基于图像频域方向模板目标检测的方法

摘要

本发明提供的是一种基于图像频域方向模板目标检测的方法。包括对原始图像进行预处理，滤波去噪；将侧扫声纳图像分解32×32像素大小的子图像；将子图像进行归一化，然后做二维离散傅里叶变换；提取相应的频谱信息；做二维离散傅里叶反变换，得到各个方向的投影；计算子图像各方向的投影能量；对子图像各方向的投影能量求和，判断目标有无，并粗略给出目标位置信息。本发明运用傅里叶分析工具，利用水平方向、垂直方向、135°方向和45°方向直线模板，对侧扫声纳图像在四个方向上进行投影分解，根据投影结果判断是否有目标存在，粗略估计图像的感兴趣区域的位置，对于判断和提取纹理较强的侧扫声纳图像中感兴趣区域有较好的效果。

说明书

技术领域

本发明涉及的是一种数字图像处理技术。具体地说是一种目标检测方法。

背景技术

判断侧扫声纳图像目标有无是数字图像处理技术的重要内容之一。在数字图像处理的应用领域中，经常需要对目标区域进行判断分析，首先就需要判断目标的有无。由于水声成像环境的复杂性，水声图像目标有无的判断是数字图像处理技术的难题之一。

文献[1]中运用高阶统计量的方法来判断侧扫声纳图像中有无目标。高阶统计量不仅可以自动抑制高斯噪声的影响，而且也能抑制对称分布噪声的影响，高阶循环统计量则能自动抑制任何平稳(高斯或非高斯)噪声的影响。高阶统计量能够大大超越功率谱和相关函数的原因在于：高阶统计量包含了二阶统计量没有的大量信息。一般而言，声纳图像中如果没有目标，图像即为大范围的连续区域；如果有目标存在，则会出现小范围的连续区域和目标与背景之间的跃变，在图像的高阶谱中就会反应成幅度与相位的变化。因此使用高阶谱可以在避免了噪声的干扰的同时，判断目标有无。该文献中利用图像的双谱，对双谱的幅度大小设置阈值，来判断图像中目标的有无情况。文献中需要设定双谱幅度硬性阈值，来判断图像中的目标有无；而双谱幅度会应图像的大小，图像中目标亮区和目标暗区的大小，而变化较大。因此需要结合实际的情况合理设置阈值。文献[2]利用频域相关和贝叶斯概率理论分别实现了存在背景噪声等因素影响下红外图像中的目标实时检测和定位。

与本发明相关的参考文献包括：

[1]刘晨晨.高分辨率声纳成像图像识别技术研究.哈尔滨工程大学博士学位论文.2006：71-78页；

[2]Shaik，J；Iftekharuddin，K.M.Detection and tracking of targets in infrared images usingBayesian techniques.Optics and Laser Technology，v 41，n 6，p 832-42，Sept.2009。

发明内容

本发明的目的在于提供一种对于判断和提取纹理较强的侧扫声纳图像中感兴趣区域(目标)有较好的效果的基于图像频域方向模板目标检测的方法。

本发明的目的是这样实现的：

本发明的基于图像频域方向模板目标检测的方法具体包括如下步骤：

1.对原始图像进行预处理，滤波去噪；

2.将侧扫声纳图像分解32×32像素大小的子图像；为了尽可能保证每一个子图像包含完整的目标特征，水平方向有8像素的重合，垂直方向有8像素的重合；

3.将子图像进行归一化，然后做二维离散傅里叶变换(2-DFT)；

4.分别用水平方向、垂直方向、45°方向、135°方向的频域模板，提取相应的频谱信息；

5.根据水平方向、垂直方向、45°方向、135°方向的频谱信息，做二维离散傅里叶反变换(2-IDFT)，得到各个方向的投影；

6.计算子图像各方向的投影能量；

7.对子图像各方向的投影能量求和，判断目标有无，并粗略给出目标位置信息。

本发明运用傅里叶分析工具，对侧扫声纳图像在四个方向上进行投影分解，根据投影结果判断是否有目标存在，在有目标存在的情况下粗略估计图像的感兴趣区域(目标)的位置，对于判断和提取纹理较强的侧扫声纳图像中感兴趣区域(目标)有较好的效果。该发明方法能依据需要检测目标的尺寸，调整频域模板的大小，使得检测效果不会因检测目标大小的变化而发生改变。较一般的目标检测方法而言，该发明方法的计算量相对较小，同时还能够粗略给出目标的位置信息，这样更有利于后续处理。

附图说明

图1为原图像预处理的结果。

图2为预处理图像分解成32×32像素的子图像，且水平方向和垂直方向均有8像素重合。

图3为各子图像的标号。

图4为水平方向模板、垂直方向模板、45°方向模板、135°方向模板。

图5为原图像的水平投影。

图6为原图像的垂直投影。

图7为原图像的45°方向投影。

图8为原图像的135°方向投影。

图9的表1为图2分解的各个子图像在四个方向上的投影能量、投影能量的和以及目标有无的判断结果。

图10为该发明方法的整体流程框图。

具体实施方式

下面结合附图举例对本发明做更详细地描述：

1.对原始图像进行预处理，目的是滤波去噪得到图1。

2.将图1分解32×32像素大小的子图像，如图2所示，各子图像的编号如图3所示。为了尽可能保证每一个子图像包含完整的目标特征，水平方向有8像素的重合，垂直方向有8像素的重合。

3.将子图像进行归一化，然后做二维离散傅里叶变换(2-DFT)，在具体实施时用二维快速傅里叶变换代替2-DFT。

归一化处理：首先求出32×32像素大小子图像的像素均值，然后将32×32像素大小子图像中的每一个像素都除以其像素均值。

一个大小为M×N的图像函数f(x，y)的二维离散傅里叶变换由式(1)给出：

$F(u,v)=\frac{1}{\mathrm{MN}}\underset{x=0}{\overset{M-1}{\Sigma }}\underset{y=0}{\overset{N-1}{\Sigma }}f(x,y)e^{-j2\pi (\mathrm{ux}/M+\mathrm{vy}/N)}---\left(1\right)$

其中u＝0，1，2，…M-1，v＝0，1，2，…N-1。

4.将图4所示的模板分别与二维离散傅里叶变换结果F(u，v)相乘，提取出水平方向、垂直方向、45°方向、135°方向的频谱信息。

5.根据水平方向、垂直方向、45°方向、135°方向的频谱信息，做一维离散傅里叶反变换(1-IDFT)，得到各个方向的投影，如图5，6，7，8所示。在具体实施时采用一维快速傅里叶反变换代替1-IDFT。

一维离散傅里叶反变换由表达式(2)给出：

$f\left(x\right)=\underset{u=0}{\overset{M-1}{\Sigma }}F\left(u\right)e^{j2\mathrm{\pi ux}/M}---\left(2\right)$

其中，x＝0，1，2，…M-1。

6.计算子图像各方向的投影能量。

32×32像素大小子图像在各个方向上的投影实际上是一维数据，各个方向上的投影能量为：

$E=\underset{k=1}{\overset{32}{\Sigma }}{x}^2\left(k\right)---\left(3\right)$

(3)式中E为能量；x(k)为一维数据下标为k处的数值。

各方向模板中都剔除掉了直流分量，即令F(0，0)＝0，使得子图像中没有目标时，投影能量值较小。计算出来所有32×32像素大小子图像在各个方向上的投影能量如表1第2列至第5列所示。

7.对子图像各方向的投影能量求和，判断目标有无，并粗略给出目标位置信息。

对子图像在各个方向上的投影能量进行求和，如表1第6列所示。从求和的结果可以看到当子图像中存在目标时，其投影能量的和相对没有目标要大很多，因此可以设定门限从而判定在该子图像中是否存在目标。各子图像中目标有无的判断结果示于表1第7列，从有目标的子图像编号可以粗略地估计出目标位于图像的右下角。