一种基于前视图像声呐的海底管道三维重构方法及系统与流程

1.本发明涉及声呐图像处理技术领域，尤其涉及一种基于前视图像声呐的海底管道三维重构方法及系统。


背景技术：

2.二维前视声呐图像提供了距离和方位角，可以通过极坐标公式转换成横、纵坐标(x,y)，但是丢失了高度，前视声呐成像模型如图1所示，实际的q点投影点为o点，在声呐成像平面上用p近似表示。前人利用光学领域的明暗恢复形状算法(sfs)，恢复二维声呐图像丢失的高度，实现了二维声呐图像的三维重构。但是传统sfs算法利用的lambert漫反射模型是一个很不准确的模型，经实验验证，lambert模型在预测诸如粘土，沙子等海底成分的反射率时，真实值和估计值存在较大的误差，因此将光学领域的sfs算法直接运用到海底声呐图像的三维重构得到的结果是不可靠的。oren,nayar提出了综合的漫反射模型，即oren and nayar漫反射模型，该模型预测上述的粘土、沙子等材料的反射率更加接近真实值，由此可见该模型能够更为真实的预测相关材料的反射率。光学领域的研究人员将oren and nayar漫反射模型替换了传统的sfs算法中的lambert模型得到了改进的sfs算法，在光学应用中，改进的sfs算法的重构结果比传统sfs的结果在精度方面表现更加优异。
3.前视声呐的三维重构核心是恢复丢失的高度z。原oren and nayar模型如(1)所示，其几何模型如图2，α
i
是入射角，θ
i
入射波束方位角，α
r
反射角，θ
r
反射波束方位角，μ＝max(α
i
,α
r
)，ν＝min(α
i
,α
r
)，这里a,b为常数。在光学上source是光源，receiver为相机，声学上，source为发射换能器，receiver为接收换能器。由于前视声呐收发换能器共用，故θ
i
＝θ
r
,α
i
＝α
r
＝ν＝μ，模型简化为(2)。
[0004][0005][0006]
在oren and nayar漫反射模型中，反射强度，即声图中的像素可以和高度z在x,y两个方向的偏导数建立联系，如(3)所示。由反射强度求出这两个偏导数(z对x,y方向的偏导数分别用z
x
,z
y
表示)，便可以得到求得高度z。但是由一个已知量(像素值)求两个未知量，这是一个病态问题。


技术实现要素：

[0007]
本发明的目的在于克服现有技术缺陷，提出了一种基于前视图像声呐的海底管道三维重构方法及系统。
[0008]
为了实现上述目的，本发明提出了一种基于前视图像声呐的海底管道三维重构方法，所述方法包括：
[0009]
步骤1)获取海底管道的二维前视声呐图像；
[0010]
步骤2)初始化相关参数，所述相关参数包括反射率、高度和入射强度；
[0011]
步骤3)根据相关参数，采用oren and nayar漫反射模型计算合成图像的像素；
[0012]
步骤4)由合成图像的像素与二维前视声呐图像像素计算均方误差；
[0013]
步骤5)当均方误差大于预设精度阈值时，根据均方误差，采用梯度下降的方式迭代更新相关参数，并转至步骤3)；否则转至步骤6)；
[0014]
步骤6)获得此时的高度参数，从而完成基于前视图像声呐的海底管道三维重构。
[0015]
作为上述方法的一种改进，所述反射率的初值设置在0到1之间，入射强度初值设置为二维前视声呐图像的像素值，高度初值设置为声呐相对海底的高度。
[0016]
作为上述方法的一种改进，所述步骤3)具体包括：
[0017]
根据点(x,y)处的反射率ρ(x,y)、高度z(x,y)和入射强度i0(x,y)，采用oren and nayar漫反射模型计算合成图像在(x,y)处的像素为：
[0018][0019]
a＝1
‑
0.5σ2/(σ2 0.33)
[0020]
b＝0.45σ2/(σ2 0.33)
[0021]
其中，参数σ表示高斯分布的标准差，用于表面粗糙度的量度；x,y,z分别表示重构物体的三维坐标；z
x
表示z对x的偏导数，z
y
表示z对y的偏导数。
[0022]
作为上述方法的一种改进，所述步骤4)具体包括：对于重构范围内n个点，由合成图像的像素和声呐图像像素i(x,y)，根据下式计算均方误差e为：
[0023][0024]
作为上述方法的一种改进，所述根据均方误差，采用梯度下降的方式迭代更新相关参数；具体包括：
[0025]
对点(x,y)处的反射率ρ(x,y)、高度z(x,y)和入射强度i0(x,y)根据预设的迭代步长λ，由下式计算得到迭代后的反射率ρ
′
(x,y)、高度z
′
(x,y)和入射强度i0′
(x,y)为：
[0026][0027][0028][0029]
其中，λ在0到1之间；
[0030]
对具有相同方位角的点(x,y)，根据下式对i0′
(x,y)进行正则化处理，得到正则化处理后的入射强度i0″
(x,y)：
[0031]
i0″
(x,y)＝median{i0′
(x,y)|(x,y)∈d}
[0032]
其中，median表示正则化处理，d为相同方位角的点的集合；
[0033]
将ρ
′
(x,y)、z
′
(x,y)和i0″
(x,y)分别赋值给ρ(x,y)、z(x,y)和i0(x,y)。
[0034]
一种基于前视图像声呐的海底管道三维重构系统，所述系统包括：声呐图像获取模块、初始化模块和迭代重构模块；其中，
[0035]
所述声呐图像获取模块，用于获取海底管道的二维前视声呐图像；
[0036]
所述初始化模块，用于初始化相关参数，所述相关参数包括反射率、高度和入射强度；
[0037]
所述迭代重构模块，用于根据相关参数，采用oren and nayar漫反射模型计算合成图像的像素；由合成图像的像素与二维前视声呐图像像素计算均方误差；当均方误差大于等于预设精度阈值时，根据均方误差，采用梯度下降的方式迭代更新相关参数，循环处理；直至均方误差小于预设精度阈值，获得此时的高度参数，从而完成基于前视图像声呐的海底管道三维重构。
[0038]
作为上述系统的一种改进，所述反射率的初值设置在0到1之间，入射强度初值设置为二维前视声呐图像的像素值，高度初值设置为声呐相对海底的高度。
[0039]
作为上述系统的一种改进，所述根据相关参数，采用oren and nayar漫反射模型计算合成图像的像素；具体包括：
[0040]
根据点(x,y)处的反射率ρ(x,y)、高度z(x,y)和入射强度i0(x,y)，采用oren and nayar漫反射模型计算合成图像在(x,y)处的像素为：
[0041][0042]
a＝1
‑
0.5σ2/(σ2 0.33)
[0043]
b＝0.45σ2/(σ2 0.33)
[0044]
其中，参数σ表示高斯分布的标准差，用于表面粗糙度的量度；x,y,z分别表示重构物体的三维坐标；z
x
表示z对x的偏导数，z
y
表示z对y的偏导数。
[0045]
作为上述系统的一种改进，所述由合成图像的像素与二维前视声呐图像像素计算均方误差；具体包括：对于重构范围内n个点，由合成图像的像素和声呐图像像素i(x,y)，根据下式计算均方误差e为：
[0046][0047]
作为上述系统的一种改进，所述根据均方误差，采用梯度下降的方式迭代更新相关参数；具体包括：
[0048]
对点(x,y)处的反射率ρ(x,y)、高度z(x,y)和入射强度i0(x,y)根据预设的迭代步长λ，由下式计算得到迭代后的反射率ρ
′
(x,y)、高度z
′
(x,y)和入射强度i0′
(x,y)为：
[0049]
[0050][0051][0052]
其中，λ在0到1之间；
[0053]
对具有相同方位角的点(x,y)，根据下式对i0′
(x,y)进行正则化处理，得到正则化处理后的入射强度i0″
(x,y)：
[0054]
i0″
(x,y)＝median{i0′
(x,y)|(x,y)∈d}
[0055]
其中，median表示正则化处理，d为相同方位角的点的集合；
[0056]
将ρ
′
(x,y)、z
′
(x,y)和i0″
(x,y)分别赋值给ρ(x,y)、z(x,y)和i0(x,y)。
[0057]
与现有技术相比，本发明的优势在于：
[0058]
1、本发明在解决病态问题时采用反演的方法，避免了复杂方程的求解问题，便于实现；
[0059]
2、本发明采用了更为准确的反射模型，并结合前视声呐的结构特点，对模型进行修改使其和声纳结构相适应，在海底管道三维重构中，本发明能够起到较好的重构效果，重构精度相对较高。
附图说明
[0060]
图1是前视声呐成像模型；
[0061]
图2是oren and nayar几何模型；
[0062]
图3是本发明的基于前视图像声呐的海底管道三维重构方法流程图；
[0063]
图4是前视声呐声图；
[0064]
图5(a)、(b)、(c)分别为图4中管道重构模型的三个视角。
具体实施方式
[0065]
本发明利用二维前视声呐图像实现海底管道的更高精确度的三维重构，进而辅助完成对海底管道的检测、识别、分类等工作。
[0066]
下面结合附图和实施例对本发明的技术方案进行详细的说明。
[0067]
实施例1
[0068]
如图3所示，本发明的实施例1提出了一种基于前视图像声呐的海底管道三维重构方法。
[0069]
为求解高度，本发明采用梯度下降的方式反演声呐图像：
[0070]
步骤1、首先初始化相关参数，如反射率ρ,高度z,入射强度i0等；在初始化过程中，z初始为声呐相对海底的高度，反射率ρ可以初始为0到1之间的值，强度i0初始为声图中的像素值，
[0071]
步骤2、接着利用oren and nayar漫反射模型计算当前循环中合成图像的像素点(x,y)的合成像素如(3)：
[0072][0073]
然后通过(4)求解合成图像和真实声呐图像像素的均方误差。
[0074][0075]
步骤3、利用均方误差的对初始化参数的梯度来分别更新整幅声图的相应参数如(5)：
[0076][0077]
这里λ为迭代步长(设置为0到1之间的数，λ较小时，收敛过程慢，λ较大时，收敛快，过大时反演过程可能出现震荡，无法收敛)，当最小均方误差达到既定的精度t时，反演过程达到收敛，循环结束，可以认为此时的高度参数即为最终的解。否则回到步骤2再次执行上述过程。
[0078]
每完成一次迭代i0(x,y)，需要对i0(x,y)进行一次正则化处理，因为声呐的波束轮廓是恒定的，对于相同方位角的点，这些点的入射强度i0(x,y)都被更新为这些点原本i0(x,y)的中值，d为相同方位角的点的集合，如下。
[0079]
i0(x,y)＝median{i0(x,y)|(x,y)∈d}
[0080]
如图4所示，为前视声呐声图，标记部分为海底管道。图5为本发明把图4海底管道进行三维重构得到模型，由于声图的原因，管道的两端重构效果差，在计算重构半径时将其去除，取中间段的若干截面计算出等效直径，结果重构的直径为0.52m，实图中管道半径为0.60m。
[0081]
由上述结果可知，本发明运用在海底管道的三维重构中能够得到较好的重构效果。
[0082]
本发明调整了基于oren and nayar模型的sfs算法以适应前视声呐的成像模型，并且将调整后的发明运用到海底管道的前视声呐图像中，相对传统的sfs方法在该领域的直接运用，调整后的发明拥有更高的重构精度。
[0083]
本发明运用了光学领域的改进的明暗恢复形状算法，将其改进为和前视声呐成像模型相适应的算法，并运用到海底管道的三维重构中，取得了很好的重构效果。精确的海底管道三维模型对海底管道的检测、识别、分类等工作能起到良好的辅助作用。
[0084]
实施例2
[0085]
本发明的实施例2提出了一种基于前视图像声呐的海底管道三维重构系统，所述
系统包括：声呐图像获取模块、初始化模块和迭代重构模块；具体处理过程同实施例1的方法，其中，
[0086]
所述声呐图像获取模块，用于获取海底管道的二维前视声呐图像；
[0087]
所述初始化模块，用于初始化相关参数，所述相关参数包括反射率、高度和入射强度；
[0088]
所述迭代重构模块，用于根据相关参数，采用oren and nayar漫反射模型计算合成图像的像素；由合成图像的像素与二维前视声呐图像像素计算均方误差；当均方误差大于等于预设精度阈值时，根据均方误差，采用梯度下降的方式迭代更新相关参数，循环处理；直至均方误差小于预设精度阈值，获得此时的高度参数，从而完成基于前视图像声呐的海底管道三维重构。
[0089]
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。