复杂背景下声纳图像的水下小目标检测方法及系统

技术特征：
1.一种复杂背景下声纳图像的水下小目标检测方法，所述方法包括：步骤1)采取多级中值滤波方法对采集的声纳图像进行去噪处理；步骤2)对步骤1)去噪后的声纳图像进行复杂地貌掩膜处理，实现对地貌的高亮纹理图和阴影纹理图的提取；步骤3)对步骤1)去噪后的声纳图像进行高阶矩图像分割，并结合步骤2)的复杂地貌掩膜处理结果，进行背景抑制；步骤4)采用三种不同尺寸的检测窗对步骤3)处理后的连通域进行聚类，实现对分裂目标的关联和山脊地貌的抑制；步骤5)提取高亮区域和阴影区域，分别计算高亮像素密度和阴影像素密度，并通过像素密度加权计算得到检测分数，实现小目标的检测。2.根据权利要求1所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤1)包括：对声纳图像进行去噪处理，遍历图像的每个像素，分别计算每个像素i(i,j)所在方位向和距离向的中值v，再计算i(i,j)所在角点的像素中值u，最后将i(i,j)、v和u三者的中值作为该像素的值，通过多级中值处理，以抑制噪声，并保留目标的边缘轮廓。3.根据权利要求1所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤2)包括：步骤2-1)利用积分图方法对步骤1)去噪后的声纳图像进行背景累积，得到累积图b(i,j)；步骤2-2)利用声图海底地貌服从瑞利分布的统计特性，根据要求的虚警率p
fa
计算阈值v
t
：其中，σ为瑞利分布的标准差，由下式得到阈值系数ρ：步骤2-3)利用步骤2-1)的累积图，进行大尺寸的滑窗处理，计算第k个滑窗内的声图平均值m(k)；当累积图b(i,j)＞m(k)
·
ρ，该像素属于高亮纹理图h
b
；当b(i,j)＞m(k)/ρ时，该像素属于阴影纹理图s
b
；步骤2-4)利用形态学算子，分别对高亮纹理图和阴影纹理图中的连通域进行“补洞”；再去除面积小于面积预设值s
max
，长或宽小于长度预设值l
max
的小目标连通域，并对连通域进行边缘平滑。4.根据权利要求3所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤3)包括：步骤3-1)对步骤1)去噪后的声纳图像进行幂指数变换；步骤3-2)确定幂指数变换后的图像g中任意像素(i,j)的邻域窗口ω
i,j
，根据邻域窗口内均值计算该像素的峰度值hog(i,j)：
式中，s
i,j
表示邻域窗口内像素数目，(p,q)为邻域窗口ω
i,j
内的像素坐标；步骤3-3)根据虚警率计算阈值系数ρ，通过对hog(i,j)的判断，实现高亮和阴影的分割：当峰度值hog(i,j)小于ρ
·
η(p,q)时，该像素属于高亮区域图h
t
；当峰度值hog(i,j)大于η(p,q)/ρ时，该像素属于阴影区域图s
t
；步骤3-4)采用形态学算子，去除面积大于s
max
以及面积小于s
min
的区域，并进行边缘平滑处理；步骤3-5)通过高亮区域图h
t
，与步骤2)得到的高亮纹理图h
b
和阴影纹理图s
b
分别进行差分处理，实现背景抑制。5.根据权利要求4所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤4)包括：步骤4-1)统计高亮区域图h
t
中的各个连通域，并计算连通域的面积、中心位置及连通域外接矩形框；步骤4-2)联合统计高亮和阴影的像素密度，利用小检测窗判断相邻连通域是否关联；步骤4-3)利用中检测窗判断高密度区内连通域是否关联；步骤4-4)通过判断大检测窗内高密度区连通域的强度和方向角，对包括山脊和线缆距离较远、连通域不集中的区域进行关联。6.根据权利要求5所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤4-2)包括：按照连通域的中心位置进行排序，再扩充各个连通域外接矩形的上下左右各若干个像素，通过边框位置关系判断是否与相邻的连通域相交，从而判定是否关联。7.根据权利要求6所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤4-3)包括：步骤4-3-1)将高亮区域图h
t
中的每个连通域看作一个点p
m
，点的位置是连通域的中心，m表示点的序号，统计以点p
m
为中心，边长为l
med
的正方形区域内点的数目，当点的数目大于设定的高密度区域阈值时，则该区域为高密度区域；步骤4-3-2)遍历各个高密度区域，并判断相邻高密度区域是否相交，如果区域相交，则合并相交区域，最终得到一组高密度区域；步骤4-3-3)从高亮区域图h
t
中去除高密度区域的连通域。8.根据权利要求7所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤4-4)包括：步骤4-4-1)将高亮区域图h
t
内剩余的连通域看作点p
m
，统计以边长为l
large
的正方形区域内点的数目，依据4-3-1)和4-3-2)的方法，判断该区域是否为高密度区域，并对高密度区域进行合并，根据合并后的高密度区域中心坐标进行排序；步骤4-4-2)计算高密度区域内向量连通域p
m
与点p
n
的距离，当距离小于阈值d
th
时，进入步骤4-4-3)；否则，循环下一个点；其中n表示相邻点的序号；步骤4-4-3)当点p
m
未与其他点融合，进入步骤4-4-4)判断强度比；当点p
m
已与其他点融合，且融合点的数量小于3，计算所有点差的方向角angle
est
；当融合点的数目大于等于3时，仅利用最后融合的3个点计算方向角angle
est
，之后计算待融入点p
n
加入后的角度angle
pre
，
当d
angle
＝|angle
pre-angle
est
|小于角度差阈值a
th
时，转到步骤4-4-4)进一步判断；否则，循环下一个点；步骤4-4-4)计算相邻的两个连通域p
m
和p
n
所对应原图中强度平均值，并计算其强度比r
meani
(m,n)：当强度比r
meani
(m,n)大于阈值r
th
时，则p
m
和p
n
融合；其中，meani
m
和meani
n
分别表示点p
m
和p
n
指代的连通域对应原图中的强度平均值；步骤4-4-5)循环下一点，转至步骤4-4-2)，直到遍历所有点，转至步骤4-4-6)；步骤4-4-6)以最后融合的点中心为融合后点中心，计算融合点的并集，把并集作为融合后区域；步骤4-4-7)对各个融合后连通域判断是否相交，进一步融合聚类。9.根据权利要求7所述的复杂背景下声纳图像的水下小目标检测方法，其特征在于，所述步骤5)包括：步骤5-1)从连通域中去除面积过大和面积过小的区域，并截取剩余连通域所在位置的原图中高亮区域、阴影区域和背景区域，并计算背景区域的平均值b
mean
；步骤5-2)计算高亮区域和阴影区域的像素密度；步骤5-3)根据上述像素密度，采取加权平均方法，计算该连通域的检测分数f
c
；与设定值进行比较，完成小目标检测。10.一种复杂背景下声纳图像的水下小目标检测系统，其特征在于，所述系统包括：声纳图像去噪处理模块、复杂地貌掩膜处理模块、连通区域聚类模块和小目标检测模块；其中，所述声纳图像去噪处理模块，用于采取多级中值滤波方法对采集的声纳图像进行去噪处理；所述复杂地貌掩膜处理模块，用于对去噪后的声纳图像进行复杂地貌掩膜处理，实现对地貌的高亮纹理图和阴影纹理图的提取；所述高阶矩图像分割模块，用于对去噪后的声纳图像进行高阶矩图像分割，并结合复杂地貌掩膜处理模块的结果，进行背景抑制；所述连通区域聚类模块，用于采用三种不同尺寸的检测窗对高阶矩图像分割模块处理后的连通域进行聚类，实现对分裂目标的关联和山脊地貌的抑制；所述小目标检测模块，用于提取高亮区域和阴影区域，分别计算高亮像素密度和阴影像素密度，并通过像素密度加权计算得到检测分数，实现小目标的检测。

技术总结
本发明公开了复杂背景下声纳图像的水下小目标检测方法及系统，该方法包括：采取多级中值滤波方法对采集的声纳图像进行去噪处理；对去噪后的声纳图像进行复杂地貌掩膜处理，实现对地貌的高亮纹理图和阴影纹理图的提取；对去噪后的声纳图像进行高阶矩图像分割，并结合复杂地貌掩膜处理结果，进行背景抑制；采用三种不同尺寸的检测窗对处理后的连通域进行聚类，实现对分裂目标的关联和山脊地貌的抑制；提取高亮区域和阴影区域，分别计算高亮像素密度和阴影像素密度，并通过像素密度加权计算得到检测分数，实现小目标的检测。该方法不受海底地貌限制，根据要求的虚警率和实际的声图强度自适应调整阈值，具有准确率高、虚警率低、适应性强的特点。应性强的特点。应性强的特点。


技术研发人员：刘正君 黄海宁 刘纪元
受保护的技术使用者：中国科学院声学研究所
技术研发日：2022.07.21
技术公布日：2022/10/11