基于图像声纳的运动目标轨迹成与定位合成与定位.doc

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 针对各种不同的噪声，图像去噪的方法很多。 图像平均处理方法可以比较好地滤掉随机噪声。进行平均处理后，任何像素点处的像素值会更加接近其真实值，且各个像素点的噪声变化率会随着图像数目的增加而减小。但是这种方法要求同一场景的图像达到一定的数目才会产生预期的效果，因而有其自身的局限性。如前所述，我们要处理的序列图像中目标和背景均在变化，显然该种方法不适合此处的降噪处理。 空间平滑滤波方法是一种基于邻域的去噪方法，使用该方法可以使随机噪声在一定程度上得到削弱，但很难使随机噪声得到根本的滤除。而且由于本文处理的图像目标像素很少，会使目标区域整体变暗，效果并不是很理想。频域的平滑处理也不适合此处的降噪处理。 基于邻域的非线性滤波包括统计排序滤波的中值滤波，最大值滤波，最小值滤波。统计排序中的最大值滤波，会使一个亮点覆盖邻域大小的范围，这种方法可以使目标区域的像素值增大，但代价是很惨重的。最小值滤波会使一个暗点覆盖邻域大小的范围，这种方法可以滤去随机噪声，同时整个目标区域的像素值变小，此种方法亦不可取。中值滤波适于滤除脉冲噪声，对大面积的背景噪声效果不好。 灰度形态学中的膨胀和腐蚀运算，当其结构元素为平坦算子时，其本质上就是统计排序滤波中的最大值滤波和最小值滤波，也是不可取的。灰度形态学中的开运算可以用来除去小的亮点，同时保持所有的灰度级较大的亮区特性相对不变，但是由于水声图像中目标区域像素值不均匀，使用开运算会使目标区域变小，而这不是所希望的。 3.1.2 基于改进的灰度形态学方法的去噪处理 基于水声图像的特点以及预处理的要求，作者提出一种改进的灰度形态学的方法，既可以滤除随机噪声，同时还能使目标区域的像素值整体增大。这种方法有机地融合了局部统计理论、基于邻域的最大值滤波、基于邻域的最小值滤波三种方法，从而滤除随机噪声和增强目标区域。 在图像处理中使用局部平均值和局部方差的一个重要优点是提供了开发简单而功能强大的处理技术的灵活性。 令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，