CN111323766B - 一种舰船尾流声呐图像处理方法 - Google Patents

一种舰船尾流声呐图像处理方法 Download PDF

Info

Publication number
CN111323766B
CN111323766B CN202010285748.6A CN202010285748A CN111323766B CN 111323766 B CN111323766 B CN 111323766B CN 202010285748 A CN202010285748 A CN 202010285748A CN 111323766 B CN111323766 B CN 111323766B
Authority
CN
China
Prior art keywords
wake
sonar image
sonar
wake flow
point
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
Application number
CN202010285748.6A
Other languages
English (en)
Other versions
CN111323766A (zh
Inventor
陈梦英
朱安珏
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.)
Shanghai Acoustics Laboratory Chinese Academy Of Sciences
Original Assignee
Shanghai Acoustics Laboratory Chinese Academy Of Sciences
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 Shanghai Acoustics Laboratory Chinese Academy Of Sciences filed Critical Shanghai Acoustics Laboratory Chinese Academy Of Sciences
Priority to CN202010285748.6A priority Critical patent/CN111323766B/zh
Publication of CN111323766A publication Critical patent/CN111323766A/zh
Application granted granted Critical
Publication of CN111323766B publication Critical patent/CN111323766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种舰船尾流声呐图像处理方法，针对现有的采用声呐采集舰船的尾流声呐图像受海面混响及旁瓣干扰严重的问题，通过亮环干扰消除技术机利用预设窗函数对海面混响的旁瓣干扰进行抑制的方法，快捷、准确地解决现有的在海面混响背景下尾流声呐图像失真的问题；并且通过基于canny边缘检测算子和非极大值抑制相结合的边缘检测方法，提取精确清晰的舰船尾流声呐图像，为后续精确地分析尾流的产生、持续时间和空间分布、尾流中气泡浮升速度及气泡的散射与吸收特征等提供了较好地基础数据。

Description

一种舰船尾流声呐图像处理方法
技术领域
本发明属于图像处理的设计领域，尤其涉及一种舰船尾流声呐图像处理方法。
背景技术
海洋面积辽阔，资源丰富，能够为人类的生活生产提供丰富的物质基础，舰船是人类探索海洋、开发海洋资源最主要和有效的交通工具之一，航行中的舰船螺旋桨所产生的一条含气泡湍流，称作尾流[1]。舰船尾流是舰船航行所产生的重要特征之一，尾流的特性由舰船尺寸、航速、螺旋桨类型和海况等诸多因素共同决定。舰船尾流特性具有十分广泛的应用价值，其研究最初是在尾流自导鱼雷、舰船消隐等军事需求的推动下展开的，近年来已在民用领域迅速延伸，并日益受到各有关学科与技术研究领域的高度重视。
尾流的产生原因包括螺旋桨空化、壳体侧壁与水摩擦、溶入水中的空气及舰船运动时卷入水中的空气搅拌破碎等。舰船尾流会导致各种物理场变化，如声场、温度场和磁场，根据尾流的多种物理场特性，利用有效的测量方法，可以判断尾流的有无，并作为跟踪并识别舰船形状、速度等特征的依据。目前，舰船尾流的主要探测手段有光学探测、热学探测、电磁探测和声学探测，光学探测通过光学摄影方法，直观地获得舰船尾流中气泡形状、大小以及密度分布等，采用图像处理方法剔除如藻类、沙砾等非气泡悬浮物的干扰，由于尾流区环境复杂，从已发表的文献中未发现有进行尾流区实测的光学摄像(照相)设备；热学探测利用高灵敏度和高分辨率的温度传感器测量尾流温度变化，热尾流是由于舰艇螺旋桨扰动和船体本身引起的船壳涡流破坏尾流区中原有的温度梯度结构，而形成明显的冷的或热的温度变化，热尾流测量装置体积小，重量轻，是一种有效的探测方法；电磁探测通过测量舰船尾流引起的电磁场的变化进行探测，为检测尾流产生的电磁场信息，通常需要高灵敏度的磁力仪进行测量；声学探测采用声纳设备利用尾流不同于水的声学特性进行探测。这几种探测手段各有其适用条件和优缺点，可作为研究辅助手段予以相互支撑。声学探测是水下探测最有效的手段之一，一方面，声学探测更适于进行水下探测，从探测设备来说，声纳设备的发展更加完善，当光学探测由于水域浑浊而无法探测时，声纳依然可以工作；另一方面，声学探测能够在尾流区域外进行遥测，而其它探测手段的有效作用范围较小。因此，舰船尾流声学特性理论和试验研究一直是国内外的研究热点。
研究各类舰船尾流的声学特性，包括对尾流的产生、持续时间和空间分布、尾流中气泡浮升速度及气泡的散射与吸收特征、水下声学尾流成像等方面，将有助于更高性能尾流自导鱼雷的研发。利用多波束声呐坐底布放测量舰船尾流是当前有效的研究方法，但在复杂海洋环境下，多波束声呐坐底测量的尾流声呐图像存在以下问题：
海面混响干扰严重。混响是水体中众多散射体对主动声呐声源散射和反射信号的总和。由于海面对声波的强反射作用，使得海面混响是多波束声呐尾流探测的主要干扰，也是影响声呐探测性能的主要因素之一。
旁瓣效应。声呐设备波束形成时，除了在较窄的主瓣上形成极大值以外，其旁瓣会在较宽的范围内接收信号，因此，当某一回波较强时，其附近波束的同一距离上会形成一条回波亮环，海面是大于尾流目标的干扰源，在声呐图像中呈现旁瓣干扰。
由于海面环境多变，且尾流目标随时间不断变化导致每帧图像数据的目标都是动态变化的，其尾流目标强度小于海面回波强度，在这特殊背景下，利用常见的边缘检测法的图像声呐降噪方法并不适用，无法在海面的强干扰亮环中提取出尾流声呐图像。因此，寻找一种实用的海面混响背景下的舰船尾流声呐图像处理方法成为目前研究的重点。
发明内容
本发明的目的是提供一种舰船尾流声呐图像处理方法，可消除海面混响干扰及旁瓣干扰，提取精确清晰的舰船尾流声呐图像，为后续精确地分析尾流的产生、持续时间和空间分布、尾流中气泡浮升速度及气泡的散射与吸收特征等提供了较好地基础数据。
为解决上述问题，本发明的技术方案为：
一种舰船尾流声呐图像处理方法，包括：
S1：采用声呐采集舰船行驶产生的尾流数据，将所述尾流数据形成波束，得到尾流声呐图像；
S2：对所述尾流声呐图像进行降噪预处理；
S3：消除所述尾流声呐图像中的海面混响亮环干扰；
S4：消除所述尾流声呐图像中的海面混响旁瓣干扰；
S5：采用canny算法检测尾流声呐图像的边缘，得到初步边缘检测点；
S6：筛选单帧所述尾流声呐图像中每一列的尾流边缘点，经滤波光滑处理，得到单帧尾流边缘曲线；
S7：提取各帧所述尾流声呐图像中的尾流边缘曲线，得到三维尾流图像。
根据本发明一实施例，所述步骤S2进一步包括：
S21：对所述尾流声呐图像采用动态亮度分配，增强对比度；所述动态亮度分配将尾流声呐图像的强度映射到线性灰度[0，255]，其映射函数如下：
Figure BDA0002448434430000031
其中Zin为输入尾流声呐图像的强度，Zout为输出尾流声呐图像的灰度，L为尾流声呐图像强度的最小值，H为尾流声呐图像强度的最大值。γ是映射参数，γ的取值范围为[0.5，2.0]；
S22：对所述尾流声呐图像进行高斯滤波，去除所述尾流声呐图像中的高斯噪声。
根据本发明一实施例，所述步骤S3进一步包括：
S31：采用深度传感器采集所述声呐距海面的深度信息，根据所述深度信息，计算所述尾流声呐图像的每一行所对应的海面位置坐标值；
S32：通过海面位置坐标设定海面亮环的起始坐标值及终止坐标值，形成亮环区域，基于镜面原理，选取所述亮环区域中的任意一点，计算其基于海面的对称坐标值，将所述对称坐标值与对应的亮环区域中的点进行置换，消除亮环。
根据本发明一实施例，所述步骤S4进一步包括：
S41：读取一帧消除亮环干扰后的尾流声呐图像数据，提取所述尾流声呐图像数据的第一行数据，作为波束数据；
S42：将所述波束数据与中心波束号进行对比，把所述波束数据分为左半波束数据及右半波束数据；
S43：计算所述左半波束数据对应的海面左波束号，将所述左半波束数据与预设的窗函数WinL进行卷积，得到卷积结果；将所述卷积结果依次与预设的剔除门限进行比较，将第一个超出所述剔除门限的左半波束数据对应的波束号，作为左旁瓣剔除点；若所述卷积结果均为超出所述剔除门限，则将所述海面左波束号作为左旁瓣剔除点；
S44：计算所述右半波束数据对应的海面右波束号，将所述右半波束数据与预设的窗函数WinR进行卷积，得到卷积结果；将所述卷积结果依次与预设的剔除门限进行比较，将第一个超出所述剔除门限的右半波束数据对应的波束号，作为右旁瓣剔除点；若所述卷积结果均为超出所述剔除门限，则将所述海面右波束号作为右旁瓣剔除点；
S45：重复所述步骤S41～S44，处理所述尾流声呐图像数据的所有行的旁瓣剔除点，得到消除海面混响旁瓣干扰的尾流声呐图像。
根据本发明一实施例，所述步骤S45进一步包括：
对所述左旁瓣剔除点、所述右旁瓣剔除点分别进行分段拟合，筛选出误差较大的前20％的数据进行剔除；
对未剔除的数据进行降低灰度值处理。
根据本发明一实施例，所述步骤S5进一步包括：
基于canny算子与非极大值抑制算法检测尾流声呐图像的边缘，具体步骤如下：
采用Sobel一阶微分模板与尾流声呐图像进行卷积，得到梯度幅值及梯度方向角θ；
当梯度方向角θ(i，j)＝0°时，比较像元(it1，j)、(i，j)及(i-1，j)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝45°时，比较像元(i+1，j+1)、(i，j)及(i-1，j-1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝90°时，比较像元(i，j+1)、(i，j)及(i，j-1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝135°时，比较像元(it1，j-1)、(i，j)及(i-1，j+1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除。
根据本发明一实施例，所述步骤S1进一步包括：
所述声呐为高分辨率多波束声呐，所述声呐的声学基阵为T型，发射阵为宽波束发射，接收基阵为384阵元的弧形阵。
本发明由于采用以上技术方案，使其与现有技术相比具有以下的优点和积极效果：
本发明一实施例中的舰船尾流声呐图像处理方法，针对现有的采用声呐采集舰船的尾流声呐图像受海面混响及旁瓣干扰严重的问题，通过亮环干扰消除技术机利用预设窗函数对海面混响的旁瓣干扰进行抑制的方法，快捷、准确地解决现有的在海面混响背景下尾流声呐图像失真的问题；并且通过基于canny边缘检测算子和非极大值抑制相结合的边缘检测方法，提取精确清晰的舰船尾流声呐图像，为后续精确地分析尾流的产生、持续时间和空间分布、尾流中气泡浮升速度及气泡的散射与吸收特征等提供了较好地基础数据。
附图说明
图1为本发明一实施例中的舰船尾流声呐图像处理方法示意图；
图2为本发明一实施例中的舰船尾流声呐图像采集设备工作方式示意图；
图3为本发明一实施例中的某帧原始的尾流声呐图像；
图4为本发明一实施例中的亮环消除后的尾流声呐图像；
图5为本发明一实施例中的对声呐图像旁瓣效应引起的干扰剔除处理流程图；
图6为本发明一实施例中的声呐图像的使用窗函数去除旁瓣某行数据对比图；
图7为本发明一实施例中的左半图像和右半图像旁瓣剔除点位置分段拟合图；
图8为本发明一实施例中的消除旁瓣效应的尾流声呐图像；
图9为本发明一实施例中的canny算法尾流边缘检测效果图；
图10为本发明一实施例中的三维尾流边缘试验结果图。
具体实施方式
以下结合附图和具体实施例对本发明提出的舰船尾流声呐图像处理方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。
如图1所示，本发明提供的舰船尾流声呐图像处理方法，包括：
S1：采用声呐采集舰船行驶产生的尾流数据，将所述尾流数据形成波束，得到尾流声呐图像；
S2：对尾流声呐图像进行降噪预处理；
S3：消除尾流声呐图像中的海面混响亮环干扰；
S4：消除尾流声呐图像中的海面混响旁瓣干扰；
S5：采用canny算法检测尾流声呐图像的边缘，得到初步边缘检测点；
S6：筛选单帧尾流声呐图像中每一列的尾流边缘点，经滤波光滑处理，得到单帧尾流边缘曲线；
S7：提取各帧尾流声呐图像中的尾流边缘曲线，得到三维尾流图像。
具体的，在步骤S1中，通过声呐坐底采集舰船尾流数据，采集工作方式如图2所示。将直线行驶的舰船2作为试验目标，试验中将声呐4布放在海底，声呐波束垂直向上。舰船2匀速从声呐4正上方通过，声呐4连续采集舰船2产生的尾流数据，直到尾流消散。声呐4通过通信浮标1与工作船3上的图像处理设备进行数据传输，将采集到的尾流数据传输给图像处理设备。该声呐4为高分辨多波束声呐系统，其声学基阵为T型，其发射阵采用宽波束发射，接收基阵为384阵元的弧形阵，弧形阵的波束开角为165°×1°，发射阵波束开角为20°×1°。
对声呐采集的舰船尾流数据，利用声呐自身的特性处理成波束，并通过声呐方程转换为具有尾流目标强度的尾流声呐图像。该尾流声呐图像可由一个M行、N列的矩阵组成，该矩阵的列数对应声呐的接收波束数，矩阵的行数由声呐工作时探测距离所决定，且行与行之间具有相同的距离分辨率。其中，通过声呐方程转换为具有尾流目标强度的尾流声呐图像是现有的一项比较成熟的图像处理技术，在此不进行具体的描述。
在步骤S2中，先将连续的尾流声呐图像处理成尾流声呐图像序列，再从尾流声呐图像序列中读取一帧，该尾流声呐图像如图3所示。图中显示了尾流目标、海面亮环干扰及旁瓣干扰等信息。在对尾流声呐图像消除亮环或旁瓣干扰之前，需作降噪预处理。
对尾流声呐图像进行降噪预处理分为增强图像对比度及滤波处理两个步骤。其中，增强图像的对比度采用动态亮度分配法。该动态亮度分配法的原理为将输入图像的强度映射到线性灰度[0,255]中输出。其中，输入图像的强度与输出图像的灰度的映射函数关系如下所示：
Figure BDA0002448434430000071
其中Zin为输入图像的强度，Zout为输出图像的灰度，L为输入图像强度的最小值，H为输入图像强度的最大值。γ是映射参数，γ的取值范围为[0.5，2.0]。具体到本发明，该输入图像为尾流声呐图像，Zin为尾流输入图像的强度，为Zout尾流输出图像的灰度，L为尾流输入图像强度的最小值，H为尾流输入图像强度的最大值。
由于尾流声呐图像中存在大量的噪声，且通常为高斯噪声。因此，在尾流声呐图像进行对比度增强后，需对尾流声呐图像进行高斯滤波处理。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像去噪。高斯滤波去噪的原理为对整幅图像进行加权平均，针对每个值，都由其本身像素值和邻域内的其他像素值经过加权平均后得到。实际操作时可以用一个指定地模板区扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
对尾流声呐图像进行降噪预处理后，进行海面混响亮环干扰的消除，如步骤S3所述。在步骤S3中，首先利用声呐系统中的深度传感器采集声呐距海面的深度信息，根据该深度信息，计算尾流声呐图像的每一行所对应的海面位置坐标值。
然后，通过海面位置坐标设定海面亮环的起始坐标值及终止坐标值，形成亮环区域。基于镜面原理，选取该亮环区域中的任意一点，计算其基于海面的对称坐标值，将该对称坐标值与对应的亮环区域中的点进行置换，消除亮环。亮环消除后的尾流声呐图像，如图4所示。
对尾流声呐图像消除海面混响亮环干扰后，对尾流声呐图像因旁瓣效应引起的干扰(即旁瓣干扰)进行剔除，如步骤S4所述。具体的图像处理流程如图5所示。
首先读取一帧亮环消除后的尾流声呐图像数据，取出第一行数据，代表某个固定距离处采集得到的波束数据。把该行数据与中心波束号对比后，将该行数据分成左半波束数据区和右半波束数据区。对左半波束数据区中的数据，计算该行数据对应的海面左波束号，然后对该左半波束数据区的数据与窗长为20的左窗函数WinL进行卷积。该左窗函数WinL为预设的窗函数，该窗函数的长度可根据实际情况而定。本实施例中采用窗长为20的左窗函数WinL，该左窗函数WinL如下所示：
WinL＝[-1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1 1 1]
对卷积结果进行剔除门限判定，该剔除门限设为8，找出最左侧第一个超出该剔除门限所对应的数据的波束号，作为左旁瓣剔除点。若卷积结果中的数据均未超出该剔除门限，则采用该行数据对应的海面左波束号代替作为左旁瓣剔除点。
同理，对右半波束数据也进行同样的处理，其中，右窗函数WinR如下所示：
WinR＝[1 1 1 1 1 1 1 1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1]
找到最右侧第一个超出剔除门限的数据所对应的波束号，作为右旁瓣剔除点。若卷积结果中的数据均未超出该剔除门限，则采用该行数据对应的海面右波束号代替作为右旁瓣剔除点。
依次重复，直到处理完所有行的尾流声呐图像数据的旁瓣剔除点。如图6所示，旁瓣处理前后的数据对比。
为了消除处理偏差，分别对这些左旁瓣剔除点及右旁瓣剔除点进行分段拟合，去除误差大的前20％的数据，这些去除的数据用拟合值代替并入未剔除的数据。如图7所示，虚线是拟合前的旁瓣剔除点曲线，实线是分段拟合后的旁瓣剔除点曲线。最后对剔除点外的数据进行降低灰度值处理，得到旁瓣干扰剔除后的尾流声呐图像。该旁瓣干扰剔除后的尾流声呐图像如图8所示。
对剔除旁瓣干扰后的尾流声呐图像进行canny算法边缘检测，如步骤S5所述。canny算法是公认的性能优良的边缘检测算法，它对传统的一阶算子进行了扩展，本发明在canny算法的基础上，结合非极大值抑制，提高边缘定位精度。具体如下所示：
采用Sobel一阶微分模板与尾流声呐图像进行卷积，得到梯度幅值及梯度方向角θ。其中Sobel一阶微分模板分为水平方向积分模板Dx及垂直方向积分模板Dy，
Figure BDA0002448434430000091
将尾流声呐图像与上述Sobel一阶微分模板进行卷积，得到的梯度幅值为：
Figure BDA0002448434430000092
梯度方向角为：
Figure BDA0002448434430000093
在计算梯度方向角时，将梯度方向角θ归并为4个方向：0°、45°、90°、135°。结合方向角的确定，检查像元(i，j)的八领域范围内梯度值大小：
当梯度方向角θ(i，j)＝0°时，比较像元(i+1，j)、(i，j)及(i-1，j)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝45°时，比较像元(i+1，j+1)、(i，j)及(i-1，j-1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝90°时，比较像元(i，j+1)、(i，j)及(i，j-1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝135°时，比较像元(i+1，j-1)、(i，j)及(i-1，j+1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除。
经过上述图像处理，得到单帧尾流声呐图像的初步边缘检测点，如要进行精确检测，还需进行步骤S6，筛选单帧尾流声呐图像中每一列的尾流边缘点，该尾流边缘点为从近到远方向上的第一个边缘点。若该列在海面下无尾流，则尾流边缘点用该列图像数据的海面坐标代替。然后通过中值滤波对尾流边缘曲线进行噪声剔除，得出单帧尾流边缘曲线，图9所示。
通过上述步骤S2至S6对尾流声呐图像处理后，得到的是单帧尾流边缘图像，还需进行步骤S7，完成对所有声呐图像序列的处理，得到完整的一次舰船尾流测量结果，即得到三维尾流图像，如图10所示。
综上，本发明提供的舰船尾流声呐图像处理方法，针对现有的采用声呐采集舰船的尾流声呐图像受海面混响及旁瓣干扰严重的问题，通过亮环干扰消除技术机利用预设窗函数对海面混响的旁瓣干扰进行抑制的方法，快捷、准确地解决现有的在海面混响背景下尾流声呐图像失真的问题；并且通过基于canny边缘检测算子和非极大值抑制相结合的边缘检测方法，提取精确清晰的舰船尾流声呐图像，为后续精确地分析尾流的产生、持续时间和空间分布、尾流中气泡浮升速度及气泡的散射与吸收特征等提供了较好地基础数据。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式。即使对本发明作出各种变化，倘若这些变化属于本发明权利要求及其等同技术的范围之内，则仍落入在本发明的保护范围之中。

Claims (6)

1.一种舰船尾流声呐图像处理方法，其特征在于，包括：
步骤S1：采用声呐采集舰船行驶产生的尾流数据，将所述尾流数据形成波束，得到尾流声呐图像；
步骤S2：对所述尾流声呐图像进行降噪预处理；
步骤S3：采用深度传感器采集声呐距海面的深度信息，根据所述深度信息，计算所述尾流声呐图像的每一行所对应的海面位置坐标值；通过海面位置坐标设定海面亮环的起始坐标值及终止坐标值，形成亮环区域，基于镜面原理，选取所述亮环区域中的任意一点，计算其基于海面的对称坐标值，将所述对称坐标值与对应的亮环区域中的点进行置换，消除所述尾流声呐图像中的海面混响亮环干扰；
步骤S4：消除所述尾流声呐图像中的海面混响旁瓣干扰；
步骤S5：采用canny算法检测尾流声呐图像的边缘，得到初步边缘检测点；
步骤S6：筛选单帧所述尾流声呐图像中每一列的尾流边缘点，经滤波光滑处理，得到单帧尾流边缘曲线；
步骤S7：提取各帧所述尾流声呐图像中的尾流边缘曲线，得到三维尾流图像。
2.如权利要求1所述的舰船尾流声呐图像处理方法，其特征在于，所述步骤S2进一步包括：
S21：对所述尾流声呐图像采用动态亮度分配，增强对比度；所述动态亮度分配将尾流声呐图像的强度映射到线性灰度[0，255]，其映射函数如下：
Figure FDA0003430909860000011
其中Zin为输入尾流声呐图像的强度，Zout为输出尾流声呐图像的灰度，L为尾流声呐图像强度的最小值，H为尾流声呐图像强度的最大值，γ是映射参数，γ的取值范围为[0.5，2.0]；
S22：对所述尾流声呐图像进行高斯滤波，去除所述尾流声呐图像中的高斯噪声。
3.如权利要求1所述的舰船尾流声呐图像处理方法，其特征在于，所述步骤S4进一步包括：
S41：读取一帧消除亮环干扰后的尾流声呐图像数据，提取所述尾流声呐图像数据的第一行数据，作为波束数据；
S42：将所述波束数据与中心波束号进行对比，把所述波束数据分为左半波束数据及右半波束数据；
S43：计算所述左半波束数据对应的海面左波束号，将所述左半波束数据与预设的窗函数WinL进行卷积，得到卷积结果；将所述卷积结果依次与预设的剔除门限进行比较，将第一个超出所述剔除门限的左半波束数据对应的波束号，作为左旁瓣剔除点；若所述卷积结果均为超出所述剔除门限，则将所述海面左波束号作为左旁瓣剔除点；
S44：计算所述右半波束数据对应的海面右波束号，将所述右半波束数据与预设的窗函数WinR进行卷积，得到卷积结果；将所述卷积结果依次与预设的剔除门限进行比较，将第一个超出所述剔除门限的右半波束数据对应的波束号，作为右旁瓣剔除点；若所述卷积结果均为超出所述剔除门限，则将所述海面右波束号作为右旁瓣剔除点；
S45：重复所述步骤S41～S44，处理所述尾流声呐图像数据的所有行的旁瓣剔除点，得到消除海面混响旁瓣干扰的尾流声呐图像。
4.如权利要求3所述的舰船尾流声呐图像处理方法，其特征在于，所述步骤S45进一步包括：
对所述左旁瓣剔除点、所述右旁瓣剔除点分别进行分段拟合，筛选出误差较大的前20％的数据进行剔除；
对未剔除的数据进行降低灰度值处理。
5.如权利要求1所述的舰船尾流声呐图像处理方法，其特征在于，所述步骤S5进一步包括：
基于canny算子与非极大值抑制算法检测尾流声呐图像的边缘，具体步骤如下：
采用Sobel一阶微分模板与尾流声呐图像进行卷积，得到梯度幅值及梯度方向角θ；
当梯度方向角θ(i，j)＝0°时，比较像元(i+1，j)、(i，j)及(i-1，j)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝45°时，比较像元(i+1，j+1)、(i，j)及(i-1，j-1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝90°时，比较像元(i，j+1)、(i，j)及(i，j-1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除；
当梯度方向角θ(i，j)＝135°时，比较像元(i+1，j-1)、(i，j)及(i-1，j+1)所对应的梯度幅值的大小；若像元(i，j)所对应的梯度幅值大于其他两个像元所对应的梯度幅值，则点(i，j)作为边缘中心点被记录；否则，点(i，j)将被删除。
6.如权利要求1至5中任意一项所述的舰船尾流声呐图像处理方法，其特征在于，所述步骤S1进一步包括：
所述声呐为高分辨率多波束声呐，所述声呐的声学基阵为T型，发射阵为宽波束发射，接收基阵为384阵元的弧形阵。
CN202010285748.6A 2020-04-13 2020-04-13 一种舰船尾流声呐图像处理方法 Active CN111323766B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010285748.6A CN111323766B (zh) 2020-04-13 2020-04-13 一种舰船尾流声呐图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010285748.6A CN111323766B (zh) 2020-04-13 2020-04-13 一种舰船尾流声呐图像处理方法

Publications (2)

Publication Number Publication Date
CN111323766A CN111323766A (zh) 2020-06-23
CN111323766B true CN111323766B (zh) 2022-02-11

Family

ID=71172066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010285748.6A Active CN111323766B (zh) 2020-04-13 2020-04-13 一种舰船尾流声呐图像处理方法

Country Status (1)

Country Link
CN (1) CN111323766B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108872997A (zh) * 2018-05-10 2018-11-23 国家海洋局第二海洋研究所 一种基于侧扫声呐数据融合与精密处理的海底线检测方法
CN109816673A (zh) * 2018-12-27 2019-05-28 合肥工业大学 一种非极大值抑制、动态阈值计算及图像边缘检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108872997A (zh) * 2018-05-10 2018-11-23 国家海洋局第二海洋研究所 一种基于侧扫声呐数据融合与精密处理的海底线检测方法
CN109816673A (zh) * 2018-12-27 2019-05-28 合肥工业大学 一种非极大值抑制、动态阈值计算及图像边缘检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
尾流特征图像提取的数学形态学方法;张建生 等;《西安工业大学学报》;20121231;第32卷(第12期);全文 *
肖晨.船舶尾流气泡幕电磁特性研究.《中国优秀博硕士学位论文全文数据库（硕士）工程科技II辑》.2017,(第02期), *
舰船尾流特性声学测量方法研究;陈梦英 等;《声学技术》;20180831;第37卷(第4期);全文 *
船舶尾流气泡幕电磁特性研究;肖晨;《中国优秀博硕士学位论文全文数据库（硕士）工程科技II辑》;20170215(第02期);第1.1.2节,第2章 *

Also Published As

Publication number Publication date
CN111323766A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN111090103B (zh) 水下小目标动态精细检测三维成像装置及方法
GB2610449A (en) Efficient high-resolution non-destructive detecting method based on convolutional neural network
CN111291327B (zh) 一种基于分治思想的多波束海底底质分类方法
CN109738903A (zh) 一种侧扫声呐实时二维成像方法及系统
CN115983141B (zh) 一种基于深度学习反演海浪波高的方法、介质及系统
CN112529841B (zh) 多波束水柱数据中海底气体羽状流处理方法、系统及应用
CN111062978A (zh) 基于频域滤波技术的时空图像测流的纹理识别方法
CN115993602A (zh) 一种基于前视声呐的水下目标检测及定位方法
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
CN112164079A (zh) 一种声呐图像分割方法
CN114627367A (zh) 一种侧扫声呐图像的海底线探测方法
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
Shih et al. An adaptive bottom tracking algorithm for side-scan sonar seabed mapping
CN111323766B (zh) 一种舰船尾流声呐图像处理方法
CN116626685B (zh) 基于机器学习的河道底泥实时监测方法及系统
CN116523822A (zh) 一种基于侧扫声呐的海缆检测识别方法
CN108460773B (zh) 一种基于偏移场水平集的声纳图像分割方法
CN109427042B (zh) 一种提取局部海域沉积层的分层结构和空间分布的方法
CN113313651A (zh) 一种基于周围变化的侧扫声呐图像纹理失真区域修复方法
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
CN114882345B (zh) 水下空间选通气泡探测及统计的方法
CN117058532B (zh) 基于海浪与太阳耀斑信号反演水深、波高的方法和系统
CN117953360B (zh) 一种海底沙波脊线检测方法
CN117372680B (zh) 一种基于双目相机与激光雷达融合的目标检测方法
CN118154993B (zh) 基于声光图像融合的双模态水下大坝裂缝检测方法

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
GR01 Patent grant
GR01 Patent grant