姚新，劉征宇，吳楚楚，張磊磊

?

一種基于圖像匹配的吊放式聲吶方位修正方法

姚新1,2，劉征宇3，吳楚楚2，張磊磊2

(1. 水聲對抗技術(shù)重點實驗室，上海201108；2. 上海船舶電子設(shè)備研究所，上海201108； 3. 海軍駐上海地區(qū)水聲導(dǎo)航系統(tǒng)軍事代表室，上海201108)

探討了一種基于圖像匹配的吊放式聲吶方位修正方法。采用二值分割的圖像特征匹配方法，并通過圖像分割，保證了較高的精度和時效性。此方法可以很好地適用于背景較為穩(wěn)定的環(huán)境；通過設(shè)計合適的時變模板，可有效克服背景起伏較大引起的圖像失配問題。經(jīng)仿真數(shù)據(jù)和實際數(shù)據(jù)的驗證，對于背景緩慢變化的圖像，方位修正的準確率達到100%，對于背景劇烈變化的圖像，方位修正的準確率優(yōu)于80%。

吊放式聲吶；圖像匹配；方位修正；二值分割

0 引言

吊放式聲吶廣泛應(yīng)用于直升機、艦船和碼頭，可用于監(jiān)視、偵測海洋環(huán)境、海洋生物和水下人類活動。由于平臺和成本限制，吊放式聲吶往往沒有安裝指向羅經(jīng)和姿態(tài)伺服器，受涌浪影響，聲吶在水下必然存在旋轉(zhuǎn)和擺動。缺少姿態(tài)補償時，聲吶圖像將存在左右抖動的現(xiàn)象。通過圖像匹配技術(shù)，獲取當前圖像航向偏移量，可有效修正吊放式聲吶圖像左右抖動的現(xiàn)象。

時效性和匹配精度是圖像匹配算法的兩個重要指標。目前的圖像匹配方法基本上分3類：基于區(qū)域的匹配方法[1,2]，基于特征的匹配方法，基于解釋的匹配方法[3]?；趨^(qū)域的方法中，交叉相關(guān)方法時效性較高，但匹配精度較差；互信息交互方差的方法匹配精度較高，時效性較差?；谔卣鞯姆椒?，時效性較高，但匹配精度依賴于特征提取的質(zhì)量。基于解釋的圖像匹配方法建立在對圖像正確解釋的基礎(chǔ)上，從而對于圖像的質(zhì)量和先驗知識的要求較高?？紤]吊放式聲吶除了航向變化同時存在縱橫搖變化，導(dǎo)致波束照射至水底或水面時，引起聲吶圖像混響背景劇烈變化。結(jié)合不同方法的優(yōu)勢，本文考慮使用基于二值分割的圖像特征匹配方法，并通過圖像分割，保證較高的匹配精度和時效性。

1 圖像方位修正算法

1.1 圖像分割

圖像分割指把圖像分成若干等分，壓縮、集中柵格中有用的圖像信息，即在不失去所關(guān)心的圖像特征的同時縮小圖像，從而減少遍歷像素數(shù)。多分辨率[4-6]是圖像柵格的一種衍生，可大量減少模板匹配遍歷的像素數(shù)，同時具有很高的魯棒特性。

依據(jù)精度要求，對二維圖像作圖像分割，假設(shè)原始圖像為，分割圖像的尺寸為，定義圖像分割函數(shù)1(?)，則圖像分割后的圖像如下：

在盡可能保留圖像局部特征和滿足匹配精度的前提下減小圖像的尺寸，提高圖像匹配的時效性是圖像分割的主要原則。因此實際應(yīng)用中，對圖像分割函數(shù)1(?)的設(shè)計是非常重要的。

1.2 二值分割

二值分割是指特征經(jīng)是非判斷對圖象進行二值化處理，這些特征可以是能量、尺寸、邊緣或其它任何所關(guān)心的特征。在復(fù)雜海況下，吊放式聲吶俯仰引起的聲吶圖像混響背景變化往往非常劇烈，邊緣、尺寸無法對真實背景進行準確描述。本文以能量為特征對圖像進行二值化處理，定義能量特征提取函數(shù)2(?)，則二值化后的圖像如下：

(3)

1.3 修正算法

模板匹配的基本原理是根據(jù)某個相似性測度原則，計算當前圖像和參考模板的相關(guān)值，然后根據(jù)相關(guān)值的大小和位置來判定當前圖像的偏移信息。定義模板，則匹配輸出相關(guān)矩陣的元素為：

(5)

當∈0時，即模板為圖像0中以(0,0)為左上點的尺寸為的區(qū)域，0尺寸為×，容易得到：

(7)

(8)

依據(jù)相關(guān)原則，當0滿足域值時，圖像偏移量為：

(10)

則偏移修正后圖像為：

式中：為圖像相關(guān)中心檢測閾值，根據(jù)實際信噪比或信混比設(shè)定。和分別為實時圖像的行和列偏移量。

1.4 模板的選擇

模板匹配的優(yōu)化策略主要是模板更新及區(qū)域特征提取，從而減小計算量、保持魯棒性。當聲吶縱橫搖變化率較小時，參考模板可選擇時間序列上的任意一幀；反之，參考模板需要對時間序列上連續(xù)多幀進行統(tǒng)計后獲得；統(tǒng)計時間窗的大小與時效性密切相關(guān)，時變的模板往往具有更好的魯棒性。當圖像處在具有先驗知識的恒定區(qū)域時，可縮小模板的尺寸，以提高時效性和準確性。時變模板的更新方法如下：

2 試驗結(jié)果及分析

原理驗證如圖1和圖2所示，圖1(a)為仿真圖像，作為模板；圖1(b)為實時圖像，經(jīng)圖1(a)人為偏移(40, 30)獲得。圖2(a)為實際試驗數(shù)據(jù)圖像，作為模板；圖2(b)為實時圖像，經(jīng)圖2(a)人為偏移(10,0)獲得。由圖1(c)和圖2(c)的相關(guān)處理后可知，本文采用的圖像方位修正方法對仿真數(shù)據(jù)有效。

(a) 模板?????? (b) 實時圖像

(c) 相關(guān)中心(40,30) ?????? (d) 修正圖像(b)

圖1 原理仿真

Fig.1 The principle of the S simulation

(a) 模板?????? (b) 實時圖像

(c) 相關(guān)中心(10,0)?????? (d) 修正圖像(b)

圖2 實際數(shù)據(jù)人為偏移

Fig.2 The actual image with human migration

考慮吊放式聲吶縱橫搖引起的聲吶圖像距離變化很小，且對目標探測和跟蹤基本無影響，故對實際數(shù)據(jù)進行處理時，只對方位進行修正。

當縱橫搖變化率較小時，處理結(jié)果如圖3所示，圖3(a)為實際數(shù)據(jù)時間序列任意選擇的一幀圖像，作為模板；圖3(b)為實時圖像。由圖3(c)可知，本文采用的圖像方位修正方法對單一樣本有效。

當縱橫搖變化率較大時，使用單一模板處理結(jié)果如圖4所示。由圖4(c)可知，圖4(b)的偏移量修正存在偏差，單一模板魯棒性較差，不適用于背景起伏較大的圖像匹配。

(a) 模板?????? (b) 第56幀圖像

(c) 相關(guān)中心(-4,0)?????? (d) 修正圖像(b)

圖3 穩(wěn)態(tài)背景單一模板處理

Fig.3 Fixed model processing in stable background

(a) 模板?????? (b) 第1412幀圖像

(c) 相關(guān)中心(1,0)?????? (d) 修正圖像(b)

圖4 非穩(wěn)態(tài)背景單一模板處理

Fig.4 Fixed model processing in unstable background

圖5(a)為連續(xù)多幀進行統(tǒng)計后獲得的圖像，作為模板，統(tǒng)計長度為30幀；由圖5(c)可知，圖5(b)的偏移量修正準確，時變模板適用于背景變化較大的圖像匹配，魯棒性較優(yōu)。

(a) 模板?????? (b) 第1412幀圖像

(c) 相關(guān)中心(-3,0) ??????(d) 修正圖像(b)

圖5 非穩(wěn)態(tài)背景時變模板處理

Fig.5 Time-varying model processing in unstable background

不同環(huán)境下的多樣本處理結(jié)果見表1，其中數(shù)據(jù)1、數(shù)據(jù)2、數(shù)據(jù)3為碼頭系泊數(shù)據(jù)，期間吊放聲吶姿態(tài)較為穩(wěn)定；數(shù)據(jù)4、數(shù)據(jù)5為外海錨泊數(shù)據(jù)，數(shù)據(jù)4航向變化率較大，縱橫搖變化率較小，數(shù)據(jù)5中航向和縱橫搖變化率均較大。本文采用的圖像方位修正方法可以很好地適用于背景較為穩(wěn)定的工作環(huán)境；通過設(shè)計合適的時變模板，可有效克服背景起伏較大引起的圖像失配問題。

表1 圖像修正概率

3 結(jié)語

本文采用的圖像方位修正方法具有較高的時效性和精度，對于背景緩慢變化的圖像方位修正的準確率達到100%，對于背景劇烈變化的圖像方位修正的準確率優(yōu)于80%。

數(shù)字化的圖像方位修正技術(shù)，可提高設(shè)備的適裝性，同時減小設(shè)備研制成本；圖像經(jīng)方位修正后，有利于目標的跟蹤與識別。

[1] Brown L G. A survey of image registration techniques[J]. ACM Computing Surverys, 1992, 24(4): 325-376.

[2] Candocia F. A similarity measure for stereo feature matching[J]. IEEE Trans. on Image Processing, 1997, 6(10): 1460-1464.

[3] Dai Xiaolong and Khorram S. A feature-based image registration algorithm using improved chain-code representation combined with invariant moments[J]. IEEE Trans. on Geoscienees and Remote Sensing, 1999, 37(5): 2351-2362.

[4] 范瑞霞, 張俊. 一種基于多分辨率的圖像跟蹤算法[J]. 計算機工程, 2002, 28(12): 185-186

FAN Ruixia, ZHANG Jun. A Multi-resolution Approach for Image Tracking[J]. Computer Engineering, 2002, 28(12): 185-186.

[5] 王東峰, 鄒謀炎. 基于最大化對齊度的多模態(tài)圖像自動配準[J]. 電子與信息學(xué)報, 2003, 25(6): 755-762

WANG Dongfeng, ZOU Mouyan. Automatic registration of multi-modal images based on the maximization of the alignment metric[J]. Journal of Electronics & Information Technology, 2003, 25(6): 755-762.

[6] 時永剛, 劉小軍, 王東蜂, 等. 多模態(tài)圖像配準的配準測度和性能分析[J]. 電子與信息學(xué)報, 2004, 26(11): 1706-1713.

SHI Yonggang, LIU Xiaojun, WANG Dongfeng, et al. Performance analysis of registration measures for multi-modal image registration[J]. Journal of Electronics & Information Technology, 2004, 26(11): 1706-1713.

A method that utilizes image matching instruments to correct the azimuth of dipping sonar

YAO Xin1,2, LIU Zheng-yu3, WU Chu-chu2, ZHANG Lei-lei2

(1. Science and Technology on Underwater Acoustic Antagonizing Laboratory, Shanghai 201108, China;2. Shanghai Marine Electronic Equipment Research Institute, Shanghai 201108, China;3. Office of navl deputation shanghai, Shanghai 201108, China)

This paper discusses a method that utilizes image matching instruments to correct the azimuth of dipping sonar. Simulation data and experimental data satisfactorily verify that this method can well be applied in the relatively stable environment background; and that through designing the appropriate time-varying modal, this method can effectively overcome the image mismatch caused by the big change in environment background.

dipping sonar; image matching; azimuth correction; binary segmentation

O427.9

A

1000-3630(2015)-02-0143-04

10.16300/j.cnki.1000-3630.2015.02.008

2014-12-20;

2015-03-20

姚新(1981－), 男, 江蘇無錫人, 高級工程師, 研究方向為聲納信號處理。

姚新, E-mail: yaoxin@189.cn