CN105869138B - 一种基于图像匹配的吊放式声纳方位修正方法 - Google Patents
一种基于图像匹配的吊放式声纳方位修正方法 Download PDFInfo
- Publication number
- CN105869138B CN105869138B CN201510061565.5A CN201510061565A CN105869138B CN 105869138 B CN105869138 B CN 105869138B CN 201510061565 A CN201510061565 A CN 201510061565A CN 105869138 B CN105869138 B CN 105869138B
- Authority
- CN
- China
- Prior art keywords
- image
- sonar
- value
- template
- column
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像匹配的吊放式声纳方位修正方法,其特征在于,包括:步骤1、对声纳图像进行图像栅格处理:步骤2、对图像栅格处理的输出进行二值分割;步骤3、选择参考模板,所述参考模板为声纳图像时间序列上的任意一帧,或者对时间序列上连续多帧进行统计后获得;步骤4、根据相似性测度原则,计算二值分割后图像和参考模板的相关矩阵;步骤5、根据相关矩阵判定当前图像的偏移信息;步骤6、根据所述偏移信息对二值分割后图像进行修正。本发明的方法对吊放式声纳方位进行有效修正。
Description
技术领域
本发明涉及水下主动探测技术领域,具体涉及一种基于图像匹配的吊放式声纳方位修正方法。
背景技术
吊放式声纳广泛应用于直升机、舰船和码头,可用于监视、侦测海洋环境、海洋生物和水下人类活动。由于平台和成本限制,吊放式声纳往往没有安装指向罗经和姿态伺服器,受涌浪影响,声纳在水下必然存在旋转和摆动。缺少姿态补偿时,声纳图像将存在左右抖动的现象。通过图像匹配技术,获取当前图像航向偏移量,可有效修正吊放式声纳图像左右抖动的现象。
时效性和匹配精度是图像匹配算法的两个重要指标。目前的图像匹配方法基本上分3类:基于区域的匹配方法,基于特征的匹配方法,基于解释的匹配方法。基于区域的方法中,交叉相关方法时效性较高,但匹配精度较差;互信息交互方差的方法匹配精度较高,时效性较差。基于特征的方法,时效性较高,但匹配精度依赖于特征提取的质量。基于解释的图像匹配方法建立在对图像正确解译的基础上,从而对于图像的质量和先验知识的要求较高。考虑吊放式声纳除了航向变化,同时存在纵横摇变化,其导致波束照射至水底或水面,引起声纳图像混响背景剧烈变化。结合不同方法的优势,本文考虑使用基于二值分割的图像特征匹配方法,并通过图像分割,保证较高的匹配精度和时效性。
发明内容
本发明要解决的技术问题是现有吊放式声纳因水下姿态不稳定引起的声纳图像左右抖动的问题。为了解决上述问题本发明提供一种基于图像匹配的吊放式声纳方位修正方法。
本发明提供的基于图像匹配的吊放式声纳方位修正方法,包括:
步骤1、对声纳图像进行图像栅格处理:
h 1(•)为图像分割函数,f i,j (r,c)为声纳图像以(r,c)为左上点,尺寸为R×C的第i行,第j列区域子图,g i,j 为f i,j (r,c)经图像分割处理后的图像的第i行、第j列像素值;
步骤2、对图像栅格处理的输出进行二值分割:
a i,j 为二值分割后图像的第i行,第j列像素值,dt为二值化判决域值,mean为均值函数,std为方差函数,A为修正值,A的取值大小在0与声纳图像信噪比之间,信噪比越大,A的取值越大;
步骤3、选择参考模板,所述参考模板为声纳图像时间序列上的任意一帧,或者对时间序列上连续多帧进行统计后获得;
步骤4、根据相似性测度原则,计算二值分割后图像和参考模板的相关矩阵;
步骤5、根据相关矩阵判定当前图像的偏移信息;
步骤6、根据所述偏移信息对二值分割后图像进行修正。
进一步,二值分割后图像和参考模板的相关矩阵的计算公式为,;b ’ 为模板图像,为模板的第m-i行、第n-j列像素值;c为模板匹配输出相关矩阵,c m,n 为相关矩阵的第m行、第n列相关值; (cv,cr,cc)含义为c的最大值为cv,cv在c的第cr行、第cc列;max为取最大值。
进一步,a 0为图像序列中的某一帧图像,当b ’ ∈a 0时,即图像模板b ’ 为图像a 0中以(i 0,j 0)为左上点的尺寸为M×N的区域,a 0尺寸为W×H,极限情况可为 b ’ =a 0,则:
(cv 0,cr 0,cc 0)表示图像a 0与其区域 b ’ 的自相关矩阵c 0的最大值为cv 0,cv 0在相关矩阵c 0的第cr 0行,第cc 0列;依据相关原则,当cv 0满足域值DT(•)时,图像偏移量为:
rm为实时图像a行偏移量,cm为实时图像a列偏移量。
本发明相比现有技术的优点在于:
(1)本发明可提高设备的适装性,在同等条件下,不需要安装指向罗经和姿态伺服器,减小设备研制成本。
(2)本发明具有较高的时效性和精度,对于背景缓慢变化的图像方位修正的准确率达到100%,对于背景剧烈变化的图像方位修正的准确率优于80%。
附图说明
图1是本发明的处理流程图。
图2是本发明的原理仿真结果示意图,(a)为模版、(b)为实时图像,(c)为相关中心,相关中心为(40,30),(d)为修正后的图像。
图3是本发明的实际数据人为偏移仿真结果示意图,(a)为模版,(b)为实时图像,(c)为相关中心,相关中心为(10,0),(d)为修正后的图像;
图4是本发明的实际数据稳态背景单一模板处理结果示意图;(a)为模版、(b)为第56帧图像,(c)为相关中心,相关中心为(-4,0),(d)为第56帧图像修正后的图像;
图5是本发明的实际数据非稳态背景单一模板处理结果示意图;(a)为模版、(b)为第1412帧图像,(c)为相关中心,相关中心为(1,0),(d)为第1412帧图像修正后的图像;
图6是本发明的实际数据非稳态背景时变模板处理结果示意图;(a)为模版、(b)为实时图像,(c)为相关中心,相关中心为(-3,0),(d)为修正后的图像。
具体实施方式
下文中,结合附图和实施例对本发明做进一步阐述。
参考图1,本发明所提供的基于图像匹配的吊放式声纳方位修正方法包括:
步骤1,获取二维声纳图像序列,对任一声纳图像进行图像栅格处理:
h 1(•)为图像分割函数,f i,j (r,c)为声纳图像以(r,c)为左上点,尺寸为R×C的第i行,第j列区域子图,g i,j 为f i,j (r,c)经图像分割后图像的第i行、第j列像素值。
步骤2,对图像栅格处理后的输出进行二值分割:
a i,j 为二值分割后图像的第i行,第j列像素值,dt为二值化判决域值,mean为均值函数,std为方差函数,为修正值,A的取值大小在0与声纳图像信噪比之间,信噪比越大,A的取值越大,本领域技术人员可以根据实际情况选择的取值。
步骤3,参考模板可选择声纳图像时间序列上的任意一帧,亦可对时间序列上连续多帧进行统计后获得:
步骤4,根据相似性测度原则,计算当前图像和参考模板的相关矩阵:
b ’ 为模板图像,c为模板匹配输出相关矩阵,c m,n 为相关矩阵的第m行、第n列相关值,为模板的第m-i行、第n-j列像素值;(cv,cr,cc)含义为c的最大值为cv,cv在c的第cr行、第cc列,max取最大值。
步骤5,搜索相关矩阵峰值,根据相关矩阵来判定当前图像的偏移信息:
a 0为图像序列中的某一帧图像,当b ’ ∈a 0时,即模板b ’ 为图像a 0中以(i 0,j 0)为左上点的尺寸为M×N的区域,a 0尺寸为W×H,极限情况可为b ’ =a 0,则:
(cv 0,cr 0,cc 0)为图像a 0与其区域b ’ 的自相关矩阵c 0的最大值cv 0在第cr 0行,第cc 0列。依据相关原则,当cv 0满足域值DT(•)时,图像偏移量为:
rm为实时图像a行偏移量,cm为实时图像a列偏移量。
步骤6,图像修正:
a ’ i,j 为修正后图像的第i行,第j列像素值。
利用本发明对某型吊放式反蛙人声纳进行图像抖动修正,图像矩阵为192个波束(360°),1000个距离象素(400米),h1(•)选用中值滤波器实现,处理效果见图1~图5所示,性能统计如表1所示。
表1 多组实际数据处理性能统计
由表1可以看出,本发明所提供的方法可以对声纳抖动引起图像变形进行修正,修正的准确率满足应用需求。
图2中(a)为选用的模板,(b)为实时图像,(c)为相关矩阵峰值示意图,(d)为修正后的图像,从图2可以看出经过本发明所提供的方法相关矩阵峰值得到有效修正。
图3中,先选择声纳图像时间序列上的任意一帧图像(a)为模板,然后将模板图像左偏10度,得到实时图像(b),再采用本发明所提供的方法进行修正,得到修正后的图像(d),比较(a)和(d),可以看出本发明所提供的方法可以将左偏离修正。
图4为本发明所提供的方法应用于稳态背景的示意图。
图5和图6为本发明所提供的方法应用于非稳态背景的示意图。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (5)
1.一种基于图像匹配的吊放式声纳方位修正方法,其特征在于,包括:
步骤1、对声纳图像进行图像栅格处理:
gi,j=h1(fk,l(r,c))
h1(·)为图像分割函数,fk,l(r,c)为声纳图像以(r,c)为左上点,尺寸为R×C的第k行,第l列区域子图,gi,j为fk,l(r,c)经图像分割处理后的图像的第i行、第j列像素值;
步骤2、对图像栅格处理的输出进行二值分割:
dt=mean(g)+std(g)+A
ai,j为二值分割后图像的第i行,第j列像素值,dt为二值化判决域值,mean为均值函数,std为方差函数,A为修正值,A的取值大小在0与声纳图像信噪比之间,信噪比越大,A的取值越大;
步骤3、选择参考模板,所述参考模板为声纳图像时间序列上的任意一帧,或者对时间序列上连续多帧进行统计后获得;
步骤4、根据相似性测度原则,计算二值分割后图像和参考模板的相关矩阵;
步骤5、根据相关矩阵判定当前图像的偏移信息;
步骤6、根据所述偏移信息对二值分割后图像进行修正。
2.依据权利要求1所述的基于图像匹配的吊放式声纳方位修正方法,其特征在于,所述参考模板为对声纳图像时间序列上连续多帧进行统计后获得的情况下,参考模板第i行,第j列的像素值为:b′i,j=mean(bi,j)+std(bi,j)+A;bi,j为时间序列上任意帧的第i行,第j列的像素值。
4.依据权利要求3所述的基于图像匹配的吊放式声纳方位修正方法,其特征在于,a0为图像序列中的某一帧图像,当b’∈a0时,即图像模板b’为图像a0中以(i0,j0)为左上点的尺寸为M×N的区域,a0尺寸为W×H,极限情况可为b’=a0,则:
cr0=i0+M
cc0=j0+N
cv0=c0(cr0,cc0)
(cv0,cr0,cc0)表示图像a0与其区域b’的自相关矩阵c0的最大值为cv0,cv0在相关矩阵c0的第cr0行,第cc0列;依据相关原则,当cv0满足域值DT(·)时,图像偏移量为:
rm=cr-cr0
cm=cc-cc0
rm为实时图像a行偏移量,cm为实时图像a列偏移量。
5.依据权利要求4 所述的基于图像匹配的吊放式声纳方位修正方法,其特征在于,修正后图像的第i行,第j列像素值为:a′i,j=ai+rm,j+cm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510061565.5A CN105869138B (zh) | 2015-02-06 | 2015-02-06 | 一种基于图像匹配的吊放式声纳方位修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510061565.5A CN105869138B (zh) | 2015-02-06 | 2015-02-06 | 一种基于图像匹配的吊放式声纳方位修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105869138A CN105869138A (zh) | 2016-08-17 |
CN105869138B true CN105869138B (zh) | 2021-09-10 |
Family
ID=56623589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510061565.5A Expired - Fee Related CN105869138B (zh) | 2015-02-06 | 2015-02-06 | 一种基于图像匹配的吊放式声纳方位修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105869138B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5155706A (en) * | 1991-10-10 | 1992-10-13 | Westinghouse Electric Corp. | Automatic feature detection and side scan sonar overlap navigation via sonar image matching |
DE10054814A1 (de) * | 2000-11-04 | 2002-05-08 | Philips Corp Intellectual Pty | Verfahren und Vorrichtung zur Registrierung von Bildern |
CN101034476A (zh) * | 2007-03-29 | 2007-09-12 | 上海大学 | 水下无阴影声纳遥感正射数字图像的计算机生成方法 |
CN101770582B (zh) * | 2008-12-26 | 2013-05-08 | 鸿富锦精密工业(深圳)有限公司 | 图像匹配***及方法 |
CN102096069B (zh) * | 2010-12-17 | 2012-10-03 | 浙江大学 | 一种相控阵三维声学摄像声纳实时处理***和方法 |
CN102313547B (zh) * | 2011-05-26 | 2013-02-13 | 东南大学 | 基于手绘轮廓语义地图的移动机器人视觉导航方法 |
CN102622732A (zh) * | 2012-03-14 | 2012-08-01 | 上海大学 | 一种前扫声纳图像拼接方法 |
CN103226828B (zh) * | 2013-04-09 | 2015-09-30 | 哈尔滨工程大学 | 一种水下机器人声视觉三维成像的图像配准方法 |
CN104268894B (zh) * | 2014-10-17 | 2017-08-25 | 盐城工学院 | 一种基于目标物像素投影判断的断层切片图像配准方法 |
-
2015
- 2015-02-06 CN CN201510061565.5A patent/CN105869138B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105869138A (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11488308B2 (en) | Three-dimensional object detection method and system based on weighted channel features of a point cloud | |
CN106960446B (zh) | 一种面向无人艇应用的水面目标检测跟踪一体化方法 | |
CN108108746B (zh) | 基于Caffe深度学习框架的车牌字符识别方法 | |
CN108960135B (zh) | 基于高分辨遥感图像的密集舰船目标精确检测方法 | |
CN107680116B (zh) | 一种监测视频图像中运动目标的方法 | |
CN112837303A (zh) | 一种用于模具监视的缺陷检测方法、装置、设备及介质 | |
CN103886325B (zh) | 一种分块的循环矩阵视频跟踪方法 | |
CN103955930B (zh) | 基于灰度积分投影互相关函数特征的运动参数估计方法 | |
CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
CN103080979B (zh) | 从照片合成肖像素描的***和方法 | |
CN104680483B (zh) | 图像的噪声估计方法、视频图像去噪方法及装置 | |
CN103455991A (zh) | 一种多聚焦图像融合方法 | |
WO2017113692A1 (zh) | 一种图像匹配方法及装置 | |
CN109165603B (zh) | 一种舰船检测方法及装置 | |
CN104079800A (zh) | 一种视频监控中视频图像的抗抖动方法 | |
CN114863258B (zh) | 海天线场景中基于视角转换检测小目标的方法 | |
CN111178193A (zh) | 一种车道线的检测方法、检测装置及计算机可读存储介质 | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
CN109034070B (zh) | 一种置换混叠图像盲分离方法及装置 | |
CN113899349A (zh) | 海浪参数检测方法、设备及存储介质 | |
JP2023003763A (ja) | 学習装置、画像処理装置、学習処理方法、及びプログラム | |
CN105869138B (zh) | 一种基于图像匹配的吊放式声纳方位修正方法 | |
CN107067397A (zh) | 一种基于红外图像复杂度的图像分级方法 | |
CN109087334B (zh) | 基于显著语境稀疏表示的目标追踪方法 | |
CN110490170A (zh) | 一种人脸候选框提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210910 Termination date: 20220206 |
|
CF01 | Termination of patent right due to non-payment of annual fee |