CN112529779B - 一种侧扫声呐图像高分辨率重建方法 - Google Patents
一种侧扫声呐图像高分辨率重建方法 Download PDFInfo
- Publication number
- CN112529779B CN112529779B CN202011411174.9A CN202011411174A CN112529779B CN 112529779 B CN112529779 B CN 112529779B CN 202011411174 A CN202011411174 A CN 202011411174A CN 112529779 B CN112529779 B CN 112529779B
- Authority
- CN
- China
- Prior art keywords
- sonar
- model
- seabed
- current
- pixel
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000010586 diagram Methods 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 4
- 206010034701 Peroneal nerve palsy Diseases 0.000 claims description 3
- 210000001525 retina Anatomy 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种侧扫声呐图像高分辨率重建方法,该方法基于人眼视网膜的感知特性,通过分析视锥细胞密度与人眼视网膜偏离度关系,得到锥细胞分布模型,利用分布模型计算每一个像素点目标被观察到的概率,最终得到高质量的海底图像。本发明将声呐信号海底模型以视锥细胞的分布来构建概率模型,重构声呐图像,通过图像区域内少量填白,最终得到符合人眼特性的高质量声呐图像。
Description
技术领域
本发明属于声呐图像处理领域,具体涉及一种侧扫声呐图像高分辨率重建方法。
背景技术
侧扫声呐通过向海底主动发射声波信号,接收反射回来的声波信号,判断海底目标基本参数,从而绘制出海底地图。但复杂多变的海况严重影响成图的质量,且侧扫声呐瀑布图是根据接收的回波数据,由扫描线依次排列而成,不具有测量性,不能反映真实的海底面貌。因此只有结合GPS坐标数据,将海底目标摆放在自己真实的位置才能准确显示海底真实地貌。
常用的方法是将具有相同的地理位置信息的条带图像摆放在对应位置,条带图像间会出现重叠或缝隙情况,对此采取数据融合和填补的方式进行修补,因而图像质量受到影响。Antoni Burguera等人提出的高斯分布的信号发射模型,使用积分的方式计算模型区域信号的回波强度,实现侧扫声呐的高分辨率成像,但模型复杂,计算量大。陈德华等人通过对扫描线数据提取特征后进行目标检测,再应用占用栅格映射算法绘制出高质量的海底图,但此种方法建立在精确海底位置估计的基础之上,因此无法广泛使用。
发明内容
本发明提供了一种侧扫声呐图像高分辨率重建方法,以解决现有技术中重建声呐图像方法质量不高及计算复杂的问题。
本发明提供了一种侧扫声呐图像高分辨率重建方法,包括如下步骤:
步骤1:建立模型坐标系;
步骤2:获取所有采集的回波数据、每个回波数据对应的声呐位置信息、每个回波数据对应的声呐高度信息;
步骤3:逐一将回波数据、声呐位置信息、声呐高度信息构建成声呐信号海底模型,将声呐信号海底模型放入模型坐标系中;
步骤4:遍历模型坐标系中的像素点,执行步骤41-42;
步骤41:获取当前像素点所在的所有声呐信号海底模型;
步骤42:当所述步骤41获取的所有声呐信号海底模型数量等于一时,将当前像素点在声呐信号海底模型中的回波数据值作为当前像素点的像素值,结束当前像素点的遍历;
当所述步骤41获取的所有声呐信号海底模型数量大于一时,
遍历所述步骤41获取的所有声呐信号海底模型,执行步骤421-423;
步骤421:获取当前声呐信号海底模型中的声轴线,计算声轴线与当前像素点之间的夹角;
步骤422:将视锥细胞分布函数作为声呐信号海底模型的概率分布,根据视锥细胞分布为基础的海底模型图、所述步骤421中获取的夹角计算当前像素点在当前声呐信号海底模型中的显示概率;
步骤423:将显示概率与当前像素点在当前声呐信号海底模型中的回波数据值相乘,计算当前像素点在当前声呐信号海底模型中的像素值;
累加所述步骤423中获取的像素值,将遍历结束后获得的总像素值作为当前像素点的像素值;
步骤5:将相邻两个声轴线两端相连,构成一个四边形区域,该区域包括有像素值的区域与未有像素值的区域,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值,完成制图。
进一步地,所述步骤41:获取当前像素点所在的所有声呐信号海底模型时,判断当前像素点是否在声呐信号海图模型中的方法为:
当前像素点与附近声呐信号海底模型中声轴线夹角满足如下公式时,表示当前像素点在声轴线所在声呐信号海图模型中;
其中,θ为当前像素点与附近声呐信号海底模型中声轴线夹角;为声呐的水平开角。
进一步地,设施步骤422中,将视锥细胞分布函数作为声呐信号海底模型的概率分布,根据视锥细胞分布为基础的海底模型图、所述步骤421中获取的夹角计算当前像素点在当前声呐信号海底模型中的显示概率的具体公式如下:
其中,p为显示概率;为当前像素点与当前声呐信号海底模型中声轴线夹角;e为底数。
进一步地,所述步骤5中,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值具体为:
在未有像素值的区域中运用该区域周围的像素值作插值来填充未有像素值的区域的像素值。
进一步地,所述步骤5中,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值的具体公式如下:
其中,P为未有像素值的区域中内一点;IP为P点像素值;S1和S2为像素点到相邻两条声轴线的垂直距离;I1和I2为垂足位置像素点的像素值。
与现有技术相比,具有以下优点:
1、本发明在保证得到清晰准确的海底图像的同时,模型轻便简单,无需通过复杂计算,操作简便,易于实现。
2、本发明将声呐信号海底模型以视锥细胞的分布来构建概率模型,重构声呐图像,通过图像区域内少量填白,最终得到符合人眼特性的高质量声呐图像。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1为声呐信号海底模型;
图2为视锥细胞在人眼中密度与偏离度曲线近似估计图;
图3为海底分布概率模型曲线图;
图4为像素点q在海底模型位置分布图;
图5为连续的海底图像区域示例图;
图6为本发明实施例所得图像与常用缝隙填补法图像结果对比。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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。
本实施例公开了一种侧扫声呐图像高分辨率重建方法,包括以下步骤:
步骤1:建立模型坐标系;
步骤2:获取所有采集的回波数据、每个回波数据对应的声呐位置信息、每个回波数据对应的声呐高度信息;
步骤3:逐一将回波数据、声呐位置信息、声呐高度信息构建成声呐信号海底模型,将声呐信号海底模型放入模型坐标系中;
侧扫声呐是以球面波的形式向海底发射声波信号,从水平方向来看,球面波的形状可以看作是扇形,即声呐信号海底模型,回波信号所记录扫描线的位置与扇形区域的声轴线重合,如图1所示;
由于回波信号数据表现为单条扫描线,因此,在单个扇形模型中,目标像素点距离声轴线越近,目标被显示出的概率越高,随着与声轴线的距离增大,目标被显示出的概率就越低。如图1中,为侧扫声呐的水平开角,θ为像素点与声呐信号源的声轴线的夹角,θ越大,目标像素点被显示的概率越低;
步骤4:遍历模型坐标系中的像素点,执行步骤41-42;
步骤41:获取当前像素点所在的所有声呐信号海底模型;
在整个模型坐标系中,像素点可能会出现在一个或多个声呐信号海底模型中,如图4所示;
获取当前像素点所在的所有声呐信号海底模型时,判断当前像素点是否在声呐信号海图模型中的方法为:
当前像素点与附近声呐信号海底模型中声轴线夹角满足如下公式时,表示当前像素点在声轴线所在声呐信号海图模型中;
其中,θ为当前像素点与附近声呐信号海底模型中声轴线夹角;为声呐的水平开角;
步骤42:当步骤41获取的所有声呐信号海底模型数量等于一时,将当前像素点在声呐信号海底模型中的回波数据值作为当前像素点的像素值,结束当前像素点的遍历;
当步骤41获取的所有声呐信号海底模型数量大于一时,
遍历步骤41获取的所有声呐信号海底模型,执行步骤421-423;
步骤421:获取当前声呐信号海底模型中的声轴线,计算声轴线与当前像素点之间的夹角;
步骤422:将声呐信号海底模型转换成视锥细胞分布模型图,根据视锥细胞分布模型图、步骤421中获取的夹角计算当前像素点在当前声呐信号海底模型中的显示概率的具体公式如下:
其中,p为显示概率;为当前像素点与当前声呐信号海底模型中声轴线夹角;e为底数;
将声呐信号海底模型中的每个像素点看作视锥细胞,视锥细胞在人眼中的密度分布看作声呐信号海底模型中像素点的概率分布;
由此根据视锥细胞在人眼中密度分布,估计出视锥细胞密度与视网膜中心偏离度的近似曲线,如图2所示,结合上述声波信号概率分布的特点,确定像素点的显示概率的函数表达;
步骤423:将显示概率与当前像素点在当前声呐信号海底模型中的回波数据值相乘,计算当前像素点在当前声呐信号海底模型中的像素值;
累加步骤423中获取的像素值,将遍历结束后获得的总像素值作为当前像素点的像素值;
当像素点仅出现在单个声呐信号海底模型中时,其像素值M为相应的声呐回波数据值所得到的像素值;当像素点出现在多个声呐信号海底模型中时,其像素值可由如下公式获取:
上式中,n为当前像素点所在声呐信号海底模型总数,pi为在i个声呐信号海底模型中像素点的显示概率,mi为在模i个声呐信号海底模型中像素点对应的回波数据值。
这里的回波数据值相当于像素点在声轴线上投影的像素值。
步骤5:将相邻两个声轴线两端相连,构成一个四边形区域,该区域包括有像素值的区域与未有像素值的区域,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值,完成制图;
根据声呐回波信号相关参数,计算声轴线的实际坐标,将相邻声轴线两端相连,构成连续完整的图像,如图5所示。根据所提出的概率模型,会存在未有像素值的区域,如图4所示。这些在构建回波强度层时,回波强度均赋值为0。因此,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值的具体公式如下:
其中,P为未有像素值的区域中内一点;IP为P点像素值;S1和S2为像素点到相邻两条声轴线的垂直距离;I1和I2为垂足位置像素点的像素值。
如图6所示,其中图6(a)为通过本发明方法重构的图,图6(b)为通过现有方法重构的图;从图的清晰度来看,运用本发明方法重构的图的清晰度明显高于现有方法重构的图。
Claims (5)
1.一种侧扫声呐图像高分辨率重建方法,其特征在于,包括如下步骤:
步骤1:建立模型坐标系;
步骤2:获取所有采集的回波数据、每个回波数据对应的声呐位置信息、每个回波数据对应的声呐高度信息;
步骤3:逐一将回波数据、声呐位置信息、声呐高度信息构建成声呐信号海底模型,将声呐信号海底模型放入模型坐标系中;
步骤4:遍历模型坐标系中的像素点,执行步骤41-42;
步骤41:获取当前像素点所在的所有声呐信号海底模型;
步骤42:当所述步骤41获取的所有声呐信号海底模型数量等于一时,将当前像素点在声呐信号海底模型中的回波数据值作为当前像素点的像素值,结束当前像素点的遍历;
当所述步骤41获取的所有声呐信号海底模型数量大于一时,
遍历所述步骤41获取的所有声呐信号海底模型,执行步骤421-423;
步骤421:获取当前声呐信号海底模型中的声轴线,计算声轴线与当前像素点之间的夹角;
步骤422:将视锥细胞分布函数作为声呐信号海底模型的概率分布,根据视锥细胞分布为基础的海底模型图、所述步骤421中获取的夹角计算当前像素点在当前声呐信号海底模型中的显示概率;
步骤423:将显示概率与当前像素点在当前声呐信号海底模型中的回波数据值相乘,计算当前像素点在当前声呐信号海底模型中的像素值;
累加所述步骤423中获取的像素值,将遍历结束后获得的总像素值作为当前像素点的像素值;
步骤5:将相邻两个声轴线两端相连,构成一个四边形区域,该区域包括有像素值的区域与未有像素值的区域,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值,完成制图。
2.如权利要求1所述的侧扫声呐图像高分辨率重建方法,其特征在于,所述步骤41:获取当前像素点所在的所有声呐信号海底模型时,判断当前像素点是否在声呐信号海图模型中的方法为:
当前像素点与附近声呐信号海底模型中声轴线夹角满足如下公式时,表示当前像素点在声轴线所在声呐信号海图模型中;
其中,θ为当前像素点与附近声呐信号海底模型中声轴线夹角;为声呐的水平开角。
3.如权利要求1或2所述的侧扫声呐图像高分辨率重建方法,其特征在于,设施步骤422中,将视锥细胞分布函数作为声呐信号海底模型的概率分布,根据视锥细胞分布为基础的海底模型图、所述步骤421中获取的夹角计算当前像素点在当前声呐信号海底模型中的显示概率的具体公式如下:
其中,p为显示概率;为当前像素点与当前声呐信号海底模型中声轴线夹角;e为底数。
4.如权利要求3所述的侧扫声呐图像高分辨率重建方法,其特征在于,所述步骤5中,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值具体为:
在未有像素值的区域中运用该区域周围的像素值作插值来填充未有像素值的区域的像素值。
5.如权利要求4所述的侧扫声呐图像高分辨率重建方法,其特征在于,所述步骤5中,在未有像素值的区域中以该区域周围的像素值为基础填充未有像素值的区域的像素值的具体公式如下:
其中,P为未有像素值的区域中内一点;IP为P点像素值;S1和S2为像素点到相邻两条声轴线的垂直距离;I1和I2为垂足位置像素点的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011411174.9A CN112529779B (zh) | 2020-12-04 | 2020-12-04 | 一种侧扫声呐图像高分辨率重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011411174.9A CN112529779B (zh) | 2020-12-04 | 2020-12-04 | 一种侧扫声呐图像高分辨率重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529779A CN112529779A (zh) | 2021-03-19 |
CN112529779B true CN112529779B (zh) | 2024-03-19 |
Family
ID=74997684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011411174.9A Active CN112529779B (zh) | 2020-12-04 | 2020-12-04 | 一种侧扫声呐图像高分辨率重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529779B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819920B (zh) * | 2021-04-16 | 2021-07-06 | 北京星天科技有限公司 | 海底地形要素空间关系重构方法及系统 |
CN113628320B (zh) * | 2021-07-13 | 2023-06-30 | 中国科学院声学研究所 | 一种基于前视图像声呐的海底管道三维重构方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206832987U (zh) * | 2017-04-13 | 2018-01-02 | 国家海洋局第一海洋研究所 | 一种侧扫声呐的声学参数测量装置 |
KR20190044758A (ko) * | 2017-10-23 | 2019-05-02 | 서강대학교산학협력단 | 3차원 초음파 영상 복원 방법 및 그 초음파 영상 장치 |
CN110675410A (zh) * | 2019-09-25 | 2020-01-10 | 江苏海洋大学 | 基于选择性搜索算法的侧扫声呐沉船目标非监督探测方法 |
CN111476809A (zh) * | 2020-04-08 | 2020-07-31 | 北京石油化工学院 | 一种侧扫声呐图像目标识别方法 |
CN111505651A (zh) * | 2020-04-22 | 2020-08-07 | 西北工业大学 | 一种主动声呐回波图潜在运动目标的特征提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2505966A (en) * | 2012-09-18 | 2014-03-19 | Seebyte Ltd | Target recognition in sonar imaging using test objects |
-
2020
- 2020-12-04 CN CN202011411174.9A patent/CN112529779B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206832987U (zh) * | 2017-04-13 | 2018-01-02 | 国家海洋局第一海洋研究所 | 一种侧扫声呐的声学参数测量装置 |
KR20190044758A (ko) * | 2017-10-23 | 2019-05-02 | 서강대학교산학협력단 | 3차원 초음파 영상 복원 방법 및 그 초음파 영상 장치 |
CN110675410A (zh) * | 2019-09-25 | 2020-01-10 | 江苏海洋大学 | 基于选择性搜索算法的侧扫声呐沉船目标非监督探测方法 |
CN111476809A (zh) * | 2020-04-08 | 2020-07-31 | 北京石油化工学院 | 一种侧扫声呐图像目标识别方法 |
CN111505651A (zh) * | 2020-04-22 | 2020-08-07 | 西北工业大学 | 一种主动声呐回波图潜在运动目标的特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112529779A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275750B (zh) | 基于多传感器融合的室内空间全景图像生成方法 | |
CN112529779B (zh) | 一种侧扫声呐图像高分辨率重建方法 | |
US8217931B2 (en) | System and method for processing video images | |
CN110264567A (zh) | 一种基于标记点的实时三维建模方法 | |
CN109903327A (zh) | 一种稀疏点云的目标物尺寸测量方法 | |
US20080246836A1 (en) | System and method for processing video images for camera recreation | |
US20080259073A1 (en) | System and method for processing video images | |
Inglis et al. | A pipeline for structured light bathymetric mapping | |
CN104236479A (zh) | 一种线结构光三维测量系统及3d纹理图像构造算法 | |
CN105243637A (zh) | 一种基于三维激光点云进行全景影像拼接方法 | |
KR20130003135A (ko) | 다시점 카메라를 이용한 라이트 필드 형상 캡처링 방법 및 장치 | |
CN106251349B (zh) | 一种sar立体影像密集匹配方法 | |
CN109559321A (zh) | 一种声呐图像分割方法和设备 | |
CN110706177B (zh) | 一种侧扫声呐图像灰度均衡化方法及系统 | |
CN116189140A (zh) | 一种基于双目视觉的车辆三维目标检测算法 | |
KR20130096432A (ko) | 해저면데이터의 경사도를 이용하여 해저지형정보를 생성하는 시스템 및 그 방법 | |
CN116824067A (zh) | 一种室内三维重建方法及其装置 | |
CN115719320B (zh) | 基于遥感影像的倾斜校正稠密匹配方法 | |
KR20130096854A (ko) | 수중음파필터링과 3차원 해저표고모델을 이용하여 3차원 해저지형정보를 생성하는 시스템 | |
CN109978859B (zh) | 一种基于可见失真池化的图像显示适应质量评估方法 | |
CN116990824A (zh) | 集群侧扫系统的图形地理信息编码和融合方法 | |
KR20120086280A (ko) | 해저의 지형 정보를 이용하여 해저 영상을 모자이킹하기 위한 장치 및 그 방법 | |
CN116704112A (zh) | 一种用于对象重建的3d扫描系统 | |
CN116559883A (zh) | 一种侧扫声呐图像的纠正方法以及侧扫声呐镶嵌影像 | |
CN113409457B (zh) | 立体图像的三维重构与可视化方法及设备 |
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 |