang et al. | Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar. | |
CN114926377A (zh) | 一种侧扫声呐增益补偿判断模型的建模方法 | |
Haghighat et al. | Segmentation, classification and modeling of two-dimensional forward-scan sonar imagery for efficient coding and synthesis | |
Liu et al. | Bidimensional empirical mode decomposition for noise reduction in sonar images | |
CN117237430B (zh) | 一种高精度多时序水深反演方法、计算设备及存储介质 | |
CN116930976B (zh) | 基于小波模极大值的侧扫声呐图像的海底线检测方法 | |
CN117538881B (zh) | 一种声呐水体成像波束形成方法、系统、设备及介质 | |
Liu et al. | Few-shot Non-line-of-sight Imaging with Signal-surface Collaborative Regularization | |
Kumar et al. | Satellite Image Dehazing Using Fast Iterative Domain Gaussian Guided Image Filtering | |
Wang et al. | A Multi-Scale Denoising Method for Forward-Looking Sonar Image | |
Murino et al. | Markov‐based methodology for the restoration of underwater acoustic images | |
CN110888138A (zh) | 一种适于大面积侧扫图像的水下三维成像快速重构方法 | |
Lu | Study on Image Quality Improvement Methods for Underwater Imaging Systems |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190510 |