一种基于形状上下文方法的声纳目标识别方法

摘要

本发明公开了一种基于形状上下文方法的声纳目标识别方法，包括以下几步：进行样本图像统计，利用形状上下文方法得到样本图像中每类目标的两个上下文直方图；读取待识别图像，利用形状上下文方法得到待识别目标的两个上下文直方图；将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色块的值分别进行匹配，利用最大匹配度进行目标识别。其中形状上下文方法以目标轮廓长轴端点为基准点。本发明能够提高目标识别的匹配度，并且能够减少计算量。

说明书

技术领域

本发明属于声纳目标识别领域，尤其涉及通过匹配特征目标和待测目标的上下文直方图 进行目标识别的，一种基于形状上下文方法的声纳目标识别方法。

背景技术

形状上下文方法是一种图像轮廓特征提取方法，它侧重于提取轮廓中基准点与其他点的 位置关系，能够体现以选取的轮廓点为基准点、轮廓其他点相对于基准点的结构特征，是一 种表征目标宏观轮廓的特征提取方法，因为其具有对目标轮廓局部的变化不敏感性，因此适 用于局部轮廓不断变化的声纳图像特征提取。

大多数研究者将形状上下文方法用于光学图像，其中Belnogie等提出了形状上下文的形 状标书方法，为形状边缘上的点提供了含有“上下文”信息的丰富描述子；Mori等提出了一 种广义形状上下文特征，利用各采样点的切向量来代替采样点；Roman-Rangel等提出了方向 直方图形状上下文特征，引入直方图描述目标的形状；国内的韩敏等人提出了模糊形状上下 文的方法，用于提高匹配精度。

传统的形状上下文方法的基准点选取方法可以归为三类：第一类是根据局部轮廓语义来 确定，但是受载体位移和海洋噪声的影响，在相邻时刻，即使是相同角度和距离下捕获的同 类目标图像，其局部轮廓细节都会有较大变化，因此第一类方法无法可靠的确定基准点；第 二类是将所有轮廓点都作为基准点来进行遍历，这种确定基准点的方法计算量很大，不适用 于需要考虑功耗因素的声纳设备要求。第三类是遍历方法的改进，主要思想是将轮廓点划分 为若干区域，统计每个区域的轮廓点特征，最终还是需要循环匹配。例如文献1：韩敏，郑 丹晨，基于模糊形状上下文特征的形状识别算法，自动化学报，Vol.38,No.1,201。探讨的是光 学图像，给出了一种“基于循环位移的形状匹配方法”，匹配时首先固定测试目标B，然后将 目标A进行有限次的旋转，最终寻找最优的循环匹配结果。这种方法的本质就是把轮廓点进 行采样并循环遍历，采样的间隔是旋转的角度。其缺点是旋转时没有目的性和灵活性，匹配 时计算量很大。文献2：胡正平，高亚男，基于角度扩展形状上下文描述的目标检测算法研 究，信号处理，Vol.26,No.6,2010。提出了一种“角度扩展形状上下文描述”，匹配时首先确 定目标轮廓的中心，将轮廓点划分为若干区域，然后统计相同区域的轮廓点，最终按区域进 行循环匹配。这种方法与文献[1]的方法类似，缺点显而易见。文献3：田晓东，刘忠，基于 形状相似度的水下目标识别算法，声学技术，Vol.26,No.3,2007。将匹配问题归结为图像的轮 廓区域划分，相当于将文献2中区域内的轮廓点细分，虽然提高了匹配精度，但计算量更大。

发明内容

本发明的目的是提供一种匹配精度高、计算量小的，基于形状上下文方法的声纳目标识 别方法。

本发明是通过以下技术方案实现的：

一种基于形状上下文方法的声纳目标识别方法，包括以下几个步骤：

步骤一：进行样本图像统计，利用形状上下文方法得到样本图像中每类目标的两个上下文直 方图；

步骤二：读取待识别图像，利用形状上下文方法得到待识别目标的两个上下文直方图；

步骤三：将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对 应色块的值分别进行匹配，利用最大匹配度进行目标识别；

所述的形状上下文方法为：

a、对样本图像或者待识别图像进行预处理，分割出目标区域的二值图像，通过开闭运算填补 目标区域内孔洞；

b、提取目标区域的轮廓点；

c、计算任意两个轮廓点之间的距离，取最大值为目标区域轮廓的长轴，长轴的两个端点分别 为第一端点P₁和第二端点P₂；

d、以第一端点P₁为基准点，以长轴的长度作为光栅的半径，构建以P₁为基准点极坐标光栅； 同理构建以P₂为基准点极坐标光栅；

e、通过两个极坐标光栅把轮廓点映射到对应的光栅区域，得到两个上下文直方图，上下文直 方图色块的值为对应光栅区域内包含的轮廓点数。

本发明一种基于形状上下文方法的声纳目标识别方法，还可以包括：

1、将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色 块的值分别进行匹配的方法为：

步骤一：令样本图像中每类目标的两个上下文直方图为两个基准上下文直方图，将基准上 下文直方图和待识别目标的上下文直方图进行二值化处理，即令有值的色块值设为1，无值 色块值设为0，得到基准二值化直方图和待识别目标的二值化直方图；

步骤二：将待识别目标的两个二值化直方图和样本图像中每类目标的两个基准二值化直方 图的对应色块值进行匹配，目标的匹配度为：

其中，N_匹配是匹配的色块个数，N_基准为基准二值化直方图中有值色块总数，N_目标为待测目标 的二值化直方图有值色块总数。

2、构建极坐标光栅的方法为：将基准点作为原点，长轴长度为半径，长轴方向为极坐标轴 的0°方向，取±90°作为光栅的角度范围，将光栅的角度范围分成N个区间，将长轴等 间距划分为M个区间。

有益效果：

本发明设计了一种适用于声纳图像目标识别的形状上下文基准点选取方法，并给出了基 于上下文直方图的匹配方法，这种方法提取的特征点具有稳定性和唯一性，匹配时不需要循 环遍历，不仅提高了匹配精度，而且减小了计算量。实现的思想是，利用声纳图像中目标的 尺度信息来确定基准点，即选取目标轮廓长轴的两个端点分别作为形状上下文的基准点，即 基准点共有两个，通过统计其余的轮廓点与基准点的位置关系得到上下文直方图。在极坐标 下进行光栅映射时，由于光栅的参数选取由长轴决定，因此该方法具有旋转不变性和自适应 性。

附图说明

图1为待识别声纳图像；

图2为目标区域二值图像；

图3为目标轮廓和长轴端点；

图4为光栅与目标轮廓的对应方法；

图5(a)为长轴的一个端点为基准点时得到的上下文直方图，图5(b)为长轴的另一个端点为 基准点时得到的上下文直方图；

图6为上下文直方图与光栅图的对应关系；

图7(a)为第一类螺旋桨样本1，图7(b)为第一类螺旋桨样本1的一个上下文直方图，图7(c) 为第一类螺旋桨样本1的另一个上下文直方图；

图8(a)为第一类螺旋桨样本2，图8(b)为第一类螺旋桨样本2的一个上下文直方图，图8(c) 为第一类螺旋桨样本2的另一个上下文直方图；

图9(a)为第二类螺旋桨样本1，图9(b)为第一类螺旋桨样本1的一个上下文直方图，图9(c) 为第一类螺旋桨样本1的另一个上下文直方图；

图10(a)为第二类螺旋桨样本2，图10(b)为第一类螺旋桨样本2的一个上下文直方图，图 10(c)为第一类螺旋桨样本2的另一个上下文直方图；

图11为上下文直方图与对应的二值化模板；

图12为本发明的流程图。

具体实施方式

下面将结合附图对本发明做进一步详细说明。

如图12所示，本发明一种基于形状上下文方法的声纳目标识别方法，包括以下几个步骤： (1)对待识别图像进行预处理，分割得到目标区域的二值图像，通过开闭运算填补目标区域 内孔洞。

(2)提取目标区域的轮廓点，根据精度和处理速度需求对轮廓点进行不同程度的采样。

(3)通过遍历得到轮廓的长轴，记录下长轴的两个端点坐标P₁和P₂。

(4)分别以P₁和P₂点为基准点，根据目标轮廓长轴构建极坐标光栅。

(5)通过半圆形光栅把轮廓上的采样点映射到对应的区间，得到上下文直方图，上下文直方 图色块的值表示特定区域内包含的轮廓点个数。

将目标样本库的两个基准上下文直方图和待识别目标的两个上下文直方图对应色块分别 进行匹配，根据最大匹配度进行目标识别。

待识别图像如图1所示，是从声纳图像中截取出的含有目标的区域。在进行目标特征提 取之前，首先要对整幅声纳图像进行初步的预处理。确定目标的大致区域，并将其从整幅声 纳图像中截取出来。具体方法可以参考声纳图像预处理的相关文献。

1、目标分割：对待识别图像做进一步处理，目的是去除背景噪声对于目标区域的影响， 并利用图像分割方法，我们采用了最大类间方差阈值分割法，得到目标区域二值图像，如图 2所示。

2、提取分割后目标区域的轮廓：如果轮廓点数量很大，首先对轮廓点进行采样，减少计 算量，但是这样做会降低上下文直方图的统计精度，如图3所示。

3、寻找轮廓长轴：比较目标轮廓上每两个采样点间的距离，通过比较得到长轴，并标记 长轴的两个端点P₁和P₂。

4、建立光栅坐标系：分别建立以P₁和P₂为基准点的光栅坐标系。如图4所示，将P₁点作 为基准点，长轴的长度作为光栅的半径，将长轴等分成8个距离区间；设长轴方向为极坐标 0°方向，取±90°作为光栅的角度范围，将180°的范围等分成6个角度区间，距离区间和 角度区间的个数可以根据不同的情形划分成任意需要的个数。P₂点作为基准点的做法同理。

5、轮廓采样点的光栅映射：计算目标轮廓上各采样点与基准点的角度和距离，并将其映 射到对应的光栅区间。统计落入各个光栅区间内的轮廓点个数，得到如图5(a)和图5(b)的两 个上下文直方图，对应P₁和P₂，光栅与轮廓点的映射示意图见图6所示。直方图的色块灰度 体现的是光栅区间中包含的轮廓点个数。

6、基准上下文直方图的构建：在目标识别时，首先统计多个样本，得到每类目标的两个 基准上下文直方图。两个基准上下文直方图的求取方法与待测目标的两个上下文直方图的求 取方法一样，都是采用以目标轮廓长轴端点为基准点的形状上下文方法。对于声纳图像的相 同目标，虽然不同样本的上下文直方图色块值是不同的，但是结构是大体相同的。如图7、 图8、图9和图10所示，因此可以通过样本的统计得到基准上下文直方图。

7、匹配识别：通过比较基准上下文直方图与待识别目标的上下文直方图对应位置的色块 值进行目标的匹配识别。为了提高处理速度，令上下文直方图中有值的色块值为1，没有值 的色块值为0，得到上下文直方图的二值化直方图，如图11。匹配时，将待测目标的二值化 直方图与基准上下文直方图的二值化直方图对应位置进行“与”运算，如果结果为1则为匹 配，否则为不匹配。目标的匹配度定义如下：

上式中N_匹配是匹配的色块个数，N_基准为基准二值化直方图中有值色块总数，N_目标为待测 目标的二值化直方图有值色块总数。由于每个样本都有两个上下文直方图，因此待识别目标 与基准二值化直方图共需匹配4次，得到的最大匹配度代表了匹配的最终结果。实验表明， 同类目标不同样本对应的最大匹配度均在85％以上，而不同目标的最大匹配度低于60％