CN112305548A

CN112305548A - 一种主动声呐回波图中运动小目标的实时检测方法

Info

Publication number: CN112305548A
Application number: CN202011169364.4A
Authority: CN
Inventors: 韩一娜; 魏卓群; 赵爽; 刘清宇; 宋俊
Original assignee: Northwestern Polytechnical University
Current assignee: Northwestern Polytechnical University
Priority date: 2020-10-28
Filing date: 2020-10-28
Publication date: 2021-02-02
Anticipated expiration: 2040-10-28
Also published as: CN112305548B

Abstract

本发明公开了一种主动声呐回波图中运动小目标的实时检测方法，首先按照设定步长，将当前待处理图像存入先进先出存储模块，再将其中两幅图像进行滤波处理，然后进行空间平滑和梯度求导计算，得到通量张量矩阵，再计算通量张量矩阵的迹，最后计算通量张量矩阵的迹的扩展峰度，得到运动小目标检测结果；通过对主动声呐回波图像序列连续进行处理，得到连续的运动小目标实时检测结果。该方法相比于传统的运动小目标检测方法，极大地降低了虚警率，提升了鲁棒性和检测精度。

Description

一种主动声呐回波图中运动小目标的实时检测方法

技术领域

本发明属于图像处理领域，具体涉及一种小目标实时检测方法。

背景技术

目前，已经在声呐图像处理中得到应用的无监督运动目标检测技术包括基于高斯混合模型(Gaussian mixture model，GMM)的背景消减技术和时间间隙度(high-ordertime lacunarity,HOT-Lac)等。发表的文献包括《水下无人***学报》中2018年发表的《混合高斯模型和Radon变换用于声呐图像背景抑制》和《The Journal of the AcousticalSociety of America》中2020年发表的《Detecting moving targets in active sonarechograph of harbor environment using high-order time lacunarity》等。但是，基于GMM的方法计算量大，难以在实际应用中实现实时处理，HOT-Lac方法则需要存储多帧声呐图像数据，对声呐***的存储能力具有较高要求。

随着高频主动声呐帧率和信号处理能力的提高，主动声呐各空间分辨率单元的回波强度的时空变化可以为小目标入侵检测提供更有效的信息。例如，在1998年《IEEEJournal of Oceanic Engineering》中发表的《Robust tracking of multiple objectsin sector scan sonar image sequences using optical flow motion estimation》使用了经典的光流法估计目标在主动声呐监测区域的速度，然后跟踪和识别目标；在目标分割领域，灰度结构张量和通量张量与光流相比可以更加有效地利用时空一致性，产生更高的输出信噪比和更多的空间相干运动分割结果。其中，已发表的文献包括：《Advances inVisual Computing,First International Symposium,ISVC 2005,Lake Tahoe,NV,USA,December 5-7,2005,Proceedings》中2005年发表的《Adaptive Robust StructureTensors for Orientation Estimation and Image Segmentation》，以及《Journal ofMultimedia》中2007年发表的《Flux Tensor Constrained Geodesic Active Contourswith Sensor Fusion for Persistent Object Tracking》等。

上述的基于通量张量的运动检测器虽然已经广泛地应用于红外图像、视频监控和生物医学视频分析等领域，但是针对小目标的非刚性特性和港口环境中复杂杂波的挑战，迄今为止，该技术尚不能应用于水下运动小目标检测中。

发明内容

为了克服现有技术的不足，本发明提供了一种主动声呐回波图中运动小目标的实时检测方法，首先按照设定步长，将当前待处理图像存入先进先出存储模块，再将其中两幅图像进行滤波处理，然后进行空间平滑和梯度求导计算，得到通量张量矩阵，再计算通量张量矩阵的迹，最后计算通量张量矩阵的迹的扩展峰度，得到运动小目标检测结果；通过对主动声呐回波图像序列连续进行处理，得到连续的运动小目标实时检测结果。该方法相比于传统的运动小目标检测方法，极大地降低了虚警率，提升了鲁棒性和检测精度。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：定义在t时刻的主动声呐回波图像序列为：

{X₁,...,X_t}＝{I_i(x,y):-B≤x≤B；0≤y≤L；1≤i≤t}, (1)

其中，X₁,…,X_t表示主动声呐回波图像，B和L分别表示波束开角和回波距离极限，I_i为第i帧的声呐回波图，(x,y)表示主动声呐回波图像像素点坐标；

构造先进先出存储模块，用于存储当前待处理主动声呐回波图像；

在先进先出存储模块后设置预滤波模块，用于突出运动小目标边缘信息；

设定步长为N，定义k＝1；

步骤2：将主动声呐回波图像序列中的第k帧到第k+N帧主动声呐回波图像存入先进先出存储模块；再将第k帧和第k+N帧主动声呐回波图像输入到预滤波模块进行滤波；

步骤3：对步骤2经过滤波之后的结果进行空间平滑和梯度求导计算，得到通量张量矩阵J_F(x)，再由式(2)计算通量张量矩阵J_F(x)的迹：

其中，x＝[x,y,t]，z表示以x为中心的时空邻域Ω(x,z)的范围；

步骤4：计算通量张量矩阵J_F(x)的迹的扩展峰度：

EKFTMT_i,j＝median{(trace(J_F(x))-M[trace(J_F(x))])⁴} (3)

其中，median{·}表示求中值计算，M[trace(J_F(x))]表示通量张量矩阵J_F(x)的迹的基元中值；计算结果即为由第k帧和第k+N帧主动声呐回波图像检测到的运动小目标；

步骤5：令k加1，返回步骤2，得到连续的运动小目标实时检测结果。

优选地，所述预滤波模块为高斯滤波模块或拉普拉斯滤波模块或高斯拉普拉斯滤波器。

本发明的有益效果是：

1、本发明方法设计出的水下小目标运动检测方法的虚警率低于基于GMM的方法，并且计算量更少，可以满足实时运动目标检测。

2、本发明方法相比于HOT-Lac方法需要输入的帧数更少，且虚警率更低，在船舶驶入监测区域的情况下，其抗干扰性能更好。

3、本发明方法的目标检测精度更高，相比于传统的在光学图像中广泛应用的基于FTMT的运动检测器，本方法极大地降低了虚警率，提升了鲁棒性和检测精度。

附图说明

图1是本发明的运动小目标实时检测方法***图。

图2是本发明实施例中所用的海试数据原始声呐回波图像的多帧累积；。

图3是包含小目标的主动声呐回波图，其中图3(a)为无船驶入时，图3(b)为有船驶入时。

图4是4种不同方法结果对比图，其中图4(a)为GMM的结果图，图4(b)为HOT-Lac的结果图，图4(c)为FTMT的结果图，图4(d)为本发明所用的EKFTMT方法的结果图。

图5为运动目标检测性能的ROC曲线。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

受到小目标的非刚性特性和港口环境中复杂杂波的挑战，传统的基于通量张量的运动检测器不再适用。为此，本发明提出了一种新的主动声呐回波图中检测运动目标的通量张量矩阵迹的扩展峰度框架。为了抵抗目标回波能量变化对检测精度带来的影响，引入了预滤波模块对运动目标的边缘信息进行突出；针对声呐回波图中低信号-杂波比(signal-to-clutter ratio,SCR)的问题，引入扩展的峰度计算模块，以增加运动目标与杂波的类间距离。

如图1所示，本发明提供了一种主动声呐回波图中运动小目标的实时检测方法，包括以下步骤：

步骤1：感兴趣目标为具有较弱散射强度且运动状态不稳定的小目标，在运动中，小目标做远离声呐方向的直线运动。如图2所示，小目标运动轨迹在图2中白色方框中给出，定义在t时刻的主动声呐回波图像序列为：

{X₁,...,X_t}＝{I_i(x,y):-B≤x≤B；0≤y≤L；1≤i≤t}, (4)

设定步长为N，定义k＝1；

其中，x＝[x,y,t]，z表示以x为中心的时空邻域Ω(x,z)的范围；

步骤4：计算通量张量矩阵J_F(x)的迹(flux tensor matrix trace,FTMT)的扩展峰度(extended kurtosis of flux tensor matrix trace,EKFTMT)：

EKFTMT_i,j＝median{(trace(J_F(x))-M[trace(J_F(x))])⁴} (6)

具体实施例：

如图3所示，更实际的情况是强干扰源和目标回波同时存在于监测的时空范围内。船舶尾流和空泡噪声是港口环境中典型的强干扰。一艘非感兴趣目标的船舶在100帧后入侵到监测区域，空化噪声的高亮带扩展到500范围。在图3(b)中，沿红色箭头所指向的回波距离方向延伸的高强度带是由船舶行驶过程中螺旋桨旋转产生的尾迹噪声和空化噪声形成的。由于在一定波束方向接收到的空化噪声是用混响级归一化的，所以声呐回波中空化噪声的强度随着距离轴的增大而增大，这一强烈的空化噪声干扰一直持续到监测结束。

如图4所示，小目标具有低散射率、散射强度不稳定以及在运动过程中随目标运动方式不稳定的特点。在FTMT图中，目标清晰可见，但在图4(c)中，空化噪声位置仍有部分干扰能量。在EKFTMT图中，大部分干扰被抑制，图4(d)中的目标SCR明显高于图4(a)和4(b)中的SCR。

如图5所示，比较了基于GMM、HOT-Lac、FTMT和EKFTMT的运动检测器的性能。为了进一步说明检测性能的差异，计算了不同数据类型对应的ROC曲线下面积(AUC)。四种方法的AUC值分别为0.8918、0.9412、0.8526和0.9993，EKFTMT取得了最佳检测性能。与三种传统方法相比，本发明提出的方法的AUC值最高。

Claims

1.一种主动声呐回波图中运动小目标的实时检测方法，其特征在于，包括以下步骤：

步骤1：定义在t时刻的主动声呐回波图像序列为：

{X₁,...,X_t}＝{I_i(x,y):-B≤x≤B；0≤y≤L；1≤i≤t}, (1)其中，X₁,…,X_t表示主动声呐回波图像，B和L分别表示波束开角和回波距离极限，I_i为第i帧的声呐回波图，(x,y)表示主动声呐回波图像像素点坐标；

设定步长为N，定义k＝1；

其中，x＝[x,y,t]，z表示以x为中心的时空邻域Ω(x,z)的范围；

步骤4：计算通量张量矩阵J_F(x)的迹的扩展峰度：

EKFTMT_i,j＝median{(trace(J_F(x))-M[trace(J_F(x))])⁴} (3)

2.根据权利要求1所述的一种主动声呐回波图中运动小目标的实时检测方法，其特征在于，所述预滤波模块为高斯滤波模块或拉普拉斯滤波模块或高斯拉普拉斯滤波器。