技術(shù)領(lǐng)域

本發(fā)明涉及一種前掃聲納圖像拼接方法，可將視角較小的前掃聲納圖像拼接為一個(gè)高分辨率、大范圍的圖像。

背景技術(shù)

目前世界各國(guó)正致力于利用水下無(wú)人探測(cè)器對(duì)海洋、湖泊、江河等水資源進(jìn)行水聲環(huán)境的研究及目標(biāo)檢測(cè)工作。這種水下運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)不僅在海洋開(kāi)發(fā)，港口航道建設(shè)等民用方面有著潛在的巨大經(jīng)濟(jì)利益，而且在水下環(huán)境監(jiān)控等安全檢測(cè)方面也有著重要的意義。

由于水下機(jī)器人在商業(yè)與軍事上的重大價(jià)值和技術(shù)上面臨的眾多挑戰(zhàn)，其技術(shù)研究受到越來(lái)越多科學(xué)家和技術(shù)人員的重視，并進(jìn)行了大量的工作。對(duì)于水下機(jī)器人來(lái)說(shuō)，視覺(jué)系統(tǒng)就是它的眼睛和耳目。毋庸置疑地，視覺(jué)系統(tǒng)具有極其重要的地位和作用。通過(guò)視覺(jué)系統(tǒng)，機(jī)器人才能夠快速獲取水下周圍環(huán)境信息，為其運(yùn)動(dòng)和進(jìn)行水下作業(yè)提供引導(dǎo)。顯然，水下機(jī)器人的技術(shù)水平和作業(yè)能力在相當(dāng)大程度上取決于視覺(jué)系統(tǒng)的性能好壞。在特殊的水下環(huán)境下，聲波是迄今為止唯一可以進(jìn)行遠(yuǎn)程信息傳輸?shù)妮d體。聲波在水中傳播的衰減就小得多，在深海聲道中爆炸一個(gè)幾公斤的炸彈，在兩萬(wàn)公里外還可以收到信號(hào)，低頻的聲波還可以穿透海底幾千米的地層，并且得到地層中的信息。在水中進(jìn)行測(cè)量和觀察，至今還沒(méi)有發(fā)現(xiàn)比聲波更有效的手段。因此，利用水中聲波對(duì)水下目標(biāo)進(jìn)行探測(cè)、定位和通信的聲納，是水聲學(xué)中應(yīng)用最廣泛、最重要的一種裝置。

當(dāng)水下觀測(cè)對(duì)象比較大而又要保證分辨率時(shí)，發(fā)射信號(hào)不能覆蓋全部探測(cè)區(qū)域，只能進(jìn)行局部探測(cè)，這就需要用到圖像拼接技術(shù)。同時(shí)在聲納圖像處理方面，一次聲成像返回的聲探測(cè)區(qū)域視野較小，工程實(shí)踐中經(jīng)常無(wú)法通過(guò)一幅圖像進(jìn)行目標(biāo)識(shí)別，同時(shí)對(duì)于大目標(biāo)圖像的數(shù)據(jù)測(cè)量也需要把不完整的圖像拼接為一個(gè)整體。所以圖像拼接技術(shù)在水下圖像的后期處理中具有重要作用。

現(xiàn)有的前掃聲納DIDSON(?Dual-Frequency?Identification?Sonar)。由于工作環(huán)境的復(fù)雜性，該高分辨率雙頻識(shí)別聲納在執(zhí)行水下危險(xiǎn)目標(biāo)探測(cè)任務(wù)時(shí)，存在以下幾個(gè)方面的難點(diǎn)問(wèn)題：1）聲納圖像實(shí)時(shí)判讀，目前還是依靠人眼來(lái)人工判讀、識(shí)別水下可疑目標(biāo)，然而聲學(xué)成像原理截然不同于光學(xué)成像原理，尤其是其分辨率遠(yuǎn)遠(yuǎn)小于光學(xué)成像，因而要探測(cè)、識(shí)別像水下可疑爆炸物這樣的危險(xiǎn)目標(biāo)就很困難，而且判讀人員很辛苦、極易疲勞；2）高分辨率聲納自身視野很窄，需要進(jìn)行圖像拼接；3）聲納設(shè)備在水下工作時(shí)，會(huì)受到浪涌、水流的影響，產(chǎn)生縱搖、橫搖，引起聲納圖像的變形。在實(shí)際的應(yīng)用中，DIDSON在同一時(shí)刻也只能觀測(cè)到一個(gè)小視角范圍內(nèi)的圖像。由于水下環(huán)境復(fù)雜，要判別一個(gè)物體的性質(zhì)，需要有個(gè)連續(xù)的過(guò)程，最好能夠顯示大范圍的水中的影像。實(shí)時(shí)將多幅分辨率低、視角小的聲納圖像拼接為一個(gè)高分辨率、大范圍的圖像，可以同時(shí)監(jiān)測(cè)較大范圍的水下環(huán)境，在水下探測(cè)中具有重要的作用。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)已有技術(shù)存在的問(wèn)題，提供一種前掃聲納圖像拼接方法,能實(shí)時(shí)將多幅分辨率低、視角較小的聲納圖像拼接為一個(gè)高分辨率、大范圍的圖像，從而可以監(jiān)測(cè)較大范圍的水下環(huán)境，提高了前掃聲納目標(biāo)監(jiān)測(cè)水平。

為達(dá)到上述目的，本發(fā)明的構(gòu)思是：首先使用SURF算法檢測(cè)并描述特征點(diǎn);然后運(yùn)用Hessian矩陣跡的正負(fù)性與最近鄰比次近鄰的方法相結(jié)合匹配特征點(diǎn)，尋找出相鄰聲納圖像之間的匹配點(diǎn)對(duì);進(jìn)而通過(guò)直接線性變換算法求取變換矩陣的最小二乘解;最后運(yùn)用求解出的單應(yīng)矩陣將待匹配圖像的特征點(diǎn)一一映射到參考圖像坐標(biāo)系中，再進(jìn)行圖像插值處理，完成圖像之間的配準(zhǔn)。在實(shí)現(xiàn)配準(zhǔn)的基礎(chǔ)上，對(duì)聲納圖像進(jìn)行了圖像融合處理，最終實(shí)現(xiàn)了聲納圖像的拼接。

根據(jù)上述發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案：

一種前掃聲納圖像拼接方法，其基本實(shí)施步驟如下：

（1）????聲納圖像輸入

將前掃聲納DIDSON采集的數(shù)據(jù)信息以圖像形式顯示出來(lái)（DIDSON軟件自帶）

（2）????特征點(diǎn)檢測(cè)和描述

SURF算法使用了近似的Hessian矩陣檢測(cè)特征點(diǎn)，并使用積分圖像大幅減少了運(yùn)算量。SURF算法的特征點(diǎn)描述算子所描述依然是特征點(diǎn)某個(gè)小鄰域內(nèi)的灰度分布信息。SURF使用一階Haar小波在x、y兩個(gè)方向的響應(yīng)作為構(gòu)建特征向量的分布信息。

（3）????特征點(diǎn)匹配

利用特征向量間的歐式距離的方法來(lái)匹配特征點(diǎn)，完成參考圖像與待匹配圖像之間的特征點(diǎn)匹配。

（4）????變換模型估計(jì)

在兩幅圖像相互對(duì)應(yīng)的特征點(diǎn)之間完成匹配之后就可以通過(guò)變換模型估計(jì)對(duì)應(yīng)關(guān)系估計(jì)它們之間的幾何變換模型。在這里，幾何變換模型指的就是單應(yīng)矩陣。