[发明专利]一种基于纹理特征的合成孔径声纳目标检测方法

摘要

本发明公开了一种基于纹理特征的合成孔径声纳目标检测方法及系统，该方法包含步骤101）读入原始合成孔径声纳图像，并计算原始图像在距离向和方位向的灰度共生矩阵；步骤102）基于得到的灰度共生矩阵计算能够反应纹理特征的若干特征参量对应的特征值变化规律曲线；步骤103）将计算得到的特征值变化规律曲线与统计背景区域特征参量值或目标区域特征参量值变化规律曲线之一进行比较，如果与目标的特征参量变化规律一致或与背景特征参量值变化规律不同则可以判断存在目标；否则仅有背景没有目标；其中，所述统计背景特征参量值变换规律曲线为对合成孔径声纳图像的灰度共生矩阵获取的背景区域纹理特征量进行分析统计得到的背景区域的变换曲线。

主权项

一种基于纹理特征的合成孔径声纳目标检测方法，该方法通过分析合成孔径声纳图像的纹理特征，对合成孔径声纳图像中的目标进行检测，所述方法包含：步骤101)读入原始合成孔径声纳图像，并计算原始图像在距离向和方位向的灰度共生矩阵；步骤102)基于得到的灰度共生矩阵计算能够反应纹理特征的若干特征参量对应的特征值变化规律曲线；步骤103)将计算得到的特征值变化规律曲线与统计背景区域特征参量值或目标区域特征参量值变化规律曲线之一进行比较或者仅仅与存储的背景区域特征参量值变化曲线相比较，如果与统计目标区域特征参量值变化规律曲线一致或与统计背景区域特征参量值变化规律曲线不同则可以判断存在目标；否则仅有背景没有目标；其中，所述统计背景区域特征参量值变化规律曲线为：对合成孔径声纳图像的灰度共生矩阵获取的背景区域纹理特征量进行分析统计得到的背景区域的变换曲线；所述统计目标区域特征参量值变化规律曲线为：对合成孔径声纳图像的灰度共生矩阵获取的目标区域的纹理特征量进行分析统计得到的目标区域的变换曲线；所述灰度共生矩阵具体采用如下算法获得：取图像N×N中任意一点(x,y)及偏离它的另一点(x+a,y+b)，设该点对的灰度值为(g1,g2)；令(x,y)在整幅图像中移动，则可以得到各种(g1,g2)值，设灰度的级数为k，则(g1,g2)的组合方式共有k2种；对于整幅图像而言，统计出每一种(g1,g2)值出现的次数，然后排列成一个方阵，再用(g1,g2)出现的总次数将它们归一化为出现的概率P(g1,g2)，这样就得到图像的灰度共生矩阵；其中，当a＝1,b＝0时，像素对是水平的，即对应SAS图像距离向的纹理特征；当a＝0,b＝1时，像素对是垂直的，即对应SAS图像方位向的纹理特征；当a＝1,b＝1时，像素对是沿右对角的，即对应SAS图像右对角方向的纹理特征；当a＝1,b＝‑1时，像素对是左对角的，即对应SAS图像左对角方向的纹理特征；其中，以上(x,y)表示图像中的像素点的坐标,而a和b表示坐标间隔；g1,g2表示像素点对的灰度值；所述特征参量包含：反应纹理粗细程度的角二阶矩和能量参数，当角二阶矩和能量值大时，纹理粗，能量大；反之，当角二阶矩和能量值小时，纹理细，能量小；反应纹理沟纹的深浅程度的对比度参数，当对比度值大时，纹理的沟纹深；反之，如果纹理沟纹浅，则对比度值小；反应图像是否具有某个方向的纹理特征的相关性参数，如果图像具有某个方向的纹理，则该方向上的灰度共生矩阵的相关性值大；和反应图像中纹理的非均匀程度或者复杂程度的熵参数，如果图像中没有任何纹理，则灰度共生矩阵几乎为零矩阵；如果图像中纹理复杂，则熵值大；所述统计背景区域特征参量值变化规律曲线为：距离向：背景区域的能量几乎没有变化，而目标区域的能量则先下降后上升；背景区域的相关性随着距离向偏移的增大仅缓慢下降，并没有显著变化；背景区域的对比度在整个距离向偏移的范围内几乎没有变化；背景区域的熵值较为稳定，几乎不随距离向偏移的增大而变化，并且始终保持为1；方位向：背景区域的相关性则在开始迅速下降为0，接着几乎保持不变，并且目标区域的相关性始终大于背景区域的相关性；背景区域在方位向的熵值与其在距离向的情况几乎相同，表明其为完全随机的区域所述统计目标区域特征参量值变化规律曲线为：距离向：目标区域的能量则先下降后上升；目标区域的相关性在偏移量为前三分之一时的范围内快速下降，并始终大于背景区域的相关性，而在中间三分之一的范围内缓慢下降，接着在最后三分之一的范围内缓慢上升；目标区域的对比度则随着距离向偏移的增大显著上升，后缓慢下降，并且背景区域的对比度始终显著小于目标区域的对比度；目标区域的熵值在起始段的范围内始终为零，其后增大到0.5，并且波动剧烈；方位向：目标区域的相关性首先迅速下降，然后缓慢下降接近0；目标区域的熵值除在少数值外，几乎全部为0。