CN112799071A - 一种水底位置的检测方法及装置 - Google Patents

一种水底位置的检测方法及装置 Download PDF

Info

Publication number
CN112799071A
CN112799071A CN202110356032.5A CN202110356032A CN112799071A CN 112799071 A CN112799071 A CN 112799071A CN 202110356032 A CN202110356032 A CN 202110356032A CN 112799071 A CN112799071 A CN 112799071A
Authority
CN
China
Prior art keywords
water bottom
water
image
target
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.)
Granted
Application number
CN202110356032.5A
Other languages
English (en)
Other versions
CN112799071B (zh
Inventor
李春雨
邬松
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.)
Beijing Startest Tec Co Ltd
Original Assignee
Beijing Startest Tec Co Ltd
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 Beijing Startest Tec Co Ltd filed Critical Beijing Startest Tec Co Ltd
Priority to CN202110356032.5A priority Critical patent/CN112799071B/zh
Publication of CN112799071A publication Critical patent/CN112799071A/zh
Application granted granted Critical
Publication of CN112799071B publication Critical patent/CN112799071B/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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/06—Systems determining the position data of a target
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明实施例提供了一种水底位置的检测方法及装置，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。

Description

一种水底位置的检测方法及装置
技术领域
本文件涉及水域测量技术领域，尤其涉及一种水底位置的检测方法及装置。
背景技术
目前，随着水域水底探测技术的快速发展，为了了解目标水域的当前环境状况，需要准确地定位水底的真实位置，其中，主要是利用多波束测探装置并结合相位检测法或者幅度检测法，来确定目标水域的真实水底位置，然而，由于待测水域中往往存在大量的鱼群等非水体对象，又如由旁瓣引起的隧道效应等，这势必将对信号采集有一定的杂波干扰，可能会导致将非水体对象误识别为水底；尤其是，当测量深度变大时，边缘波束信噪比降低，水底形状、边缘特征很不明显，增加了水底检测的难度。
因此，现有技术中给出的水底位置的检测方法针对待测水域中水体环境比较复杂的情况下，因复杂的水底环境中的非水体对象的杂波干扰，导致存在真实水底位置的检测准确度低的问题。
发明内容
本发明实施例的目的是提供一种水底位置的检测方法及装置，以解决针对待测水域中水体环境比较复杂的情况下，因复杂的水底环境中的非水体对象（如鱼群等）的杂波干扰，导致存在真实水底位置的检测准确度低的问题。
为了解决上述技术问题，本发明实施例是这样实现的：
第一方面，本发明实施例提供了一种水底位置的检测方法，包括：
获取目标水域的水底声纳图像，其中，所述水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像；其中，所述水底显著图像包括：图像亮度特征和方向视觉特征，所述水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息。
第二方面，本发明实施例提供了一种水底位置的检测装置，包括：
声纳图像获取模块，用于获取目标水域的水底声纳图像，其中，所述水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
显著图像生成模块，用于利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像；其中，所述水底显著图像包括：图像亮度特征和方向视觉特征，所述水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
水底位置确定模块，用于利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息。
第三方面，本发明实施例提供了一种计算机设备，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现如第一方面所述的水底位置的检测方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的水底位置的检测方法的步骤。
本发明实施例中的水底位置的检测方法及装置，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
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说明书一个或多个中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
图1为本发明实施例提供的水底位置的检测系统的应用场景示意图；
图2为本发明实施例提供的水底位置的检测方法的第一种流程示意图；
图3为本发明实施例提供的水底位置的检测方法的第二种流程示意图；
图4为本发明实施例提供的水底位置的检测方法的第三种流程示意图；
图5为本发明实施例提供的水底位置的检测方法的具体实现原理示意图；
图6为本发明实施例提供的水底位置的检测装置的模块组成示意图；
图7为本发明实施例提供的水底位置的检测设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个中的技术方案，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说明书一个或多个一部分实施例，而不是全部的实施例。基于本说明书一个或多个中的实施例，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，都应当属于本文件的保护范围。
需要说明的是，在不冲突的情况下，本说明书中的一个或多个实施例以及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明实施例。
本说明书一个或多个实施例提供了一种水底位置的检测方法及装置，通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
图1为本发明实施例提供的水底位置的检测系统的应用场景示意图，如图1所示，该检测系统包括：湿端声纳装置、干端接口盒、干端便携机和辅助传感器；其中，该湿端声纳装置用于实现声学信号的发射和采集，该干端便携机用于基于通过干端接口盒采集得到的回波信号进行水底位置检测，该干端接口盒及干端便携机结合辅助传感器用于实现声学数据与传感器数据的同步及处理，该辅助传感器可以包括表面声速仪、组合式惯导、声速剖面仪中至少一项。
其中，上述水底位置的检测的具体过程为：
利用湿端声纳装置中的信号发射模块向目标水域中发射多波束声信号；
利用湿端声纳装置中的信号接收模块采集目标水域所反射回的回波信号；
利用干端便携机基于上述回波信号生成目标水域的水底声纳图像；以及，利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。
在上述应用场景中，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
图2为本说明书一个或多个实施例提供的水底位置的检测方法的第一种流程示意图，图2中的方法能够由图1中的干端便携机执行，尤其是干端便携机中的信息处理模块，如图2所示，该方法至少包括以下步骤：
S202，获取目标水域的水底声纳图像，其中，该水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
其中，上述目标水域可以是目标河域，还可以是目标海域，上述水底声纳图像包含用于表征水底回波信号强弱的m×n像素声纳图像；具体的，先利用多波束测深装置中的信号发射模块向水底发射多波束信号，并利用信号接收模块接收水体针对该多波束信号所反射回的水体回波信号，再基于该水体回波信号生成水底声纳图像。
S204，利用视觉注意机制，基于上述水底声纳图像，生成目标水域的水底显著图像；其中，该水底显著图像包括：图像亮度特征和方向视觉特征，该水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
具体的，在基于目标水域的水底声纳图像生成水底显著图像时，引入视觉注意机制，从水底声纳图像中提取各像素点的亮度特征和方向特征，得到水域亮度特征图和方向视觉特征图，再基于该水域亮度特征图和方向视觉特征图生成水底显著图像；其中，可以直接将水域亮度特征图和方向视觉特征图进行合成得到水底显著图像，另外为了提高后续基于水底显著图像确定真实水底位置的准确度，也可以先对水域亮度特征图和方向视觉特征图进行反差特征增强，再基于亮度反差特征图和方向反差特征图得到水底显著特征图。
S206，利用预设水底检测方法，基于上述水底显著图像，确定目标水域的真实水底位置信息。
其中，上述预设水底检测方法可以是幅度检测法、相位检测法中至少一项，具体的，先基于水底显著图像中的图像亮度特征和方向视觉特征，对水底位置进行初步圈定，确定预估水底位置信息，再基于该预估水底位置信息，对水底位置进行精准定位，确定最终的真实水底位置信息，即采用先基于由视觉注意机制得到的水底显著图像初步圈定水底位置，再基于预设水底检测方法基于该初步圈定的水底位置进行精准定位水底位置，得到最终的真实水底位置信息。
本发明实施例中，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
其中，由于在水底位置的检测过程中先生成水底显著图像，再基于该水底显著图像进行水底位置的检测，并且在水底显著图像的生成过程中引入视觉注意机制，这样能够模拟人眼对水域环境中大反差目标敏感的特征，从而在一定程度上实现有选择性地获取所关注目标的显著信息，进而提高在水域环境比较复杂的情况下提高水底检测的抗干扰能力，同时，还能够将计算机资源优先分配给那些容易引起注意的区域，进而大大降低信息计算量，具体的，针对目标水域的水底显著图像的生成过程，如图3所示，上述S204，利用视觉注意机制，基于上述水底声纳图像，生成目标水域的水底显著图像，具体包括：
S2042，利用视觉注意机制，对获取到的水底声纳图像进行特征提取，得到目标水域的水域亮度特征图和方向视觉特征图；
具体的，针对图像亮度特征提取的过程，以水底声纳图像为基础，构建N级高斯金字塔，将构建得到的N级高斯金字塔确定为目标水域的水域亮度特征图；对应的，针对方向视觉特征提取的过程，以水底声纳图像或者水域亮度特征图为基础，利用预设方向滤波器对水底声纳图像或者水域亮度特征图进行方向滤波，得到多个子方向特征图，将该多个子方向特征图确定为方向视觉特征图。
S2044，利用中央-周边差算法，基于上述水域亮度特征图和方向视觉特征图，生成目标水域的亮度反差特征图和方向反差特征图；
具体的，将水域亮度特征图对应的N级高斯金字塔中的周边层插值放大与中央层相同的尺寸，得到目标水域的亮度反差特征图；对应的，若方向视觉特征图是以水域亮度特征图为基础，对水域亮度特征图进行方向特征提取得到的，因此，该方向视觉特征图也具有N级高斯金字塔的结构，将方向视觉特征图对应的N级高斯金字塔中的周边层插值放大与中央层相同的尺寸，得到目标水域的方向反差特征图。
S2046，对上述亮度反差特征图和方向反差特征图进行合成处理，得到目标水域的水底显著图像。
具体的，在生成目标水域的水域亮度特征图和方向视觉特征图后，先对水域亮度特征图和方向视觉特征图进行反差特征增强，得到亮度反差特征图和方向反差特征图，再基于该亮度反差特征图和方向反差特征图得到水底显著图像，这样能够提高水底显著图像中水底特征与非水底特征之间差异性，从而进一步提高基于该水底显著图像得到真实水底位置的准确度，即基于该水底显著图像能够较精确的定位水底覆盖范围，排除了其他信息的干扰，再结合预设水底检测算法，能够准确地得到水底的实际深度。
其中，需要说明的是，在生成目标水域的水底显著图像的过程中，可以对水底声纳图像分别进行亮度特征提取和方向特征提取，得到水域亮度特征图和方向视觉特征图，再分别对水域亮度特征图进行反差特征提取得到亮度反差特征图，以及对方向视觉特征图进行反差特征提取得到方向反差特征图，最后将亮度反差特征图和方向反差特征图合成得到水底显著图像；也可以先对水底声纳图像进行亮度特征提取得到水域亮度特征图，再对水域亮度特征图进行方向特征提取，得到方向视觉特征图（该方向视觉特征图中包含亮度特征），再进行反差特征提取、以及图像合并处理得到水底显著图像；还可以先对水底声纳图像进行方向特征提取得到方向视觉特征图，再对方向视觉特征图进行亮度特征提取，得到水域亮度特征图；再进行反差特征提取、以及图像合并处理得到水底显著图像，在具体实施时，可以根据实际情况选择采用哪种方式来生成水底显著图像。
具体的，针对对水底声纳图像进行亮度和方向特征提取的过程，上述S2042，利用视觉注意机制，对获取到的水底声纳图像进行特征提取，得到目标水域的水域亮度特征图和方向视觉特征图，具体包括：
步骤一，基于上述水底声纳图像构建N级高斯金字塔，得到目标水域的水域亮度特征图，其中，该水域亮度特征图包括以N级高斯金字塔形式分布的多尺寸亮度图像；
其中，针对N级高斯金字塔的构建过程，首次以获取到的水底声纳图像为高斯金字塔的最底层，对高斯金字塔上一层的水底声纳图像进行低通滤波和二次抽样，得到高度和宽度均为上一层图像的一半的当前层的水底声纳图像，以此类推，得到N级高斯金字塔（即包含不同尺寸的多层水底声纳图像）；将该N级高斯金字塔确定为目标水域的水域亮度特征图。
步骤二，利用预设方向滤波器，基于上述水底声纳图像进行方向滤波，得到目标水域的方向视觉特征图。
具体的，为了提高针对方向视觉特征图中水底本身与非水底对象之间反差特征的提取效果，在生成方向视觉特征图时，优选地，以水域亮度特征图为基础，对水域亮度特征图进行方向滤波得到方向视觉特征图；其中，上述预设方向滤波器可以是Gabor滤波器，该Gabor滤波器可以是Gabor函数，该Gabor函数是一个用于边缘提取的线性滤波器，Gabor滤波器的频率和方向表达同人类视觉系统类似，因此，方向视觉特征图能够模拟人眼对水域环境中大反差目标敏感的特征；具体的，该Gabor滤波器可以表示为：
Figure 360228DEST_PATH_IMAGE001
Figure 208099DEST_PATH_IMAGE002
Figure 664488DEST_PATH_IMAGE003
Figure 685534DEST_PATH_IMAGE004
其中，
Figure 481451DEST_PATH_IMAGE005
表示Gabor滤波器的朝向，
Figure 562540DEST_PATH_IMAGE006
为Gabor滤波器的中心频率，
Figure 709487DEST_PATH_IMAGE007
表示在x轴方 向的高斯方差，
Figure 534224DEST_PATH_IMAGE008
表示在y轴方向的高斯方差，
Figure 450227DEST_PATH_IMAGE009
表示水底声纳图像中某一像素点方向滤波 前在x轴方向上的坐标，y表示水底声纳图像中某一像素点方向滤波前在y轴方向上的坐标，
Figure 436638DEST_PATH_IMAGE010
表示水底声纳图像中某一像素点方向滤波后在x轴方向上的坐标，
Figure 867619DEST_PATH_IMAGE011
表示水底声纳图像 中某一像素点方向滤波前后在y轴方向上的坐标。
具体的，针对对亮度特征图和方向视觉特征图分别进行反差特征增强的过程，上述 S2044，利用中央-周边差算法，基于上述水域亮度特征图和方向视觉特征图，生成目标水域的亮度反差特征图和方向反差特征图，具体包括：
步骤一，利用中央-周边差算法，分别将上述水域亮度特征图和方向视觉特征图的高斯金字塔周边层插值放大与中央层相同的尺寸，得到目标水域的多尺寸亮度反差特征图和多尺寸方向反差特征图；
具体的，若N级高斯金字塔的中央层c和周边层s是在相应高斯金字塔中的级数，
Figure 168150DEST_PATH_IMAGE012
，
Figure 266556DEST_PATH_IMAGE013
，将周边层插值放大到与中央层相同的尺 度，则将亮度特征
Figure 361551DEST_PATH_IMAGE014
和方向特征
Figure 279829DEST_PATH_IMAGE015
的多尺寸反差显著图表示为：
Figure 446368DEST_PATH_IMAGE016
Figure 71384DEST_PATH_IMAGE017
其中，
Figure 665177DEST_PATH_IMAGE018
表示减操作，
Figure 805171DEST_PATH_IMAGE019
表示归一化操作。
步骤二，利用反差取大值算法，分别将上述多尺寸亮度反差特征图和多尺寸方向反差特征图放大到与高斯金字塔最低端层级相同的尺寸，得到目标水域的最大亮度反差特征图和最大方向反差特征图。
具体的，将亮度反差特征图和方向反差特征图放大到和高斯金字塔第一层级相同的大小，采用取大值方式得到最终的亮度反差特征图和方向反差特征图。
其中，针对对亮度反差特征图和方向反差特征图进行合成处理的过程，上述S2046，对上述亮度反差特征图和方向反差特征图进行合成处理，得到目标水域的水底显著图像，具体包括：
步骤一，对上述亮度反差特征图和方向反差特征图进行加权处理，得到目标水域的原始水底显著图像；
具体的，亮度反差特征图和方向反差特征图分别对应的加权系数可以是预先人为设定的，也可以是基于预设训练样本集通过机器学习模型训练得到的。
步骤二，对上述原始水底显著图像进行高斯滤波处理，得到目标水域的水底平滑显著图像；
具体的，高斯滤波是一种线性平滑滤波，用于对原始水底显著图像进行消除高斯噪声处理，具体的，对原始水底显著图像进行加权平均的过程，每一个像素点的值，均由其本身和邻域内的其他像素值经过加权平均后得到，即通过一个模板(或称卷积、掩模)扫描原始水底显著图像中的每一个像素，利用该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。
步骤三，对上述水底平滑显著图像进行二值化处理，得到目标水域的最终水底显著图像。
具体的，上述目标水域的最终水底显著图像可以表示为：
Figure 713084DEST_PATH_IMAGE020
其中，
Figure 520503DEST_PATH_IMAGE021
表示水底平滑显著图像
Figure 222880DEST_PATH_IMAGE022
表示最终水底显著图像，
Figure 115750DEST_PATH_IMAGE023
表示预设阈值。
进一步的，在利用视觉注意机制得到目标水域的水底显著图像后，由于该水底显著图像信息能够表征所关注目标的显著反差特征（即亮度反差特征和方向视觉反差特征），因此基于该水底显著图像可以对水底的大致位置进行初步圈定，进而再基于该初步圈定得到的大致位置进行水底的精准位置定位，具体的，针对目标水域的真实水底位置的确定过程，如图4所示，上述S206，利用预设水底检测方法，基于上述水底显著图像，确定目标水域的真实水底位置信息，具体包括：
S2062，基于上述水底显著图像，确定目标水域中真实水底所在的至少一个水底连通域；其中，该水底连通域能够表征目标水域中水底在水底显著图像中的大致位置；
具体的，可以由人为进行手动标记真实水底可能存在的几个区域，也可以是自动对水底显著图像进行联通区域标记，确定至少一个水底连通域。
S2064，利用预设水底检测方法，基于上述至少一个水底连通域，确定目标水域的真实水底位置信息。
其中，上述预设水底检测方法可以是现有的水底检测方法，例如，幅度检测法、或者相位法检测法；具体的，可以直接利用预设水底检测，在至少一个水底连通域内，基于幅度最大值或者幅度平均值对应的像素点，确定目标水域的真实水底位置信息；也可以先在至少一个水底连通域中，选择水底位置得分最大的水底连通域作为目标水底连通域，例如，基于水底连通域的区域面积或者区域连通性来确定该水底连通域对应的水底位置得分，如区域面积越大或者区域连通性越高，则该水底连通域对应的水底位置得分越高，其中水底位置得分越高说明该水底连通域越能够表征水底的真实位置；再利用预设水底检测方法，基于该目标水底连通域对应的直角坐标信息确定目标水域的真实水底位置信息；针对幅度检测法而言，在目标水底连通域内，基于幅度最大值或者幅度平均值对应的像素点，确定目标水域的真实水底位置信息。
具体的，针对基于水底显著图像对目标水域的水底位置进行初步圈定的过程，上述S2062，基于上述水底显著图像，确定目标水域中真实水底所在的至少一个水底连通域，具体包括：
步骤一，对上述水底显著图像进行连通区域划分，得到多个备选连通域；
步骤二，按照预设连通域约束条件，在上述多个备选连通域中，选取目标水域中真实水底所在的至少一个水底连通域；其中，该至少一个水底连通域用于表征目标水域的水底预估位置，该预设连通域约束条件是结合目标水域的水底尺寸特征预设设定的，该预设连通域约束条件用于限定在标记得到的多个连通域中筛选出符合水底尺寸特征的水底所在的连通域。
具体的，上述预设连通域约束条件可以是连通域面积大于预设面积阈值、连通域长宽尺寸大于预设尺寸阈值、连通域不规则程度小于预设阈值等约束条件中至少一项，这样能够将大概率不为水底的连通域筛选掉，进而基于大概率表征为水底的连通域确定真实水底位置信息；
具体的，在基于水底显著图像对目标水域的水底位置进行初步圈定，得到目标水域对应的至少一个水底连通域后，针对基于该至少一个水底连通域进行水底位置精准定位，确定最终的真实水底位置的过程，上述 S2064，利用预设水底检测方法，基于上述至少一个水底连通域，确定目标水域的真实水底位置信息，具体包括：
步骤一，获取针对目标水域所确定的声纳图像-波束图像间的位置对应关系；其中，该位置对应关系包括：水底声纳图像的像素点信息与目标水域的水底波束图像的坐标信息之间的位置对应关系；
具体的，上述声纳图像-波束图像间的位置对应关系可以是在生成水底声纳图像的过程中确定并存储的。
步骤二，基于上述声纳图像-波束图像间的位置对应关系，确定上述至少一个水底连通域对应的像素点在水底波束图像中的直角坐标信息；
步骤三，利用预设水底检测方法，基于确定出的各水底连通域对应的直角坐标信息，确定目标水域的真实水底位置信息。
具体的，先将选取出的大概率表征为水底的连通域在水底声纳图像中的像素点信息转换为在水底波束图像中的直角坐标信息；再利用预设水底检测方法，在选取出的大概率表征为水底的连通域中选取目标水底连通域，基于该目标水底连通域对应的直角坐标信息，确定目标水域的真实水底位置信息。
另外，在具体实施时，也可以先利用预设水底检测方法，在至少一个水底连通域中确定目标水底连通域，再基于声纳图像-波束图像间的位置对应关系，确定该目标水底连通域对应的像素点在水底波束图像中的直角坐标信息，并基于该目标水底连通域对应的直角坐标信息确定目标水域的真实水底位置信息。
进一步的，针对目标水域的水底声纳图像的生成过程，具体的，上述S202，获取目标水域的水底声纳图像，具体包括：
步骤一，获取利用多波束测深装置采集目标水域针对多波束发射信号所反射的水体回波信号；
具体的，利用多波束测深装置中的多波束发射模块向目标水域中发射多波束声信号，并利用多波束测深装置中的回波信号接收模块接收水体反射回的回波信号。
步骤二，基于目标水域的水体回波信号，生成目标水域的水底声纳图像。
具体的，针对基于水体回波信号得到水底声纳图像的过程，上述步骤二，基于目标水域的水体回波信号，生成目标水域的水底声纳图像，具体包括：
步骤a1，对目标水域的水体回波信号进行波束形成处理，得到目标水域的原始水底波束图像；
步骤a2，对上述原始水底波束图像进行滤波处理，得到目标水域的纯净水底波束图像；
具体的，假设原始水底波束图像中每个波束信号起始处有一小段静默信号，以此作为背景噪声，对背景噪声和波束信号进行傅里叶变换得到其频谱，用波束回波频谱减去噪声频谱后得到降噪后波束回波频谱，再进行傅里叶逆变换得到降噪后的波束信号，即得到降噪后的水底波束图像。
步骤a3，对上述纯净水底波束图像进行坐标转换，得到在直角坐标系下目标水域的最终水底波束图像；
具体的，由于纯净水底波束图像中的数据点是以极坐标方式表示的，包含波束角 度
Figure 561774DEST_PATH_IMAGE024
和回波到达时间t信息，而确定真实水底位置时需要对这些数据进行变换，由极坐标变 换到直角坐标系。其中，坐标转换公式为：
Figure 223700DEST_PATH_IMAGE025
其中，
Figure 96978DEST_PATH_IMAGE009
表示水平距离，
Figure 477144DEST_PATH_IMAGE026
表示深度，
Figure 569602DEST_PATH_IMAGE027
表示表面声速。
步骤a4，对上述最终水底波束图像进行格网处理，得到目标水域的水底声纳图像；其中，该水底声纳图像为包含m×n个像素点声纳图像。
进一步的，考虑到在基于目标水域的真实水底对应的至少一个水底连通域，确定最终的真实水底位置的过程，需要借助水底声纳图像的像素点信息与最终水底波束图像的坐标信息之间的位置对应关系，来将确定出的水底连通域对应的像素点信息转换为对应的直角坐标信息，基于此，在上述步骤a4，对上述最终水底波束图像进行格网处理，得到目标水域的水底声纳图像之后，还包括：
存储目标水域的水底声纳图像的像素点信息与最终水底波束图像的坐标信息之间的位置对应关系。
在一个具体实施例中，如图5所示，上述水底位置的检测方法具体包括：
利用多波束测深装置中的信号发射模块向目标水域中发射多波束声信号；
利用多波束测深装置中的信号接收模块采集目标水域所反射回的回波信号；其中，该信号接收模块可以包括多个阵元1至M,即M个信号接收通道；
利用多波束测深装置中的信号处理模块对上述回波信号进行波束形成处理，到目标水域的第一波束图像；再对第一波束图像进行滤波去噪处理，得到目标水域的第二波束图像；再对第二波束图像进行坐标转换处理，得到直角坐标系下的第三波束图像；再对第三波束图像进行格网变换处理，得到包含m×n像素点的水底声纳图像；
存储水底声纳图像的像素点信息与目标水域的第三波束图像的坐标信息之间的位置对应关系；
以上述水底声纳图像为基础，构建N级高斯金字塔，得到水域亮度特征图；以及，对上述水域亮度特征图进行Gabor方向滤波，得到目标水域的方向视觉特征图；即通过低通滤波抽样得到目标水域的水域亮度特征图和方向视觉特征图，其中，该水域亮度特征图包括水底本身的亮度特征和非水体对象的亮度特征；
利用中央-周边差算法对水域亮度特征图进行反差特征提取处理，得到目标水域的亮度反差特征图，以及对方向视觉特征图进行反差特征提取处理，得到目标水域的方向反差特征图；
将目标水域的亮度反差特征图和方向反差特征图进行合成处理，得到目标水域的原始水底显著图像；
对上述原始水底显著图像进行高斯滤波、二值化处理，得到目标水域的最终的水底显著图像；
对二值化后的水底显著图像进行连通域划分，得到多个备选连通域；
基于目标水域的水底尺寸特征，在多个备选连通域中选取目标水域中真实水底所在的至少一个水底连通域；
基于预存的水底声纳图像的像素点信息与目标水域的水底波束图像的坐标信息之间的位置对应关系，确定上述至少一个水底连通域在水底波束图像中的坐标信息；
利用预设水底检测法，基于各至少一个水底连通域在水底波束图像中的坐标信息，确定目标水域的真实水底位置信息。
本发明实施例中的水底位置的检测方法，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
对应上述图2至图5描述的水底位置的检测方法，基于相同的技术构思，本发明实施例还提供了一种水底位置的检测装置，图6为本发明实施例提供的水底位置的检测装置的模块组成示意图，该装置用于执行图2至图5描述的水底位置的检测方法，如图6所示，该装置包括：
声纳图像获取模块602，用于获取目标水域的水底声纳图像，其中，所述水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
显著图像生成模块604，用于利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像；其中，所述水底显著图像包括：图像亮度特征和方向视觉特征，所述水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
水底位置确定模块606，用于利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息。
本发明实施例中，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
可选地，所述显著图像生成模块604，具体用于：
利用视觉注意机制，对所述水底声纳图像进行特征提取，得到所述目标水域的水域亮度特征图和方向视觉特征图；
利用中央-周边差算法，基于所述水域亮度特征图和所述方向视觉特征图，生成所述目标水域的亮度反差特征图和方向反差特征图；
对所述亮度反差特征图和所述方向反差特征图进行合成处理，得到所述目标水域的水底显著图像。
可选地，所述显著图像生成模块604，进一步具体用于：
基于所述水底声纳图像构建N级高斯金字塔，得到所述目标水域的水域亮度特征图，其中，所述水域亮度特征图包括以N级高斯金字塔形式分布的多尺寸亮度图像；
利用预设方向滤波器，基于所述水底声纳图像进行方向滤波，得到所述目标水域的方向视觉特征图。
可选地，所述显著图像生成模块604，进一步具体用于：
利用中央-周边差算法，分别将所述水域亮度特征图和所述方向视觉特征图的高斯金字塔周边层插值放大与中央层相同的尺寸，得到所述目标水域的多尺寸亮度反差特征图和多尺寸方向反差特征图；
利用反差取大值算法，分别将所述多尺寸亮度反差特征图和所述多尺寸方向反差特征图放大到与高斯金字塔最低端层级相同的尺寸，得到所述目标水域的最大亮度反差特征图和最大方向反差特征图。
可选地，所述显著图像生成模块604，进一步具体用于：
对所述亮度反差特征图和所述方向反差特征图进行加权处理，得到所述目标水域的原始水底显著图像；
对所述原始水底显著图像进行高斯滤波处理，得到所述目标水域的水底平滑显著图像；
对所述水底平滑显著图像进行二值化处理，得到所述目标水域的最终水底显著图像。
可选地，所述水底位置确定模块606，具体用于：
基于所述水底显著图像，确定所述目标水域中真实水底所在的至少一个水底连通域；
利用预设水底检测方法，基于所述至少一个水底连通域，确定所述目标水域的真实水底位置信息。
可选地，所述水底位置确定模块606，进一步具体用于：
对所述水底显著图像进行连通区域划分，得到多个备选连通域；
按照预设连通域约束条件，在所述多个备选连通域中，选取所述目标水域中真实水底所在的至少一个水底连通域。
可选地，所述水底位置确定模块606，进一步具体用于：
获取针对所述目标水域所确定的声纳图像-波束图像间的位置对应关系；其中，所述位置对应关系包括：所述水底声纳图像的像素点信息与所述目标水域的水底波束图像的坐标信息之间的位置对应关系；
基于所述声纳图像-波束图像间的所述位置对应关系，确定所述至少一个水底连通域对应的像素点在所述水底波束图像中的直角坐标信息；
利用预设水底检测方法，基于各所述水底连通域对应的所述直角坐标信息，确定所述目标水域的真实水底位置信息。
可选地，所述声纳图像获取模块602，具体用于：
获取利用多波束测深装置采集目标水域针对多波束发射信号所反射的水体回波信号；
基于所述目标水域的所述水体回波信号，生成所述目标水域的水底声纳图像。
可选地，所述声纳图像获取模块602，进一步具体用于：
对所述目标水域的所述水体回波信号进行波束形成处理，得到所述目标水域的原始水底波束图像；
对所述原始水底波束图像进行滤波处理，得到所述目标水域的纯净水底波束图像；
对所述纯净水底波束图像进行坐标转换，得到在直角坐标系下所述目标水域的最终水底波束图像；
对所述最终水底波束图像进行格网处理，得到所述目标水域的水底声纳图像。
可选地，所述装置还包括：对应关系存储模块，用于：
存储所述水底声纳图像的像素点信息与所述最终水底波束图像的坐标信息之间的位置对应关系。
本发明实施例中的水底位置的检测装置，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
需要说明的是，本说明书中关于水底位置的检测装置的实施例与本说明书中关于水底位置的检测方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的水底位置的检测方法的实施，重复之处不再赘述。
进一步地，对应上述图2至图5所示的方法，基于相同的技术构思，本发明实施例还提供了一种水底位置的检测设备，该设备用于执行上述的水底位置的检测方法，如图7所示。
水底位置的检测设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块（图示未示出），每个模块可以包括对水底位置的检测设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在水底位置的检测设备上执行存储器702中的一系列计算机可执行指令。水底位置的检测设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入输出接口705，一个或一个以上键盘706等。
在一个具体的实施例中，水底位置的检测设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对水底位置的检测设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取目标水域的水底声纳图像，其中，所述水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像；其中，所述水底显著图像包括：图像亮度特征和方向视觉特征，所述水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息。
本发明实施例中的水底位置的检测设备，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
需要说明的是，本说明书中关于水底位置的检测设备的实施例与本说明书中关于水底位置的检测方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的水底位置的检测方法的实施，重复之处不再赘述。
进一步地，对应上述图2至图5所示的方法，基于相同的技术构思，本发明实施例还提供了一种存储介质，用于存储计算机可执行指令，一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
获取目标水域的水底声纳图像，其中，所述水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像；其中，所述水底显著图像包括：图像亮度特征和方向视觉特征，所述水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息。
本发明实施例中的存储介质存储的计算机可执行指令在被处理器执行时，在获取到目标水域的水底声纳图像后，先利用视觉注意机制，基于该水底声纳图像，生成目标水域的水底显著图像；再利用预设水底检测方法，基于该水底显著图像，确定目标水域的真实水底位置信息。通过先利用视觉注意机制，对水底声纳图像进行显著特征提取，得到水底显著图像，该水底显著图像能够表征水底本身与水域内非水体对象之间的显著反差特征，因此，基于该水底显著图像能够对水底的位置进行初步区域圈定，确定水底的预估位置信息，进而再利用预设水底检测方法，基于该预估位置信息对水底的位置进行精准定位，从而提高了多波束测探声纳系统对目标水域的真实水底位置的定位准确度。
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于水底位置的检测方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的水底位置的检测方法的实施，重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device，PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HD Cal、JHDL（Java Hardware Description Language）、Lava、Lola、My HDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书一个或多个是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器（CPU）、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体（transitory media），如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书一个或多个可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书一个或多个的实施例而已，并不用于限制本说明书一个或多个。对于本领域技术人员来说，本说明书一个或多个可以有各种更改和变化。凡在本说明书一个或多个的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个的权利要求范围之内。

Claims (14)

1.一种水底位置的检测方法，其特征在于，所述方法包括：
获取目标水域的水底声纳图像，其中，所述水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像；其中，所述水底显著图像包括：图像亮度特征和方向视觉特征，所述水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息。
2.根据权利要求1所述的方法，其特征在于，所述利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像，包括：
利用视觉注意机制，对所述水底声纳图像进行特征提取，得到所述目标水域的水域亮度特征图和方向视觉特征图；
利用中央-周边差算法，基于所述水域亮度特征图和所述方向视觉特征图，生成所述目标水域的亮度反差特征图和方向反差特征图；
对所述亮度反差特征图和所述方向反差特征图进行合成处理，得到所述目标水域的水底显著图像。
3.根据权利要求2所述的方法，其特征在于，所述利用视觉注意机制，对所述水底声纳图像进行特征提取，得到所述目标水域的水域亮度特征图和方向视觉特征图，包括：
基于所述水底声纳图像构建N级高斯金字塔，得到所述目标水域的水域亮度特征图，其中，所述水域亮度特征图包括以N级高斯金字塔形式分布的多尺寸亮度图像；
利用预设方向滤波器，基于所述水底声纳图像进行方向滤波，得到所述目标水域的方向视觉特征图。
4.根据权利要求2所述的方法，其特征在于，所述利用中央-周边差算法，基于所述水域亮度特征图和所述方向视觉特征图，生成所述目标水域的亮度反差特征图和方向反差特征图，包括：
利用中央-周边差算法，分别将所述水域亮度特征图和所述方向视觉特征图的高斯金字塔周边层插值放大与中央层相同的尺寸，得到所述目标水域的多尺寸亮度反差特征图和多尺寸方向反差特征图；
利用反差取大值算法，分别将所述多尺寸亮度反差特征图和所述多尺寸方向反差特征图放大到与高斯金字塔最低端层级相同的尺寸，得到所述目标水域的最大亮度反差特征图和最大方向反差特征图。
5.根据权利要求2所述的方法，其特征在于，所述对所述亮度反差特征图和所述方向反差特征图进行合成处理，得到所述目标水域的水底显著图像，包括：
对所述亮度反差特征图和所述方向反差特征图进行加权处理，得到所述目标水域的原始水底显著图像；
对所述原始水底显著图像进行高斯滤波处理，得到所述目标水域的水底平滑显著图像；
对所述水底平滑显著图像进行二值化处理，得到所述目标水域的最终水底显著图像。
6.根据权利要求1所述的方法，其特征在于，所述利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息，包括：
基于所述水底显著图像，确定所述目标水域中真实水底所在的至少一个水底连通域；
利用预设水底检测方法，基于所述至少一个水底连通域，确定所述目标水域的真实水底位置信息。
7.根据权利要求6所述的方法，其特征在于，所述基于所述水底显著图像，确定所述目标水域中真实水底所在的至少一个水底连通域，包括：
对所述水底显著图像进行连通区域划分，得到多个备选连通域；
按照预设连通域约束条件，在所述多个备选连通域中，选取所述目标水域中真实水底所在的至少一个水底连通域。
8.根据权利要求6所述的方法，其特征在于，所述利用预设水底检测方法，基于所述至少一个水底连通域，确定所述目标水域的真实水底位置信息，包括：
获取针对所述目标水域所确定的声纳图像-波束图像间的位置对应关系；其中，所述位置对应关系包括：所述水底声纳图像的像素点信息与所述目标水域的水底波束图像的坐标信息之间的位置对应关系；
基于所述声纳图像-波束图像间的所述位置对应关系，确定所述至少一个水底连通域对应的像素点在所述水底波束图像中的直角坐标信息；
利用预设水底检测方法，基于各所述水底连通域对应的所述直角坐标信息，确定所述目标水域的真实水底位置信息。
9.根据权利要求1所述的方法，其特征在于，所述获取目标水域的水底声纳图像，包括：
获取利用多波束测深装置采集目标水域针对多波束发射信号所反射的水体回波信号；
基于所述目标水域的所述水体回波信号，生成所述目标水域的水底声纳图像。
10.根据权利要求9所述的方法，其特征在于，所述基于所述目标水域的所述水体回波信号，生成所述目标水域的水底声纳图像，包括：
对所述目标水域的所述水体回波信号进行波束形成处理，得到所述目标水域的原始水底波束图像；
对所述原始水底波束图像进行滤波处理，得到所述目标水域的纯净水底波束图像；
对所述纯净水底波束图像进行坐标转换，得到在直角坐标系下所述目标水域的最终水底波束图像；
对所述最终水底波束图像进行格网处理，得到所述目标水域的水底声纳图像。
11.根据权利要求10所述的方法，其特征在于，在对所述最终水底波束图像进行格网处理，得到所述目标水域的水底声纳图像之后，还包括：
存储所述水底声纳图像的像素点信息与所述最终水底波束图像的坐标信息之间的位置对应关系。
12.一种水底位置的检测装置，其特征在于，包括：
声纳图像获取模块，用于获取目标水域的水底声纳图像，其中，所述水底声纳图像是基于利用多波束测深装置所采集的水体回波信号得到的；
显著图像生成模块，用于利用视觉注意机制，基于所述水底声纳图像，生成所述目标水域的水底显著图像；其中，所述水底显著图像包括：图像亮度特征和方向视觉特征，所述水底显著图像用于表征水底本身与水域内非水体对象之间的显著反差特征；
水底位置确定模块，用于利用预设水底检测方法，基于所述水底显著图像，确定所述目标水域的真实水底位置信息。
13.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现如权利要求1-11任一项所述的水底位置的检测方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-11任一项所述的水底位置的检测方法。
CN202110356032.5A 2021-04-01 2021-04-01 一种水底位置的检测方法及装置 Active CN112799071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110356032.5A CN112799071B (zh) 2021-04-01 2021-04-01 一种水底位置的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110356032.5A CN112799071B (zh) 2021-04-01 2021-04-01 一种水底位置的检测方法及装置

Publications (2)

Publication Number Publication Date
CN112799071A true CN112799071A (zh) 2021-05-14
CN112799071B CN112799071B (zh) 2022-02-15

Family

ID=75816225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110356032.5A Active CN112799071B (zh) 2021-04-01 2021-04-01 一种水底位置的检测方法及装置

Country Status (1)

Country Link
CN (1) CN112799071B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111867A (zh) * 2021-06-15 2021-07-13 北京星天科技有限公司 一种声呐图像识别方法和装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508446A (zh) * 2018-03-28 2018-09-07 青岛海洋地质研究所 基于海底冷泉成像数据的扇形变换方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508446A (zh) * 2018-03-28 2018-09-07 青岛海洋地质研究所 基于海底冷泉成像数据的扇形变换方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李娜: "基于视觉显著性与C-V水平集模型的图像分割方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
郭婧: "基于图像分析与处理的海底地貌单元边界提取方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
阳凡林，暴景阳，胡兴树: "《水下地形测量》", 31 January 2017, 武汉：武汉大学出版社 *
阳凡林等: "多波束声纳水柱影像探测中底层水域目标的研究进展", 《山东科技大学学报自然科学版》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111867A (zh) * 2021-06-15 2021-07-13 北京星天科技有限公司 一种声呐图像识别方法和装置

Also Published As

Publication number Publication date
CN112799071B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
US10062195B2 (en) Method and device for processing a picture
CN104715474B (zh) 基于标记分水岭算法的高分辨率合成孔径雷达图像线性建筑物检测方法
US10497128B2 (en) Method and system for sea background modeling and suppression on high-resolution remote sensing sea images
CN109697441B (zh) 一种目标检测方法、装置及计算机设备
EP3677881A1 (en) Water level measurement device and shoreline extraction method
CN112799071B (zh) 一种水底位置的检测方法及装置
CN116152087A (zh) 无限制对抗样本生成方法、装置、电子设备及存储介质
CN115493612A (zh) 一种基于视觉slam的车辆定位方法及装置
CN112329677B (zh) 基于特征融合的遥感图像河道目标检测方法和装置
Wang et al. RPFNet: Recurrent pyramid frequency feature fusion network for instance segmentation in side-scan sonar images
CN111027512B (zh) 一种遥感图像近岸船检测与定位方法及装置
CN117392187A (zh) 基于空间注意力模型的sar图像变化检测方法及设备
CN115358962B (zh) 一种端到端视觉里程计方法及装置
CN112825116A (zh) 监控视频图像人脸检测和追踪方法、装置、介质及设备
CN110728311A (zh) 一种图像处理方法、装置和存储介质
CN114529828A (zh) 遥感图像居民地要素提取方法和装置及设备
CN111967292B (zh) 一种轻量级的sar图像船只检测方法
Chen et al. HFPNet: Super Feature Aggregation Pyramid Network for Maritime Remote Sensing Small-Object Detection
US11874407B2 (en) Technologies for dynamic, real-time, four-dimensional volumetric multi-object underwater scene segmentation
Wang et al. Sonar image detection based on multi-scale multi-column convolution neural networks
CN113792764A (zh) 一种样本扩充方法、系统、存储介质及电子设备
KR20220048300A (ko) 수중 영상 데이터를 생성하는 장치 및 방법
Busson et al. Seismic shot gather noise localization using a multi-scale feature-fusion-based neural network
CN111898531B (zh) 卫星通信信号识别方法、装置及电子设备
Fu et al. A shadow-removal based saliency map for point feature detection of underwater objects

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