基于图像声纳的运动目标轨迹合成定位.docVIP

基于图像声纳的运动目标轨迹合成 卞红雨 罗明愿 （哈尔滨工程大学水声工程学院，哈尔滨 150001） 摘要：基于序列图像的运动目标轨迹合成在水下探测领域有着重要的应用。本文研究的是通过图像处理的方法利用水下运动目标的连续声图像合成目标的运动轨迹。为了在增强目标区域的同时更好地抑制噪声干扰，对灰度形态学进行了改进，取得了较好效果。 关键词：轨迹合成，图像去噪。 1 引言 图像声纳可以获得水下目标及环境的声图像，近年来被越来越多的应用于海洋探测中需要精细探测的场合。为了实现目标的自主探测，要利用数字图像处理技术对声纳图像进行处理。然而由于传输介质的特性以及水下环境的复杂性，声图像中目标常常只表现为很少的几个像素，并伴随有大面积的、亮度很强的噪声区域，这给目标的自主探测带来困难。 本文利用运动目标的序列声图像，按照降噪处理——轨迹合成——后续降噪处理的思路，实现轨迹合成，并可进一步实现目标定位。在降噪处理中，对灰度形态学进行了改进，更好地滤除噪声、增强目标区域。 2 本文所处理的声图像的特点 本文的研究对象是运动目标的序列多波束前视声纳图像，如图1所示。目的是尽可能的抑制掉背景噪声，获得直观显示的目标合成轨迹。该合成轨迹可用于目标定位。 在每一帧图像中运动目标只是很小的区域，亮度也不高，包含的信息量很少；同时由于水下环境的复杂性，混响与噪声的干扰使图像中噪声区域的面积比目标区域要大得多，同时亮度值也较目标亮度为高。在图像序列中，不仅仅只有目标在动，背景噪声也在慢变，这更增加了处理的的难度。总结水声序列图像的特点如下： (1) 目标信号的区域小，亮度值低，且目标区域亮点与暗点不均匀。 (2) 背景噪声的区域大，亮度值高，且慢变（即噪声的区域面积的大小和位置在发生变化）。 (3) 水下环境的复杂性，导致图像中的随机噪声亮点多。 (4) 图像的整体均值小。 针对水声序列图像的以上特点，作者采用下面的思路来合成水下运动目标的轨迹：在序列图像每一帧中目标的位置在发生着相对变化，即可以直接将序列图像进行累加，来显现运动目标的轨迹；为了尽可能地抑制噪声，要进行两次降噪处理。 3 运动目标轨迹合成 运动目标轨迹合成的流程为： （1）图像的预处理，主要目的是尽可能的滤掉随机噪声干扰，同时还要使目标区域的像素值得到一定的增强。 （2）将经过预处理的序列水声图像做累加处理。 （3）图像的后续降噪处理，对已合成轨迹的图像进行再次降噪处理。 3.1 图像的预处理 3.1.1 常用去噪算法分析 为图像中某一像素的坐标，令为已确定大小的邻域（可以理解为子图像），其中心为。邻域的平均值为： 此处的是在邻域中坐标处的灰度，且是该邻域内的概率分布。区域中像素灰度级的方差为： 针对水声图像目标区域面积小，整体均值小，有大块的背景噪声，且随机噪声大量存在的特点，对于某一像素点处的邻域不能取得太大，掩膜即可（考虑一个像素点的邻域）。 在一个像素点的的邻域内，当邻域均值与整体均值的比值小于门限，则基本上可判定该像素点处于背景区；若由于目标或噪声的存在使邻域均值与整体均值的比值大于门限，则需要进一步考虑邻域方差与整体方差的比值与门限的关系。因为目标区域亮度通常大于背景区域亮度，所以门限的取值一般要大于1，而门限的选取会因图像而异。 综上考虑得到了下面的改进的灰度形态学处理方法： 上式中，是邻域均值，是邻域方差，和分别是全局均值和方差。针对本文所处理的图像，选取、。 图1（a）为图像序列中的一帧原始图像，图1（b）为经过改进的灰度形态学处理后的图像，作为对比，图1（c）、1（d）分别给出中值滤波和常规灰度形态学的处理结果。可以看到改进的灰度形态学算法对滤除随机噪声和增强目标区域起到很好的效果。 （a）原始图像 （b）改进的灰度形态学处理 （c）中值滤波处理 （d）常规灰度形态学处理 图1原始图像和去噪处理结果 3.2 图像累加 将水声序列图像中连续20帧的图像进行累加处理。在这里作者将二进制的或运算推广到8比特灰度图像中： 上式中，为进行累加的两幅图像处的像素值；门限要依据图像特点确定。这种处理必须保证目标区域能够得到保留。将20帧连续的图像用上述处理思想进行累加得到结果如图2所示。 图2轨迹合成图像 可以看到用上述处理方法得到了运动目标的轨迹；但是除了运动目标的轨迹外图像中的噪声也进行了累加，而且噪声经过累加之后其所占的面积区域比目标区域要大，这给后续的降噪处理带来了难度。 3.3合成轨迹的后续降噪处理 轨迹合成图像具有以下特点： （1）目标轨迹区域明显； （2）存在与目标区域相近或更大的噪声区域； （3）小面积的噪声区域大量存在。 综合以上三点作者采取了基于目标特征的提取目标轨迹方法。处理步骤：图像二值化处理——基于目标轨迹特征的击中变换——目标轨迹恢复。 利用二