CN110471048B - 基于声呐三维图像置信度的自适应变尺度卷积核计算方法 - Google Patents

Abstract

本发明公开了一种基于声呐三维图像置信度的自适应变尺度卷积核计算方法，根据声呐获取的三维图像中目标物的置信度，计算出三维卷积核的尺度及个数，不仅解决了空间上提取图像的特征信息分布不均的问题，而且还能克服由于声呐成像远近导致的问题，同时，本发明能够减轻计算量，且效果更佳。

Description

基于声呐三维图像置信度的自适应变尺度卷积核计算方法

技术领域

本发明涉及图像信息领域，尤其涉及一种基于声呐三维图像置信度的自适应变尺度卷积核计算方法。

背景技术

随着深度学习的提出与发展，人们常利用卷积神经网络进行图像处理，以达到目标检测、图像分类等目的。

卷积神经网络中需要设定不同卷积核提取图像不同层次的特征，传统二维卷积，每个卷积核的大小、通道数，以及卷积核的个数的选择都是通过实验挑选出最佳值，并没有理论支撑。三维卷积也是如此。在处理声呐三维图像时，由于距离的远近，图像中生成目标物的的准确率不一样，声呐距离目标物越近时，得到的图像更精确。如果运用传统的方法对不同远近生成三维图像进行三维卷积，那么效果肯定是不是令人满意的。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于声呐三维图像置信度的自适应变尺度卷积核计算方法。

本发明为解决上述技术问题采用以下技术方案：

基于声呐三维图像置信度的自适应变尺度卷积核计算方法，包含以下步骤：

步骤1)，选用MK 3侧扫声呐对水下目标进行检测，获得三维图像；

步骤2)，计算出三维图像中各个像素点的物理距离分辨率以及物理方位分辨率，物理距离分辨率用来表示三维图像中像素点z轴的物理分辨率，物理方位分辨率用来表示三维图像中像素点x轴、y轴的物理分辨率，三维图像中像素点的物理距离分辨率Δz以及物理方位分辨率Δx、Δy的计算公式如下：

Δz＝S_sonar·τ/2

Δx＝Δy＝sinθ·R

R＝S_sonar·t/2

其中，S_sonar是声呐的声速，τ是声呐硬件能够发出的脉冲长度最小值，θ是声束宽度，R是声呐和该像素点所在位置之间的距离，t为声呐检测出第一个回波达到的时间与初始发射脉冲间的时间差；

步骤3)，根据以下公式计算三维图像中各个像素点的初始置信度CC：

步骤4)，对三维图像中各个像素点进行检测，判断它是否被侧扫声呐两个相邻扫射角度同时检测到，如果是，则将该像素点的置信度加倍，得到三维图像中各个像素点的最终置信度；

步骤5)，计算出三维图像中目标物的最终置信度，令其为(a,b,c)，其中，a是目标物在三维图像中x轴上的置信度，b是目标物在三维图像中y轴上的置信度，c是目标物在三维图像中z轴上的置信度，a、b、c分别对应三维卷积核的宽度、高度、深度；令目标物三维卷积核在宽度、高度、深度三个方向上提取可用特征信息量相等，则根据以下公式计算三维卷积核的尺度：

其中，m表示预设的可用特征信息量的阈值，w、h、d分别为目标物三维卷积核的宽度、高度、深度，且w、h、d为小数时向上取整数；

步骤6)，根据w、h、d计算目标物的三维卷积核。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明能够根据声呐获取的三维图像中目标物的置信度，计算出三维卷积核的尺度及个数，不仅解决了空间上提取图像的特征信息分布不均的问题，而且还能克服由于声呐成像远近导致的问题，同时，本发明能够减轻计算量，且效果更佳。

附图说明

图1为本发明实施例的侧视声呐原理示意图；

图2为本发明实施例的工作流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

在声呐三维图像中，由于声呐与目标物距离有长有短，声呐图像中目标物的置信度就不一样，所以要通过三维卷积获取图像中更深层的特征信息就需要不同尺度的三维卷积核。

实本发明基于本发明基于现有的人工智能技术，提出了一种基于声呐三维图像置信度的自适应变尺度卷积核计算方法，包括声呐图像中目标物置信度的计算和自适应变尺度卷积核的计算。

超声波是频率高于20KHz的声波，它方向性好，穿透能力强，易于获得较集中的声能。声呐通过测量超声波经反射到达接收传感器的时间和发射时间之差来实现与障碍物之间的测距，也叫渡越时间法。发射传感器向空气中发射超声波脉冲，声波脉冲遇到被测物体反射回来，由接收传感器检测回波信号。若测出第一个回波达到的时间与发射脉冲间的时间差，即可算得传感器与反射点间的距离。

如图1所示，声呐是利用水下声波对水下目标检测、定位、通信的电子设备。声呐虽然每个时刻只产生一个声波，但是它有一个类似于云台一样的结构，可以改变声波的对准方向，每个很短的时刻中，得到一个检测数据。采用声呐逐行进行各个角度的检测，最后即可获得完整的声呐图像。

如图2所示，本发明的步骤如下：

步骤1)，选用MK 3侧扫声呐对水下目标进行检测，获得三维图像。

步骤2)，计算出三维图像中各个像素点的物理距离分辨率以及物理方位分辨率，物理距离分辨率用来表示三维图像中像素点z轴的物理分辨率，物理方位分辨率用来表示三维图像中像素点x轴、y轴的物理分辨率，三维图像中像素点的物理距离分辨率Δz以及物理方位分辨率Δx、Δy的计算公式如下：

Δz＝S_sonarτ/2

Δx＝Δy＝sinθ·R

R＝S_sonar·t/2

其中S_sonar是声音在水下传播的速度，τ是声呐硬件能够发出的脉冲长度最小值，θ是声束宽度(即上述中的类似于手电筒的发射光的角度)，R是声呐与物体的距离，t为声呐检测出第一个回波达到的时间与初始发射脉冲间的时间差。

步骤3)，由于图像分辨率与物理分辨率成倒数关系，根据以下公式计算三维图像中各个像素点的初始置信度CC：

步骤4)，对三维图像中各个像素点进行检测，判断它是否被侧扫声呐两个相邻扫射角度同时检测到，如果是，则将该像素点的置信度加倍，得到三维图像中各个像素点的最终置信度。

步骤5)，计算出三维图像中目标物的最终置信度，令其为(a,b,c)，其中，a是目标物在三维图像中x轴上的置信度，b是目标物在三维图像中y轴上的置信度，c是目标物在三维图像中z轴上的置信度，a、b、c分别对应三维卷积核的宽度、高度、深度。

由于目标物三维卷积核在宽度、高度、深度三个方向上的置信度是不一样的，如果用同一尺度的卷积核对图像进行卷积，那么提取可用的特征信息有多有少，所以对于置信度大的方向，卷积核在该方向的尺度会小些；对于置信度小的方向，卷积核在该方向上的尺度会大些，以确保提取到足够的特征信息。

为了确保在空间图像上能够提取到足够的特征信息，令目标物三维卷积核在宽度、高度、深度三个方向上提取可用特征信息量相等，则根据以下公式计算三维卷积核的尺度：

其中m表示预设的的可用特征信息量的阈值，w、h、d分别为目标物三维卷积核的宽度、高度、深度的像素的个数。通过上述方法我们确定出三维卷积核的尺度。在卷积时，可能会出现图像中角落和边界的信息发挥作用较少的情况，这时需要外接填充。在面对多个三维图像的多个置信度时，w、h、d可能出现小数，此时向上取整数。

步骤6)，根据w、h、d计算目标物的三维卷积核。

本实施例中，假设具体目标在某处比较远的地方，其置信度根据模块1计算得到为CC＝(2/5,2/5,1/5)；即a＝b＝2/5，c＝1/5。根据需要，例如常见的3*3*3的卷积的情况，那么此处m＝3，此时，

向上取整后的结果是w＝8，h＝8，d＝15。此刻，参与卷积的像素为x轴8个像素，y轴8个像素，z轴15个像素，从而使用变尺度卷积的方法，提高了整体各个方向的一致置信度的效果。

本发明基于本发明基于现有的人工智能技术，提出了基于声呐三维图像置信度的自适应变尺度卷积核的计算方法，不仅能够解决空间上提取图像的特征信息分布不均的问题，而且还能克服由于声呐成像远近导致的问题。不仅减轻了计算量，而且有更加显著的效果。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.基于声呐三维图像置信度的自适应变尺度卷积核计算方法，其特征在于，包含以下步骤：

步骤1)，选用MK3侧扫声呐对水下目标进行检测，获得三维图像；

步骤2)，计算出三维图像中各个像素点的物理距离分辨率以及物理方位分辨率，物理距离分辨率用来表示三维图像中像素点z轴的物理分辨率，物理方位分辨率用来表示三维图像中像素点x轴、y轴的物理分辨率，三维图像中像素点的物理距离分辨率Δz以及物理方位分辨率Δx、Δy的计算公式如下：

Δz＝S_sonarτ/2

Δx＝Δy＝sinθ·R

R＝S_sonar·t/2

其中，S_sonar是声呐的声速，τ是声呐硬件能够发出的脉冲长度最小值，θ是声束宽度，R是声呐和该像素点所在位置之间的距离，t为声呐检测出第一个回波达到的时间与初始发射脉冲间的时间差；

步骤3)，根据以下公式计算三维图像中各个像素点的初始置信度CC：

步骤4)，对三维图像中各个像素点进行检测，判断它是否被侧扫声呐两个相邻扫射角度同时检测到，如果是，则将该像素点的置信度加倍，得到三维图像中各个像素点的最终置信度；

步骤5)，计算出三维图像中目标物的最终置信度，令其为(a,b,c)，其中，a是目标物在三维图像中x轴上的置信度，b是目标物在三维图像中y轴上的置信度，c是目标物在三维图像中z轴上的置信度，a、b、c分别对应三维卷积核的宽度、高度、深度；令目标物三维卷积核在宽度、高度、深度三个方向上提取可用特征信息量相等，则根据以下公式计算三维卷积核的尺度：

其中，m表示预设的可用特征信息量的阈值，w、h、d分别为目标物三维卷积核的宽度、高度、深度，且w、h、d为小数时向上取整数；

步骤6)，根据w、h、d计算目标物的三维卷积核。

Images