CN118134758A - 基于wt和surf算法的水下超声波图像的拼接方法 - Google Patents
基于wt和surf算法的水下超声波图像的拼接方法 Download PDFInfo
- Publication number
- CN118134758A CN118134758A CN202410560786.6A CN202410560786A CN118134758A CN 118134758 A CN118134758 A CN 118134758A CN 202410560786 A CN202410560786 A CN 202410560786A CN 118134758 A CN118134758 A CN 118134758A
- Authority
- CN
- China
- Prior art keywords
- images
- underwater ultrasonic
- edge
- image
- underwater
- 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 77
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims description 5
- 238000011430 maximum method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 description 24
- 238000003384 imaging method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种基于WT和SURF算法的水下超声波图像的拼接方法,属于水下超声波图像拼接技术领域,包括以下步骤:步骤一,读取待拼接的两幅水下超声波图像;步骤二,提取待拼接的水下超声波图像的边缘图像;步骤三,计算边缘图像的SURF特征点描述符;步骤四,确定边缘图像之间的潜在的匹配对;步骤五,确定边缘图像之间的正确的匹配对;步骤六,建立边缘图像之间的映射关系,确定边缘图像之间的重叠区;步骤七,配准与融合待拼接的两幅水下超声波图像;步骤八,输出拼接后的水下超声波图像。本发明采用上述方法,为水下超声波图像拼接提供一种新方法。本发明方法具有一定的抗散斑噪声的能力,更适合于水下超声波图像的拼接。
Description
技术领域
本发明涉及水下超声波图像的拼接技术领域,尤其涉及一种基于WT和SURF算法的水下超声波图像的拼接方法。
背景技术
水下超声波成像设备是一种重要的和不可替代的水下超声波测量设备,已广泛应用于水下目标寻找、水下捞救、水下施工、智能水下机器人导航与避碰、海底探宝(比如锰结核等)、海洋开发利用以及海洋军事活动(如探测水雷)等。在利用水下超声波成像设备进行海底目标测量时,由于以下原因,经常无法得到海底目标的完整的超声波图像:(1)通常不知道水下目标的准确位置;(2)有些目标比如海底沉船和失事飞机等体积较大;(3)超声波成像距离较近;(4)超声波成像设备成像范围的限制。由于无法得到海底目标的完整的超声波图像,导致无法进行海底目标的测量。为了得到海底目标的完整的超声波图像,需要将同一场景、同一条件下得到的同一个海底目标的有部分重叠的多幅目标不完整的超声波图像拼接到一起,形成一幅目标完整的超声波图像,所以水下超声波图像的拼接通常是海底目标测量的基础和关键步骤。
超声波成像原理导致水下超声波图像中不可避免地存在散斑噪声。散斑噪声影响水下超声波图像的拼接。水下超声波图像的拼接是水下超声波测量领域的一个重要问题,也是一个公认的难题。
文献1 [H. Bay, T. Tuytelaars, L. V. Gool. SURF: Speeded up robustfeatures. Proceedings of the 9th European Conference on Computer Vision,2006: 404-417.]中提出的SURF(speeded up robust features)算法是一种应用广泛的图像特征点描述方法。基于SURF算法的拼接方法是一种应用广泛的图像拼接方法。但这种方法抗噪声能力弱,应用于水下超声波图像拼接时容易受散斑噪声影响而出现较多的错误匹配点进而影响图像的拼接甚至导致错误的拼接。
鉴于基于SURF算法的拼接方法是目前应用广泛的图像拼接方法,WT(wavelettransform)擅长于图像边检和边缘提取,本发明将SURF算法与WT结合,提供一种新的更适合于水下超声波图像的拼接方法:基于WT和SURF算法的水下超声波图像的拼接方法。
发明内容
本发明将SURF算法与WT(wavelet transform)结合,发明一种新的更适合于水下超声波图像的拼接方法:基于WT和SURF算法的水下超声波图像的拼接方法,该方法包括以下步骤:
步骤一,读取待拼接的两幅水下超声波图像;
步骤二,提取待拼接的水下超声波图像的边缘图像;
步骤三,计算边缘图像的SURF特征点描述符;
步骤四,确定边缘图像之间的潜在的匹配对;
步骤五,确定边缘图像之间的正确的匹配对;
步骤六,建立边缘图像之间的映射关系,确定边缘图像之间的重叠区;
步骤七,配准与融合待拼接的两幅水下超声波图像;
步骤八,输出拼接后的水下超声波图像。
本发明具有以下有益效果:
本发明方法利用图像边缘上的特征点进行图像拼接,因为图像边缘含有目标的重要信息,所以本发明方法可以进行有效的图像拼接。本发明方法仅仅利用图像边缘上的特征点进行图像拼接,这样可以在不失去重要特征点的前提下减少特征点的数目,尤其是减少图像中非真正边缘上的特征点的数目,而非真正边缘上的特征点中有相当大的一部分不是真正的特征点,是散斑噪声产生的,所以本发明方法具有一定的抗散斑噪声的能力。因为散斑噪声是水下超声波图像中的主要干扰,所以本发明方法更适合于水下超声波图像的拼接。另外,本发明方法可以减少潜在的匹配对和正确的匹配对的数目,从而降低拼接过程的复杂程度。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1是本发明实施例的方法的流程图;
图2(a)是待拼接的水下超声波图像实例1中的一幅图像;
图2(b)是待拼接的水下超声波图像实例1中的另一幅图像;
图2(c)是目标(失事飞机)完整的水下超声波图像,图2(a)和图2(b)是由图2(c)截取出的两幅有重叠的待拼接的图像;
图3(a)是图2(a)对应的边缘图像;
图3(b)是图2(b)对应的边缘图像;
图4是图3(a)和图3(b)之间的正确的匹配对;
图5是利用本发明方法得到的图2(a)和图2(b)拼接后的图像;
图6是图2(a)和图2(b)之间的正确的匹配对;
图7是利用基于SURF算法的拼接方法得到的图2(a)和图2(b)拼接后的图像;
图8(a)是待拼接的水下超声波图像实例2中的一幅图像;
图8(b)是待拼接的水下超声波图像实例2中的另一幅图像;
图8(c)是目标(海底沉船)完整的水下超声波图像,图8(a)和图8(b)是由图8(c)截取出的两幅有重叠的待拼接的图像;
图9(a)是图8(a)对应的边缘图像;
图9(b)是图8(b)对应的边缘图像;
图10是图9(a)和图9(b)之间的正确的匹配对;
图11是利用本发明方法得到的图8(a)和图8(b)拼接后的图像;
图12是图8(a)和图8(b)之间的正确的匹配对;
图13是利用基于SURF算法的拼接方法得到的图8(a)和图8(b)拼接后的图像。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,以下结合附图及实施例,对本发明实施例进行完整、详细地描述。显然,所描述的实施例仅是本发明的一部分实施例,不是全部的实施例。
如图1所示,本发明所述的基于WT和SURF算法的水下超声波图像的拼接方法,包括以下步骤。
步骤一,读取待拼接的两幅水下超声波图像。
图2是水下超声波图像实例1,它是失事飞机的水下超声波图像。图2(a)和2(b)是两幅待拼接的水下超声波图像,它们之间有部分重叠区。但这两幅图像中的目标(失事飞机)都不完整:图2(a)中目标(失事飞机)暗区不完整,2(b)中目标(失事飞机)亮区不完整。这两幅图像是由图2(c)截取出来的,图2(c)是一幅目标(失事飞机)完整的水下超声波图像。这里给出图2(c)是为了考查拼接的效果。
步骤二,提取待拼接的水下超声波图像的边缘图像。
用Matlab编程实现文献2 [S. Mallat, W. L. Hwang. Singularity detectionand processing with wavelet. IEEE Transactions on Information Theory, 1992,38(2): 617-643.]中的小波模极大值法,提取待拼接的水下超声波图像的边缘图像,如图3(a)和3(b)所示。在上述过程中,选用Gabor小波,小波变换的尺度因子为2。
步骤三,计算边缘图像的SURF特征点描述符。
用Matlab编程,利用文献1 [H. Bay, T. Tuytelaars, L. V. Gool. SURF:Speeded up robust features. Proceedings of the 9th European Conference onComputer Vision, 2006: 404-417.]中的方法,计算步骤二中得到的边缘图像的SURF特征点描述符。在上述过程中,高斯函数的核是1.2。
步骤四,确定边缘图像之间的潜在的匹配对。
用Matlab编程,根据步骤三中得到的SURF特征点描述符计算两幅边缘图像中各
特征点之间的欧几里得距离,利用利用文献3 [张锐娟, 张建奇, 杨翠. 基于SURF的图像
配准方法研究. 红外与激光工程, 2009, 38(1): 160-165.]中的最临近匹配原则确定潜
在的匹配对。在上述过程中,距离之比的阈值(即文献3中的系数)为0.5。由于潜在的匹
配对的数目NPMP(number of potential matching pairs)较多,无法以图像的形式清晰显
示,这里不给出图示。
步骤五,确定边缘图像之间的正确的匹配对。
用Matlab编程,利用文献4 [M. A. Fischler, R. C. Bolles. Random sampleconsensus: a paradigm for model fitting with applications to image analysisand automated cartography. Communications of the ACM, 1981, 24(6): 381-395.]中的RANSAC(random sample consensus)算法在两幅边缘图像之间的潜在的匹配对中确定正确的匹配对。图4中红色线连接的两点组成一个正确的匹配对。
步骤六,建立边缘图像之间的映射关系,确定边缘图像之间的重叠区。
用Matlab编程,利用文献5 [贺经纬, 尤红建. 基于SURF算子的SAR图像匹配改进算法研究. 遥感技术与应用, 2009, 24(6): 822-826.]中的仿射变换关系式建立两幅边缘图像之间的映射关系(即文献5中的变换模型),确定两幅边缘图像之间的重叠区。
步骤七,配准与融合待拼接的两幅水下超声波图像。
根据步骤六中得到的两幅边缘图像之间的映射关系和两幅边缘图像之间的重叠区,用Matlab编程,将两幅边缘图像对应的水下超声波图像(即步骤一中读取的图2(a)和2(b))进行配准,配准的同时利用如下加权平均法进行融合:重叠区的像素的灰度值取两幅图像的对应像素的灰度值的平均值,非重叠区的像素的灰度值保持不变。
步骤八,输出拼接后的水下超声波图像,如图5所示。
为了比较,也给出水下超声波图像实例1经过基于SURF算法的拼接方法的拼接结果。在这种方法中,没有小波模极大值法边缘图像提取这个步骤,直接在图2(a)和2(b)上实施如下步骤:(1)计算SURF特征点描述符;(2)确定潜在的匹配对;(3)确定正确的匹配对;(4)建立映射关系,确定重叠区;(5)配准与融合。利用这种方法,图2(a)和2(b)之间的正确的匹配对如图6所示,拼接结果如图7所示。相关参数的取值同前。
仅仅从图2(c)、图5、图7,由于人类视觉的局限,看不出本发明方法与基于SURF算法的拼接方法哪种方法拼接的结果更好。但对比图4与图6,可以明显地看出,本发明方法中正确的匹配对的数目NCMP(number of correct matching pairs)更少。这样有助于减小步骤六的复杂性。
除了从视觉上判断之外,还可以利用一些客观的指标对拼接的结果进行评价。表1给出水下超声波图像实例1经过本发明方法和基于SURF算法的拼接方法两种情况下的正确的匹配对的数目NCMP、正确的匹配对的数目NCMP与潜在的匹配对的数目NPMP之比NCMP/NPMP、拼接后的图像与图2(c)所示的原水下超声波图像的结构相似性SSIM(structuralsimilarity)。
表中数据表明,与基于SURF算法的拼接方法相比,本发明方法的NCMP、NCMP/NPMP、SSIM三个指标均有优势。NCMP有优势说明本发明方法可以减小步骤六的复杂性;NCMP/NPMP有优势说明本发明方法可以减小步骤五的复杂性;SSIM有优势说明本发明方法的拼接结果与原水下超声波图像更接近,即得到了更好的拼接结果。
图8是水下超声波图像实例2,它是海底沉船的水下超声波图像。图8(a)和8(b)是两幅待拼接的水下超声波图像,它们之间有部分重叠区。但这两幅图像中的目标(海底沉船)都不完整:图8(a)中目标(海底沉船)亮区不完整,8(b)中目标(海底沉船)暗区不完整。这两幅图像是由图8(c)截取出来的,图8(c)是一幅目标(海底沉船)完整的水下超声波图像。这里给出图8(c)是为了考查拼接的效果。图8(c)来源于文献6[Aysun Taşyapi Çelebi,Sarp Ertürk. Target detection in sonar images using empirical modedecomposition and morphology. 2010 IEEE 18th Signal Processing andCommunications Applications Conference, 2010: 760-763.]。对于水下超声波图像实例2,按照上述实施步骤和参数选取方法,得到如图9(a)和9(b)所示的边缘图像,如图10所示的边缘图像之间的正确的匹配对(图中红色线连接的两点组成一个正确的匹配对),如图11所示的拼接后的水下超声波图像。
为了比较,也给出水下超声波图像实例2经过基于SURF算法的拼接方法的拼接结果。在这种方法中,没有小波模极大值法边缘图像提取这个步骤,直接在图8(a)和8(b)上实施如下步骤:(1)计算SURF特征点描述符;(2)确定潜在的匹配对;(3)确定正确的匹配对;(4)建立映射关系,确定重叠区;(5)配准与融合。利用这种方法,图8(a)和8(b)之间的正确的匹配对如图12所示,拼接结果如图13所示。有关参数的取值同前。
仅仅从图8(c)、图11、图13,由于人类视觉的局限,看不出本发明方法与基于SURF算法的拼接方法哪种方法拼接的结果更好。但对比图10与图12,可以明显地看出,本发明方法中正确的匹配对的数目NCMP更少。这样有助于减小步骤六的复杂性。
除了从视觉上判断之外,还可以利用一些客观的指标对拼接的结果进行评价。表2给出水下超声波图像实例2经过本发明方法和基于SURF算法的拼接方法两种情况下的正确的匹配对的数目NCMP、正确的匹配对的数目NCMP与潜在的匹配对的数目NPMP之比NCMP/NPMP、拼接后的图像与图8(c)所示的原水下超声波图像的结构相似性SSIM。
表中数据表明,与基于SURF算法的拼接方法相比,本发明方法的NCMP、NCMP/NPMP、SSIM三个指标均有优势。NCMP有优势说明本发明方法可以减小步骤六的复杂性;NCMP/NPMP有优势说明本发明方法可以减小步骤五的复杂性;SSIM有优势说明本发明方法的拼接结果与原水下超声波图像更接近,即得到了更好的拼接结果。这个结果与水下超声波图像实例1拼接的结果是一致的。
从以上两个实例可以看出,与基于SURF算法的拼接方法相比,本发明方法的拼接结果与原水下超声波图像更接近,即得到了更好的拼接结果;拼接过程复杂性也相对较小。
与基于SURF算法的拼接方法不同,本发明方法不是在待拼接的水下超声波图像上直接实施SURF特征点描述符的计算等步骤,而是先利用小波模极大值法提取待拼接的水下超声波图像的边缘,得到边缘图像;然后在边缘图像上实施SURF特征点描述符的计算等步骤,建立边缘图像之间的映射关系,确定边缘图像之间的重叠区;最后在待拼接的水下超声波图像上利用得到的边缘图像之间的映射关系和重叠区实施待拼接的水下超声波图像的配准和融合。本发明方法利用图像边缘上的特征点进行图像拼接,因为图像边缘含有目标的重要信息,所以本发明方法可以进行有效的图像拼接。本发明方法仅仅利用图像边缘上的特征点进行图像拼接,这样可以在不失去重要特征点的前提下减少特征点的数目,尤其是减少图像中非真正边缘上的特征点的数目,而非真正边缘上的特征点中有相当大的一部分不是真正的特征点,是散斑噪声产生的,所以本发明方法可以减少水下超声波图像中散斑噪声的干扰,从而使拼接的结果更好。所以本发明方法更适合于水下超声波图像的拼接。另外,本发明方法可以减少潜在的匹配对和正确的匹配对的数目,从而降低拼接过程的复杂程度。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (2)
1.一种基于WT和SURF算法的水下超声波图像的拼接方法,其特征在于,包括以下步骤:
步骤一,读取待拼接的两幅水下超声波图像;
步骤二,利用小波模极大值法提取待拼接的水下超声波图像的边缘图像;
步骤三,计算边缘图像的SURF特征点描述符;
步骤四,利用最临近匹配原则确定边缘图像之间的潜在的匹配对;
步骤五,利用RANSAC算法确定边缘图像之间的正确的匹配对;
步骤六,利用仿射变换关系式建立边缘图像之间的映射关系,确定边缘图像之间的重叠区;
步骤七,利用加权平均法将配准的待拼接的两幅水下超声波图像进行融合;
步骤八,输出拼接后的水下超声波图像。
2.根据权利要求1所述的一种基于WT和SURF算法的水下超声波图像的拼接方法,其特征在于,先利用小波模极大值法提取待拼接的水下超声波图像的边缘图像;然后在边缘图像上计算SURF特征点描述符,建立边缘图像之间的映射关系,确定边缘图像之间的重叠区;最后在待拼接的水下超声波图像上利用得到的边缘图像之间的映射关系和重叠区实施待拼接的水下超声波图像的配准和融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410560786.6A CN118134758A (zh) | 2024-05-08 | 2024-05-08 | 基于wt和surf算法的水下超声波图像的拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410560786.6A CN118134758A (zh) | 2024-05-08 | 2024-05-08 | 基于wt和surf算法的水下超声波图像的拼接方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118134758A true CN118134758A (zh) | 2024-06-04 |
Family
ID=91242070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410560786.6A Pending CN118134758A (zh) | 2024-05-08 | 2024-05-08 | 基于wt和surf算法的水下超声波图像的拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118134758A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622732A (zh) * | 2012-03-14 | 2012-08-01 | 上海大学 | 一种前扫声纳图像拼接方法 |
CN104881841A (zh) * | 2015-05-20 | 2015-09-02 | 南方电网科学研究院有限责任公司 | 基于边缘特征与点特征的航拍高压电力塔架图像拼接方法 |
-
2024
- 2024-05-08 CN CN202410560786.6A patent/CN118134758A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622732A (zh) * | 2012-03-14 | 2012-08-01 | 上海大学 | 一种前扫声纳图像拼接方法 |
CN104881841A (zh) * | 2015-05-20 | 2015-09-02 | 南方电网科学研究院有限责任公司 | 基于边缘特征与点特征的航拍高压电力塔架图像拼接方法 |
Non-Patent Citations (1)
Title |
---|
HENGYU LI等: "An Adaptive Image-stitching Algorithm for an Underwater Monitoring System", INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS, 31 December 2014 (2014-12-31), pages 1 - 9 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galceran et al. | A real-time underwater object detection algorithm for multi-beam forward looking sonar | |
CN109829423B (zh) | 一种结冰湖泊红外成像检测方法 | |
Song et al. | Automatic ship detection for optical satellite images based on visual attention model and LBP | |
CN114612769A (zh) | 一种融入局部结构信息的集成感知红外成像舰船检测方法 | |
CN112102197A (zh) | 一种辅助潜水员的水下目标检测系统及方法 | |
Hou et al. | Underwater man-made object recognition on the basis of color and shape features | |
Al-Rawi et al. | Intensity normalization of sidescan sonar imagery | |
Long et al. | Underwater forward-looking sonar images target detection via speckle reduction and scene prior | |
CN109993744B (zh) | 一种海上逆光环境下的红外目标检测方法 | |
CN111428573A (zh) | 一种复杂背景下的红外弱小目标检测虚警抑制方法 | |
CN113673385B (zh) | 基于红外图像的海面舰船检测方法 | |
CN112669332B (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
CN112862748B (zh) | 一种多维域特征联合sar船舰智能检测方法 | |
CN112435249B (zh) | 一种基于周扫红外搜索系统的动态小目标检测方法 | |
CN111428624B (zh) | 一种光学遥感图像在轨舰船目标检测方法 | |
Zou et al. | Sonar Image Target Detection for Underwater Communication System Based on Deep Neural Network. | |
CN111105390B (zh) | 一种改进的海天线检测和评估方法 | |
CN118134758A (zh) | 基于wt和surf算法的水下超声波图像的拼接方法 | |
CN108460773B (zh) | 一种基于偏移场水平集的声纳图像分割方法 | |
CN105551029A (zh) | 一种多光谱遥感图像舰船检测方法 | |
CN110874599A (zh) | 一种基于图像识别的舰船检测方法 | |
CN114236490A (zh) | 基于水面回波模型的x波段导航雷达溢油探测系统 | |
CN114202587A (zh) | 基于船载单目相机的视觉特征提取方法 | |
Liu et al. | Optical imaging study of underwater acousto-optical fusion imaging systems | |
JP2000353234A (ja) | 衛星画像からの海面抽出処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |