CN112489093A - 声呐图像配准方法、装置、终端设备以及存储介质 - Google Patents
声呐图像配准方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN112489093A CN112489093A CN202011316612.3A CN202011316612A CN112489093A CN 112489093 A CN112489093 A CN 112489093A CN 202011316612 A CN202011316612 A CN 202011316612A CN 112489093 A CN112489093 A CN 112489093A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- sonar
- result
- sensitive area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种声呐图像配准方法，所述方法包括以下步骤：获取目标区域的声呐图像；在所述声呐图像中截取出敏感区域对应的敏感区图像；将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；根据所述区域配准结果，获得所述声呐图像的配准结果。本发明还公开了一种声呐图像配准装置、终端设备以及存储介质。采用本发明的声呐图像配准方法，数据运算量较低，时间耗费较少。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种声呐图像配准方法、装置、终端设备以及存储介质。
背景技术
声呐图像配准可为声呐图像的融合和拼接提供前提，可以实现信息互补和大范围的探测作业；同时也可为水下定位提供地图依据，具有十分重要的作用。
相关技术中心，公布了一种声呐图像配准方法，通过对声呐设备采集到的声呐图像与基准图像进行互信息配准运算，获得声呐图像的配准结果，其中，互信息配准运算是指将声呐图像与基准图像进行逐像素配准。
但是，采用现有的声呐图像配准方法，对声呐图像与基准图像进行互信息配准运算时，时间耗费较多。
发明内容
本发明的主要目的是提供一种声呐图像配准方法、装置、终端设备以及存储介质，旨在解决现有技术中声呐图像与基准图像进行互信息配准运算时，时间耗费较多的技术问题。
为实现上述目的，本发明提出的一种声呐图像配准方法，所述方法包括以下步骤：
获取目标区域的声呐图像；
在所述声呐图像中截取出敏感区域对应的敏感区图像；
将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；
根据所述区域配准结果，获得所述声呐图像的配准结果。
可选的，所述在所述声呐图像中截取敏感区域对应的敏感区图像的步骤之前，所述方法还包括：
采用坐标轴映射函数，计算所述声呐图像垂直坐标对应像素点的灰度值；
基于所述声呐图像和所述灰度值，获得灰度图；
利用阈值算法，在所述灰度图中截取出有效图像；
所述在所述声呐图像中截取敏感区域对应的敏感区图像的步骤包括：
在所述有效图像中截取敏感区域对应的敏感区图像。
可选的，所述在所述有效图像中截取敏感区域对应的敏感区图像的步骤包括：
利用梯度增强算法对所述有效图像进行灰度值增强处理，获得增强灰度图；
基于所述增强灰度图，获得多个连通区域；
基于所述多个连通区域，获得敏感区图像。
可选的，所述基于所述增强灰度图，获得多个连通区域的步骤之前，所述方法还包括：
采用二值化法和开运算法，将所述增强灰度图中的噪声点去除，获得结果增强灰度图；
所述基于所述增强灰度图，获得多个连通区域的步骤包括：
基于所述结果增强灰度图，获得多个连通区域。
可选的，所述基于所述多个连通区域，获得敏感区图像的步骤包括：
基于所述多个连通区域的面积大小，获得所述多个连通区域的亮度值；
根据所述多个连通区域和亮度值，获得多个结果连通区域；
构建包括所述多个结果连通区域的矩形区域；
基于所述矩形区域，获得敏感区图像。
可选的，所述将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果的步骤包括：
基于所述敏感区图像，获得多个待配准图像；
利用粒子群优化算法，将所述多个待配准图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果。
可选的，所述根据所述区域配准结果，获得所述声呐图像的配准结果的步骤之前，所述方法还包括：
获取所述第一互信息配准运算的配准位移；
基于所述第一互信息配准运算的配准位移和所述敏感区图像，获得结果配准区图像；
将所述结果配准区图像与所述基准图像进行第二互信息配准运算，获得结果输出配准结果；
所述根据所述区域配准结果，获得所述声呐图像的配准结果的步骤包括：
根据所述输出配准结果，获得所述声呐图像的配准结果。
此外，为实现上述目的，本发明还提出了一种声呐图像配准装置，所述装置包括：
获取模块，用于获取目标区域的声呐图像；
截取模块，用于在所述声呐图像中截取出敏感区域对应的敏感区图像；
配准运算模块，用于将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；
结果获得模块，用于根据所述区域配准结果，获得所述声呐图像的配准结果。
此外，为实现上述目的，本发明还提出了一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的声呐图像配准程序，所述声呐图像配准程序配置为实现如上述任一项所述的声呐图像配准方法的步骤。
此外，为实现上述目的，本发明还提出了一种存储介质，所述存储介质上存储有声呐图像配准程序，所述声呐图像配准程序被处理器执行时实现如上述任一项所述的声呐图像配准方法的步骤。
本发明技术方案通过采用一种声呐图像配准方法，通过获取目标区域的声呐图像；在所述声呐图像中截取出敏感区域对应的敏感区图像；将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；根据所述区域配准结果，获得所述声呐图像的配准结果。由于，将声呐图像中的敏感区域对应的敏感区图像与基准图像进行互信息配准运算，并非将整幅声呐图像与基准图像进行互信息配准运算，所以采用本发明的声呐图像配准方法，数据运算量较低，时间耗费较少。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图；
图2为本发明声呐图像配准方法第一实施例的流程示意图；
图3为某一目标区域的声呐图像示意图；
图4为本发明声呐图像与有效图像的对比图；
图5为结果连通区域与敏感区图像对比图；
图6为本发声呐图像的配准效果示意图；
图7为本发明声呐图像配准装置第一实施例的结构框图
图8为本发明声呐图像配准方法时间优化效率图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图。
终端设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station，MS)等。设备可能被称为用户终端、便携式终端、台式终端等。
通常，终端设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的声呐图像配准程序，所述声呐图像配准程序配置为实现如前所述的声呐图像配准方法的步骤。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关声呐图像配准方法操作，使得声呐图像配准方法模型可以自主训练学习，提高效率和准确度。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的声呐图像配准方法。
在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解，图1中示出的结构并不构成对声呐图像配准设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有声呐图像配准程序，所述声呐图像配准程序被处理器执行时实现如上文所述的声呐图像配准方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个终端设备上执行，或者在位于一个地点的多个终端设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个终端设备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
基于上述硬件结构，提出本发明声呐图像配准方法的实施例。
参照图2，图2为本发明声呐图像配准方法第一实施例的流程示意图；所述方法应用于终端设备，所述方法包括以下步骤：
步骤S11：获取目标区域的声呐图像。
需要说明的是，本发明的执行主体是如上文所述的终端设备；其中，目标区域可以是任何待检测的区域，通过声呐探测设备拍摄目标区域的声呐图像，并由终端设备获取声呐探测设备拍摄的目标区域的声呐图像；声呐探测设备可以是终端设设备的一部分，也可以是与终端设备通信连接的外接设备，本发明不做限制；声呐探测设备可以是船壳的前视声呐。
具体应用中，利用声呐设备获取到的数据可能是视频流的形式，终端设备在视频流内获取对应的视频帧即为声呐图像，视频帧可以是视频流的全部视频帧，也可以是用户确定的部分视频帧。
参照图3，图3为某一目标区域的声呐图像示意图，其中，灰色扇形区域为探测到区域，探测区域中亮度较高的部分为探测到的物体。
步骤S12：在所述声呐图像中截取出敏感区域对应的敏感区图像。
需要说明的是，获取的目标区域的声呐图像中包括敏感区域和非敏感区域，敏感区域可以是指包含物体的区域，非敏感区域可以是指不包含物体的区域；例如，目标区域是海洋，获得的声呐图像是包括礁石和海水的图像；声呐图像对应的敏感区域是声呐图像中礁石对应的区域，非敏感区域是声呐图像中海水对应的区域。
由于，非敏感区域对应的声呐图像并不包括有效信息，可以将非敏感区域剔除，获得敏感区域对应的敏感区图像，敏感区图像相较于声呐图像，面积较小，使得利用敏感区图像与基准图像进行配准时，花费较少的时间。
进一步的，步骤S12之前，所述方法还包括：采用坐标轴映射函数，计算所述声呐图像垂直坐标对应像素点的灰度值；基于所述声呐图像和所述灰度值，获得灰度图；利用阈值算法，在所述灰度图中截取出有效图像。
相应的，步骤S12包括：在所述有效图像中截取敏感区域对应的敏感区图像。
需要说明的是，在一实施例中，采用坐标轴映射函数，对声呐图像的纵坐标像素点进行灰度值计算，并利用阈值算法，去除灰度值较低区域对应的图像，获得有效图像，有效图像包括敏感区域对应的敏感区图像；需要进一步在有效图像中截取敏感区域对应的敏感区图像。
可以理解的是，阈值算法中的阈值可以是用户根据需求进行设定的，此处不做限制，作为较优的选择，阈值不宜过高，避免剔除掉敏感区域对应的敏感区图像。
参照图4，图4为本发明声呐图像与有效图像的对比图，左侧的图像为声呐图像，右侧的图像为有效图像，可见，有效图像相较于声呐图像，少了近一半的面积，同时，有效图像包括敏感区域对应的敏感图像，即，亮度较高的部分。
进一步的，步骤S12包括：利用梯度增强算法对所述有效图像进行灰度值增强处理，获得增强灰度图；基于所述增强灰度图，获得多个连通区域；基于所述多个连通区域，获得敏感区图像。
其中，基于所述增强灰度图，获得多个连通区域的步骤之前，所述方法还包括：采用二值化法和开运算法，将所述增强灰度图中的噪声点去除，获得结果增强灰度图。相应的，所述基于所述增强灰度图，获得多个连通区域的步骤包括：基于所述结果增强灰度图，获得多个连通区域。
通过灰度增强处理，获得灰度值增强后的有效图像对应的增强灰度图，在增强灰度图中确定出灰度值较大的敏感区域，同时，利用二值化法和开运算法，对增强灰度图进行噪点剔除，获得较为准确的增强灰度图，以使在增强灰度图中截取的敏感区图像准确度较高。
在增强灰度图中，敏感区域对应的敏感区图像的显示效果是包括所述多个连通区域的图像，其中，敏感区图像中的像素点灰度值相近时，像素点属于一个连通区域。
进一步的，所述基于所述多个连通区域，获得敏感区图像的步骤包括：基于所述多个连通区域的面积大小，获得所述多个连通区域的亮度值；根据所述多个连通区域和亮度值，获得多个结果连通区域；构建包括所述多个结果连通区域的矩形区域；基于所述矩形区域，获得敏感区图像。
需要说明的是，对敏感区图像中的多个连通区域分别赋值，赋值为亮度值，面积越大的赋值越大，其中，亮度值的范围0～225，根据多个连通区域和连通区域对应的亮度值，获得结果连通区域，结果连通区域包括多个具有亮度值的连通区域，结果连通区域的显示效果是不同的连通区域的亮度不同。
在一实施例中，构建一个包括结果连通区域的矩形区域，所述矩形区域即为敏感区域，以矩形区域刚好完整的包括结果连通区域为宜，敏感区域对应的图像即为敏感区图像。可以理解的是，相较于其它形状，将利用矩形区域获得的敏感区图像与基准图像进行配准运算时，不会遗漏像素点，配准准确率较高。
根据结果连通区域对应的矩形区域，将矩形区域对应的还原到声呐图像中的对应区域，即可获得敏感区图像。
参照图5，图5为结果连通区域与敏感区图像对比图，图5左侧为结果连通区域对应的图像，图5右侧为敏感区图像，矩形框内的区域即为敏感区域，再将敏感区图像与基准图像进行互信息配准运算时，将矩形框内的敏感区域对应的敏感区图像进行互信息配准运算即可。
步骤S13：将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果。
需要说明的是，基于所述敏感区图像，获得多个待配准图像；利用粒子群优化算法，将所述多个待配准图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果。
可以理解的是，基准图像即为所述声呐图像的上一帧声呐图像对应的敏感区图像，上一帧声呐图像对应的敏感区图像已是经过配准运算的图像，可以认定为与目标区域完全吻合的基准图像。
多个待配准图像是以敏感区图像为中心，向周围各个方向拓展一定范围获得的图像；多个待配准图像的数量和拓展范围，本发明不做具体限制。
具体应用中，采用粒子群优化算法，将所述多个待配准图像与基准图像进行第一互信息配准运算，只需要将多个待配准图像中的部分像素与基准图像进行互信息配准运算即可，不需要进行逐像素的互信息配准运算，大大降低了配准像素数量，提升了效率，减少了运算时间。
步骤S14：根据所述区域配准结果，获得所述声呐图像的配准结果。
需要说明的是，采用粒子群优化算法会导致区域配准结果出现偏差，需要获取所述第一互信息配准运算的配准位移；基于所述第一互信息配准运算的配准位移和所述敏感区图像，获得结果配准区图像；将所述结果配准区图像与所述基准图像进行第二互信息配准运算，获得结果输出配准结果；根据所述输出配准结果，获得所述声呐图像的配准结果。
可以理解的是，需要在敏感区图像的基础上，向周围扩大一定范围，即结果配准范围，结果配准范围对应的图像即为结果配准区图像，并利用结果配准区图像与基准图像进行第二互信息配准运算，此时，互信息配准运算为逐像素进行互信息配准运算，从而使得输出配准结果准确率较高。并利用输出输出配准结果，获得所述声呐图像的配准结果。
声呐图像的配准结果，即为对声呐图像对应的敏感区图像与基准图像互信息配准运算后的获得的融合图像，并将融合图像还原到声呐图像对应的区域，保持原声呐图像中非敏感区域的图像，获得图像即为声呐图像的配准结果。
参照图6，图6为本发声呐图像的配准效果示意图，第660帧对应的配准结果即为第661帧图像的基准图像，第660帧的配准结果(矩形框为第660帧对应的敏感区域)是根据第660帧的声呐图像(即图6中的参考图像)与第659帧的配准结果(即第660帧的基准图像)进行互信息配准运算获得的；将第661帧图像对应的敏感区图像(即图6中第661帧图像提取出的敏感区域)与第661帧图像的基准图像进行互信息配准运算后，获得第661帧的配准结果，将第661帧的配准结果与第660帧的配准结果进行对比，即将第661帧的配准结果与第660帧的配准结果重叠，获得配准重叠图，利用配准重叠图获得配准差值图；在配准差值图中，亮度较高的点即为存在偏差的点，配准差值图中的亮点越少，配准差值越小，可见，第660帧与第661帧的配准差值图中的亮点较少，配准结果的准确率较高。
本实施例技术方案通过采用一种声呐图像配准方法，通过获取目标区域的声呐图像；在所述声呐图像中截取出敏感区域对应的敏感区图像；将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；根据所述区域配准结果，获得所述声呐图像的配准结果。由于，将声呐图像中的敏感区域对应的敏感区图像与基准图像进行互信息配准运算，并非将整幅声呐图像与基准图像进行互信息配准运算，所以采用本发明的声呐图像配准方法，数据运算量较低，时间耗费较少。
同时，声呐图像具有的整体灰度值低、目标边缘模糊、信噪比低等特点，在声呐图像中提出了提取敏感区域对应的敏感区图像进行互信息配准运算的方法，修正了声呐图像互信息配准运算出现的误配现象，大幅降低了配准运算时间。相对于采用整幅声呐图像的互信息配准运算的方法，时间优化效率在74％～96％之间，性能优势显著。
采用粒子群优化算法，对敏感区图像进行互信息配准运算，使得配准运算耗时进一步降低，相对于敏感区图像逐像素进行互信息配准运算的方法，时间优化效率保持在23％～46％之间，并且随敏感区域的面积增大(表现为敏感区图像面积增大)，时间优化效率逐步提高。
参照图7，图7为本发明声呐图像配准装置第一实施例的结构框图，应用于终端设备，所述装置包括：
获取模块10，用于获取目标区域的声呐图像；
截取模块20，用于在所述声呐图像中截取出敏感区域对应的敏感区图像；
配准运算模块30，用于将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；
结果获得模块40，用于根据所述区域配准结果，获得所述声呐图像的配准结果。
参照图8，图8为本发明声呐图像配准方法时间优化效率图，横坐标为随机选的声呐图像帧号，纵坐标为本发明图像配准方法相对于现有的声呐图像配准方法的计算时间优化率(配准方法整个运算过程对应的时间优化率)；实线为敏感区域的面积值，虚线为计算时间优化率，一个敏感区域的面积值对应一个计算时间优化率，可见，敏感区域的面积值越大，时间优化率越高。
以上所述仅为本发明的可选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种声呐图像配准方法，其特征在于，所述方法包括以下步骤：
获取目标区域的声呐图像；
在所述声呐图像中截取出敏感区域对应的敏感区图像；
将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；
根据所述区域配准结果，获得所述声呐图像的配准结果。
2.如权利要求1所述的声呐图像配准方法，其特征在于，所述在所述声呐图像中截取敏感区域对应的敏感区图像的步骤之前，所述方法还包括：
采用坐标轴映射函数，计算所述声呐图像垂直坐标对应像素点的灰度值；
基于所述声呐图像和所述灰度值，获得灰度图；
利用阈值算法，在所述灰度图中截取出有效图像；
所述在所述声呐图像中截取敏感区域对应的敏感区图像的步骤包括：
在所述有效图像中截取敏感区域对应的敏感区图像。
3.如权利要求2所述的声呐图像配准方法，其特征在于，所述在所述有效图像中截取敏感区域对应的敏感区图像的步骤包括：
利用梯度增强算法对所述有效图像进行灰度值增强处理，获得增强灰度图；
基于所述增强灰度图，获得多个连通区域；
基于所述多个连通区域，获得敏感区图像。
4.如权利要求3所述的声呐图像配准方法，其特征在于，所述基于所述增强灰度图，获得多个连通区域的步骤之前，所述方法还包括：
采用二值化法和开运算法，将所述增强灰度图中的噪声点去除，获得结果增强灰度图；
所述基于所述增强灰度图，获得多个连通区域的步骤包括：
基于所述结果增强灰度图，获得多个连通区域。
5.如权利要求4所述的声呐图像配准方法，其特征在于，所述基于所述多个连通区域，获得敏感区图像的步骤包括：
基于所述多个连通区域的面积大小，获得所述多个连通区域的亮度值；
根据所述多个连通区域和亮度值，获得多个结果连通区域；
构建包括所述多个结果连通区域的矩形区域；
基于所述矩形区域，获得敏感区图像。
6.如权利要求5所述的声呐图像配准方法，其特征在于，所述将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果的步骤包括：
基于所述敏感区图像，获得多个待配准图像；
利用粒子群优化算法，将所述多个待配准图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果。
7.如权利要求6所述的声呐图像配准方法，其特征在于，所述根据所述区域配准结果，获得所述声呐图像的配准结果的步骤之前，所述方法还包括：
获取所述第一互信息配准运算的配准位移；
基于所述第一互信息配准运算的配准位移和所述敏感区图像，获得结果配准区图像；
将所述结果配准区图像与所述基准图像进行第二互信息配准运算，获得结果输出配准结果；
所述根据所述区域配准结果，获得所述声呐图像的配准结果的步骤包括：
根据所述输出配准结果，获得所述声呐图像的配准结果。
8.一种声呐图像配准装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域的声呐图像；
截取模块，用于在所述声呐图像中截取出敏感区域对应的敏感区图像；
配准运算模块，用于将所述敏感区图像与基准图像进行第一互信息配准运算，获得敏感区图像的区域配准结果；
结果获得模块，用于根据所述区域配准结果，获得所述声呐图像的配准结果。
9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的声呐图像配准程序，所述声呐图像配准程序配置为实现如权利要求1至7中任一项所述的声呐图像配准方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有声呐图像配准程序，所述声呐图像配准程序被处理器执行时实现如权利要求1至7中任一项所述的声呐图像配准方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011316612.3A CN112489093A (zh) | 2020-11-19 | 2020-11-19 | 声呐图像配准方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011316612.3A CN112489093A (zh) | 2020-11-19 | 2020-11-19 | 声呐图像配准方法、装置、终端设备以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112489093A true CN112489093A (zh) | 2021-03-12 |
Family
ID=74932928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011316612.3A Pending CN112489093A (zh) | 2020-11-19 | 2020-11-19 | 声呐图像配准方法、装置、终端设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112489093A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
| CN104658016A (zh) * | 2013-11-22 | 2015-05-27 | Ge医疗系统环球技术有限公司 | 一种用于ct透视影像的目标跟踪方法、装置及ct机 |
| WO2015109331A1 (en) * | 2014-01-17 | 2015-07-23 | The Johns Hopkins University | Automated anatomical labeling by multi-contrast diffeomorphic probability fusion |
| CN106991694A (zh) * | 2017-03-17 | 2017-07-28 | 西安电子科技大学 | 基于显著区域面积匹配的心脏ct与超声图像配准方法 |
| CN107004268A (zh) * | 2014-10-13 | 2017-08-01 | 新加坡科技研究局 | 结直肠肿瘤的动态对比增强图像的自动感兴趣区域分割及配准 |
| CN109741346A (zh) * | 2018-12-30 | 2019-05-10 | 上海联影智能医疗科技有限公司 | 感兴趣区域提取方法、装置、设备及存储介质 |
| CN109801256A (zh) * | 2018-12-15 | 2019-05-24 | 华南理工大学 | 一种基于感兴趣区域和全局特征的图像美学质量评估方法 |
| CN110136177A (zh) * | 2018-02-08 | 2019-08-16 | 北京连心医疗科技有限公司 | 一种图像配准方法、设备和存储介质 |
| CN110930438A (zh) * | 2019-11-22 | 2020-03-27 | 上海联影医疗科技有限公司 | 图像配准方法、装置、电子设备及存储介质 |
| US20200134845A1 (en) * | 2018-10-30 | 2020-04-30 | Beijing Boe Optoelectronics Technology Co., Ltd. | Image registration method, image registration device and storage medium |
-
2020
- 2020-11-19 CN CN202011316612.3A patent/CN112489093A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
| CN104658016A (zh) * | 2013-11-22 | 2015-05-27 | Ge医疗系统环球技术有限公司 | 一种用于ct透视影像的目标跟踪方法、装置及ct机 |
| WO2015109331A1 (en) * | 2014-01-17 | 2015-07-23 | The Johns Hopkins University | Automated anatomical labeling by multi-contrast diffeomorphic probability fusion |
| CN107004268A (zh) * | 2014-10-13 | 2017-08-01 | 新加坡科技研究局 | 结直肠肿瘤的动态对比增强图像的自动感兴趣区域分割及配准 |
| CN106991694A (zh) * | 2017-03-17 | 2017-07-28 | 西安电子科技大学 | 基于显著区域面积匹配的心脏ct与超声图像配准方法 |
| CN110136177A (zh) * | 2018-02-08 | 2019-08-16 | 北京连心医疗科技有限公司 | 一种图像配准方法、设备和存储介质 |
| US20200134845A1 (en) * | 2018-10-30 | 2020-04-30 | Beijing Boe Optoelectronics Technology Co., Ltd. | Image registration method, image registration device and storage medium |
| CN109801256A (zh) * | 2018-12-15 | 2019-05-24 | 华南理工大学 | 一种基于感兴趣区域和全局特征的图像美学质量评估方法 |
| CN109741346A (zh) * | 2018-12-30 | 2019-05-10 | 上海联影智能医疗科技有限公司 | 感兴趣区域提取方法、装置、设备及存储介质 |
| CN110930438A (zh) * | 2019-11-22 | 2020-03-27 | 上海联影医疗科技有限公司 | 图像配准方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 丁明跃等: "《物联网识别技术》", 31 July 2012, 中国铁道出版社, pages: 113 - 116 * |
| 杨帆: "《数字图像处理与分析 第4版》", 31 January 2019, 北京航空航天大学出版社, pages: 291 - 294 * |
| 王兴梅, 时胜国著: "《基于水平集的水下声呐图像目标检测 黑龙江省精品图书出版工程》", 30 June 2017, 哈尔滨工程大学出版社, pages: 3 - 4 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107945163B (zh) | 图像增强方法及装置 | |
| US10740946B2 (en) | Partial image processing method, device, and computer storage medium | |
| CN110059685A (zh) | 文字区域检测方法、装置及存储介质 | |
| CN112215227B (zh) | 图像目标检测模型攻击方法、装置、终端设备及存储介质 | |
| CN110991457B (zh) | 二维码处理方法、装置、电子设备及存储介质 | |
| CN112703530B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN109712097B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN112733688B (zh) | 房屋的属性值预测方法、装置、终端设备以及计算机可读存储介质 | |
| CN112767281A (zh) | 图像鬼影消除方法、装置、电子设备及存储介质 | |
| CN112036286A (zh) | 一种基于yoloV3算法实现温度感应及智能分析识别火焰的方法 | |
| CN113014830A (zh) | 视频虚化方法、装置、设备及存储介质 | |
| CN113038232A (zh) | 视频播放方法、装置、设备、服务器及存储介质 | |
| CN112446845A (zh) | 地图构建方法、装置、slam系统以及存储介质 | |
| CN115035313B (zh) | 黑颈鹤识别方法、装置、设备及存储介质 | |
| CN114598876B (zh) | 动态图像的运动补偿方法、装置、终端设备以及存储介质 | |
| CN112489093A (zh) | 声呐图像配准方法、装置、终端设备以及存储介质 | |
| CN111738034B (zh) | 车道线的检测方法和装置 | |
| CN113282925B (zh) | 恶意文件检测方法、装置、终端设备以及存储介质 | |
| CN113160386A (zh) | 图像获得方法、装置、设备以及计算机可读存储介质 | |
| CN112446846A (zh) | 融合帧获得方法、装置、slam系统以及存储介质 | |
| CN114298895A (zh) | 图像真实感风格迁移方法、装置、设备及存储介质 | |
| CN111563402B (zh) | 车牌识别方法、装置、终端及存储介质 | |
| CN112532971A (zh) | 影像处理方法、装置、显示终端以及计算机可读存储介质 | |
| CN113393809A (zh) | 显示终端控制方法、装置、显示终端以及存储介质 | |
| CN109492451B (zh) | 一种编码图像识别方法及移动终端 |
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 |